-
公开(公告)号：CN112215396A
公开(公告)日：2021-01-12
申请号：CN202010913459.6
申请日：2020-09-03
Applicant: 中交西安筑路机械有限公司 , 长安大学
IPC: G06Q10/04 , G06F16/2458 , G06N3/00 , G06N7/02
Abstract: 本发明公开了一种基于模糊时间序列分析和粒子群技术的数据预测算法，通过自动聚类算法将多时间序列生成不同的区间长度，并划分粒度空间；然后，对不同粒度空间中的模糊趋势进行预测；最后利用各粒度空间的预测模糊趋势和粒子群技术得到的最优加权向量，计算出最终预测值。该算法不用依赖大量的历史数据，且可以对不完整、不准确和具有含糊性的数据来进行预测，很好的解决了传统时间序列预测模型的问题。因此模糊时间序列预测模型可以很好的处理具有这种特点的数据，同时能够很好的处理非线性时间数据，在处理长期序列预测时也表现出了比较好的效果。
-
公开(公告)号：CN111860596A
公开(公告)日：2020-10-30
申请号：CN202010553028.3
申请日：2020-06-17
Applicant: 长安大学
Abstract: 本发明属于路面裂缝分类领域，公开了一种基于深度学习的无监督路面裂缝分类模型建立方法，包括如下步骤：获取待分类图片数据集；建立AlexNet网络模型并初始化模型的超参数、权重参数及偏置项；将待分类图片数据集输入AlexNet网络模型中，获得高维特征向量集；对高维特征向量集利用快速峰值算法进行聚类，获得伪标签集；利用待分类图片数据集和伪标签集对AlexNet网络模型进行训练，训练完成的模型即为无监督路面裂缝分类模型。本发明将无监督聚类算法引入深度神经网络对路面裂缝图像数据进行处理，进而去掉数据标注的任务，不仅对于深度神经网络而言具有重要意义，并且在无监督视觉特征学习任务上也是一个重大的突破。
-
公开(公告)号：CN111307070A
公开(公告)日：2020-06-19
申请号：CN201911069694.3
申请日：2019-11-05
Applicant: 长安大学
Abstract: 本发明公开了一种基于图像处理的粗集料棱角定量分析方法，首先对集料进行筛选，得到不同粒径不同棱角度的集料，对需要的集料粒径档，对其不同程度的集料进行磨耗，得到不同棱角特性的试样集料颗粒；然后对集料颗粒进行图像采集，对采集的集料颗粒图像进行预处理，所述集料颗粒图像预处理包括集料颗粒图像灰度化、去噪、集料颗粒图像增强、分割、膨胀腐蚀形态学处理；接着对预处理的集料图像进行框架提取，根据框架对集料棱角度进行分析评价。能够快速准确的量化集料的棱角特性，并将结果及时反馈到生产和级配早期选料过程中，以保证沥青混合料质量和提高路用性能与寿命。
-
公开(公告)号：CN110909628A
公开(公告)日：2020-03-24
申请号：CN201911069595.5
申请日：2019-11-05
Applicant: 长安大学
Abstract: 本发明公开了一种检测带阴影路面裂缝的自然光照补偿方法，该方法以自然光照补偿模型用来保护路面背景，同时引入K均值聚类裂缝图像分割方法综合对裂缝进行检测，在平均精度(93.58％)，召回率(94.15％)和F-度量(93.86％)方面表现出乐观的表现。较好的解决了现有技术存在的断裂裂缝碎片和检测到假的裂缝这两类技术问题。有助于综合裂缝评价。
-
公开(公告)号：CN110318327A
公开(公告)日：2019-10-11
申请号：CN201910497679.2
申请日：2019-06-10
Applicant: 长安大学
IPC: E01C23/01
Abstract: 本发明一种基于随机森林的路面平整度预测方法：步骤1：对于每个沥青路面采集路面平整度指数IRI以及路面参数的取值，得到沥青路面样本数据；步骤2：对每个路面参数归一化得到训练集；步骤3：将训练集采用随机森林算法进行训练，将路面平整度指数IRI作为随机森林算法的输出，将路面数据作为输入，得到训练好的沥青路面平整度预测模型；步骤4：采集待测沥青路面的路面参数值，得到待测的沥青路面数据；步骤5：归一化操作；步骤6：用训练好的沥青路面平整度预测模型对待测的归一化后的沥青路面数据处理，得到待测沥青路面的路面平整度。本发明建立了基于随机森林的路面平整度预测模型，通过该模型能够大大提高了路面平整度的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN110070520A
公开(公告)日：2019-07-30
申请号：CN201910208224.4
申请日：2019-03-19
Applicant: 长安大学
Abstract: 本发明公开了基于深度卷积神经网络的路面裂缝检测模型的构建及检测方法，具包括：获取不同路面背景下的路面裂缝图像集，使用不同角度的sigmoid曲线进行特征提取，获得特征图；将特征图作为输入，将所述的的标签作为输出，训练神经网络，获得路面裂缝检测模型；其中，神经网络包括依次设置的特征提取层和分类层。再将待检测路面图像输入到检测模型中，输出路面裂缝检测结果。实现对不同背景环境下修补和未修补的路面裂缝进行检测分类的目的，具有较高的检测分类精度。
-
公开(公告)号：CN107610094A
公开(公告)日：2018-01-19
申请号：CN201710653515.5
申请日：2017-08-02
Applicant: 长安大学
Abstract: 基于椭球立体表征的裂缝三维检测方法。本发明公开了基于视频流的路面裂缝动态检测方法，包括以下步骤：步骤1，读取路面三维图像数据矩阵；步骤2，对路面三维图像数据矩阵进行预处理，得到预处理后三维图像数据；步骤3，对预处理后的三维图像数据矩阵进行滤波处理，得到去噪后的三维图像数据矩阵；步骤4：提取去噪后的三维图像数据矩阵的每行数据，提取出完整的路面裂缝；步骤5，将路面裂缝划分为多个裂缝区域，求取每个附加深度的椭圆模型的表征参数；步骤6，根据表征参数对所有附加深度的椭圆模型进行聚类，得到聚类后的裂缝；步骤7，计算聚类后的裂缝的裂缝特征值，将裂缝分为网状裂缝和线性裂缝。本发明降低了计算量，复杂度，对细节信息丢失、虚假深度裂缝等原因造成的裂缝段，能够准确还原为完整裂缝。
-
公开(公告)号：CN103310459B
公开(公告)日：2016-04-13
申请号：CN201310247550.9
申请日：2013-06-20
Applicant: 长安大学
Abstract: 本发明公开了一种基于三维信息的水泥混凝土路面构造深度的检测方法，具体包括如下步骤：输入图像三维数据矩阵，并对数据进行滤波处理；依次取滤波处理之后的三维图像数据矩阵Q的每一行，逐行求每一行所对应的构造深度，逐行求得构造深度A1，A2，…,Am，对此m个构造深度求平均值，即得该图像采集区域路面的构造深度。本发明计算简单、运行时间短，无需人工参与。采用面测量，只需输入采集到水泥混凝土路面的三维图像数据，即可完成对路面构造深度的检测，因此，该检测算法效率高、检测精确。
-
公开(公告)号：CN104931331A
公开(公告)日：2015-09-23
申请号：CN201510214694.3
申请日：2015-04-29
Applicant: 长安大学
IPC: G01N3/00
Abstract: 本发明涉及一种沥青路面施工质量检测与评价方法，首先利用数理统计的方法，通过有序抽样并采集样本点的密度，确定沥青路面合理的检测点位，从而钻取圆柱形的芯样，同一组芯样所取位置之间的距离为20～30cm，然后开展车辙试验，通过动稳定度来评价沥青路面的抗车辙性能，可以有效评价沥青路面的施工质量，能够避免完全依靠随机选点带来的片面性，进而更加全面地评价沥青路面整体的施工质量情况；钻取圆柱形芯样对路面造成的破坏比板状试件小，修补方便，且采用的芯样还可以用于检测路面的压实度，进一步减小了对路面造成的损坏；既保证了检测结果的准确性，又能减轻在同一位置连续钻取两个芯样对路面造成的损坏。
-
公开(公告)号：CN103306186A
公开(公告)日：2013-09-18
申请号：CN201310247209.3
申请日：2013-06-20
Applicant: 长安大学
IPC: E01C23/01
Abstract: 本发明公开了一种水泥混凝土路面构造深度的检测算法，具体包括如下步骤：输入图像三维数据矩阵，并对数据进行滤波处理；依次取滤波处理之后的三维图像数据矩阵，逐行求每一行所对应的构造深度，逐行求得构造深度C1，C2，…，Cm，对此m个构造深度求平均，即得该图像采集区域路面的构造深度。本发明计算简单、运行时间短，无需人工参与。采用面测量，只需输入采集到水泥混凝土路面的三维图像数据，即可完成对路面构造深度的检测，因此，该检测算法效率高、检测精确。
-
-
-
-
-
-
-
-
-
Search Results
183
records
(took 0.04 seconds)
