公开(公告)号：CN102353509A

公开(公告)日：2012-02-15

申请号：CN201110307658.3

申请日：2011-10-11

申请人： 东南大学

发明人： 张建

IPC分类号： G01M7/08

摘要： 本发明公开了一种基于分块冲击振动测试的中小型桥梁快速检测方法，包括以下步骤：将整个桥面依据桥梁形状分成若干子块区域，各子块区域之间为连接点；对各个子块逐一进行冲击振动测试并测量各子块间连接点数据；利用动力信号分析方法通过各连接点测试数据融合各子块测试数据，识别整体结构特征。本发明方法采用少量传感器分块对桥梁进行冲击振动测试，然后利用动力信号分析方法融合各子块的振动数据，识别整体结构的频域传递函数和模态参数。特别的是，本发明方法能够利用各子块测试数据，识别整体结构的柔度矩阵，从而可预测桥梁在任何荷载下的变形，有效评估结构安全状况。

公开(公告)号：CN114612395B

公开(公告)日：2024-06-14

申请号：CN202210186049.5

申请日：2022-02-28

申请人： 东南大学

发明人： 高康 ,  冯锦鹏 ,  丛凡淇 ,  侯士通 ,  吴刚 ,  张建

IPC分类号： G06T7/00 ,  G06V10/94 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T17/20

摘要： 本发明公开了一种基于Abaqus的深度学习图像批量处理与分析方法，包括以下步骤：步骤S1、建立所需检测的结构有限元模型，提取结构有限元模型的信息输入文件；步骤S2、读取信息输入文件，利用Python编制图像批量处理方法，在结构有限元模型基础上批量模拟结构内部损伤；步骤S3、将结构内部损伤全部输入到Abaqus中批量分析，得到步骤S2中结构内部损伤的表面位移与应力云图，并进行三维标注，根据经过三维标注的结构内部损伤的表面位移与应力云图建立样本库；步骤S4、基于步骤S3得到的样本库，开展目标检测神经网络模型的训练、图像识别分析，其中目标检测神经网络模型的损失函数引入三维交并比预测误差的影响，在提高图像处理效率的同时，增加了预测精度。

公开(公告)号：CN114612394B

公开(公告)日：2024-04-09

申请号：CN202210185613.1

申请日：2022-02-28

申请人： 东南大学

发明人： 吴刚 ,  冯锦鹏 ,  高康 ,  侯士通 ,  何小元 ,  张建

IPC分类号： G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T17/20

摘要： 本发明公开了一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，引入三维交并比概念，并将其应用于深度学习的训练中，包括以下步骤：步骤S1、构建多个梁的损伤模型和多个柱的损伤模型，构建位移云图样本库；步骤S2、构建一种新的经过优化的Yolo神经网络模型；步骤S3、基于步骤S2新的经过优化的Yolo神经网络模型，通过位移云图样本库训练新的经过优化的Yolo神经网络模型，其中损失函数考虑了三维交并比预测误差LossIoU的影响。步骤S4、利用步骤S3中通过位移云图样本库训练的优化的Yolo神经网络模型，识别出的混凝土内部损伤位置和深度，完成混凝土内部损伤的预测。本方法更准确、效率高、成本低。

公开(公告)号：CN117058665A

公开(公告)日：2023-11-14

申请号：CN202310838235.7

申请日：2023-07-10

申请人： 东南大学 ,  中亿丰建设集团股份有限公司

发明人： 张建 ,  张建亮 ,  易乐平 ,  刘辉

IPC分类号： G06V20/62 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0475

摘要： 本发明公开了一种基于域转换的复杂环境下桥梁车牌快速识别方法，包括：建立初始车牌数据库；基于cGAN的域转换方法平衡初始车牌数据库中各类字符的数量；基于cycleGAN的域转换方法扩充初始车牌数据库中稀缺背景的车牌图片；采用单阶段目标识别网络YOLOv5s作为车牌识别网络，利用调整后的车牌数据库对车牌识别网络进行训练；将训练后的车牌识别网络嵌入桥侧相机中，用于桥上过往车辆的车牌识别。本发明通过域转换方法生成指定车牌字符的车牌图片，解决了部分车牌字符因数量过少而导致的识别失败问题；通过域转换方法生成指定背景的车牌图片，解决了复杂环境下的桥梁车牌图片收集难题；通过单阶段目标识别网络作为车牌识别网络，加快了桥梁车牌识别的效率。

公开(公告)号：CN111259770B

公开(公告)日：2023-11-14

申请号：CN202010031878.7

申请日：2020-01-13

申请人： 东南大学

发明人： 张建 ,  张成 ,  田永丁

IPC分类号： G06V20/17 ,  G06V10/82 ,  G06V10/764 ,  G06V10/25 ,  G06T7/13 ,  G06T7/60 ,  G06F30/20 ,  G06F119/14

摘要： 本发明公开了一种基于无人机平台和深度学习的复杂背景下索力快速测试系统及方法，包括如下步骤：图像采集、图像预处理、位移计算、频谱分析与索力计算。本发明考虑到拉索边缘直线单元特征较少，难以实现精确高效的直线匹配，创新性地将深度学习方法应用到拉索识别，巧妙解决拉索边缘直线匹配的难题，具有更高的鲁棒性,由于在图像采集过程中存在无人机自身扰动的影响，傅里叶频谱的低频部分存在较多杂频，无法识别拉索基频，本发明方法提出通过模态阶数识别方法识别频谱中高阶峰值对应的频率阶数，进而利用高阶频率差值与索基频的关系计算索力。本发明能够有效地实现复杂背景下索力非接触式测量，在城市内部桥梁的检测监测中具有广大的应用前景。

公开(公告)号：CN116697979A

公开(公告)日：2023-09-05

申请号：CN202310624248.4

申请日：2023-05-30

申请人： 东南大学

发明人： 徐燕 ,  张建 ,  徐超凡

IPC分类号： G01C5/00 ,  G01B11/06 ,  G06T17/20 ,  G06T5/40

摘要： 本发明提出了一种面向大跨桥高程测量点云密度自适应的激光方法。首先，在给定站点处开展360度环绕快速扫描，获取全场信息，通过扫描点云与已知的设计模型配准，估算TLS站点位姿；预先在设计模型中标注出测量对象，预设扫描点间距要求值，基于激光束传播原理求解出测量对象各点处的最低角分辨率，根据最低角分辨率和角坐标对测量对象点云进行分组，提取出各组点集的角度范围和最低角分辨率；根据测量对象点云的分组信息，开展变角分辨率的分段式精细扫描，获取测量对象点云模型，用于几何测量。本发明能够显著提升大场景下的扫描效率、降低点云体量。

公开(公告)号：CN115901950A

公开(公告)日：2023-04-04

申请号：CN202211562544.8

申请日：2022-12-07

申请人： 东南大学 ,  中铁建苏州设计研究院有限公司

发明人： 吴艳奇 ,  张建 ,  许俊德

IPC分类号： G01N29/04 ,  G01N29/44 ,  G01N29/46 ,  G06F18/24 ,  G06F18/213 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/08

摘要： 本发明公开了一种融合冲击回波和深度学习的混凝土内部分层缺陷检测方法，该方法具体包括缺陷智能识别、缺陷区域量化和缺陷深度自动定位。首先采用结合小波分解和GRU网络的一维模型方法实现混凝土结构内部缺陷信号的自动诊断，然后在缺陷自动识别结果的概率热点图基础上，采用阈值分割提取缺陷区域并进行面积量化。最后采用结合小波变换和卷积神经网络的二维模型方法来实现缺陷深度的定位。本发明克服了冲击回波法检测结果依赖人工判读而存在的结果主观性强和大量测区信号数据处理效率低的缺点，具有操作方便、低成本、智能快捷以及结果客观性强的优势，具有广阔的工程应用前景。

公开(公告)号：CN115876371A

公开(公告)日：2023-03-31

申请号：CN202211318399.9

申请日：2022-10-26

申请人： 东南大学 ,  广东省交通集团有限公司

发明人： 苏子阳 ,  王迎军 ,  郑介文 ,  张建

IPC分类号： G01L5/04

摘要： 本发明公开了一种基于多阶模态振型拟合的索力光学测量方法及其测量系统。所述方法首先通过非接触光学相机捕获拉索全场图像，采用基于自适应灰度加权质心法得到各目标点的动态位移响应；然后通过模态参数识别CMIF法，得到拉索各阶的频率和相应的模态振型曲线；接着基于已求得各测点位置和相应振型幅值，对各阶实测模态振型函数曲线进行最小二乘非线性拟合(NLSF)，识别振型的无量纲参数；最终结合拉索单位长度质量、各阶频率推算拉索索力大小。本发明致力于实桥应用，利用图像的非接触全场测量优势，可以提取拉索多个测点的振动响应。

公开(公告)号：CN111223087B

公开(公告)日：2022-11-15

申请号：CN202010044919.6

申请日：2020-01-15

申请人： 东南大学

发明人： 张建 ,  何至立 ,  倪富陶

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于生成对抗网络的桥梁裂缝自动检测方法。本发明的方法包括：步骤一：搭建基于生成对抗网络的卷积神经网络框架：步骤二：搭建数据库，采集桥梁裂缝信息，形成数据集；步骤三：基于全体数据集对分支网络进行预训练，同时保留每个训练批次的训练模型；步骤四：对步骤三的训练模型中选择效果最好的训练模型，将该效果最好的训练模型权重复原到整体网络的对应网络中；然后将全体数据集一分为二，开始对抗训练，每轮对抗训练中分支网络和判别网络2交替各训练1次，并交替更新分支网络和判别网络2的参数，使得判别网路1和判别网络2的损失函数最小化，更新网络权重。本发明具有网络参数少、处理速度快和识别精度高的优点。

公开(公告)号：CN112098326B

公开(公告)日：2022-09-30

申请号：CN202010842289.7

申请日：2020-08-20

申请人： 东南大学

发明人： 张建 ,  蒋赏 ,  林方舟

IPC分类号： G01N21/01 ,  G01N21/88 ,  G01C21/00

摘要： 本发明公开了一种针对桥梁病害的自动检测方法和系统，将桥梁检测过程分为“整体‑构件‑局部”三个检测层次，通过一种具备空中飞行、吸附于桥底/桥塔隐蔽部位的多运动模式智能无人机系统实施检测工作，采用一种基于信息反馈的自适应巡检路线动态规划算法自主控制无人机获取不同尺度下桥梁表面影像和声波反馈信息，进而通过与三层次检测尺度对应的多尺度深度学习网络自动挖掘分析桥梁病害信息，从测量最优和分析最优实现桥梁包含梁底等隐蔽部位的内部外部病害精准检测。本发明方法与传统人工检测相比在大幅降低成本的同时显著提升检测效率，多层次的检测方法可全面、细致地覆盖结构表面和内部信息，检测信息全面、完整，且有不影响交通的优势。