传统的堤坝灾害点巡检方法是依靠人工巡检,但人工巡检效率低下,成本较高,还容易受到人为主观因素的影响,造成误检漏检,在江苏省水利厅的领导下,我们先后采用了无人机、固定摄像机、智能移动小车来从空中、地面、地面移动相结合,三位一体式地采集堤坝图像,较好规避了堤坝上有树遮挡、重点部位不能全天候全时监控的问题,研究了基于双光图像的堤坝安全检测方法,提出了基于改进高斯滤波的堤坝区域图像降噪方法和基于双光图像的堤坝灾害点检测方法,同时提出了基于SVM和BP神经网络的堤坝灾害点分类方法。目前这些检测方法综合检测的有效率达到了93%,正确率达到了95%,当然由于堤坝灾害点的样本十分稀少,目前采用的主要是数字图像处理技术,从面向未来发展来看,可以采用AI大模型来研发,但采用AI模型训练采用的数据集样本相对较少,会导致模型出现过拟合的状况,使模型识别的准确率降低。因此需要对数据集的有效增广进行更深一步的研究,合理扩大真实堤坝灾害点数据集的样本数量,由此提高网络模型的准确性和泛化能力。