-
公开(公告)号：CN113837007B
公开(公告)日：2022-04-12
申请号：CN202110971025.6
申请日：2021-08-23
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法，所述方法首先进行目标车辆图像的获得及车辆荷载信息关联，然后利用基于HardNet深度学习描述符的图像匹配方法实现不同监控视频图像中的车辆识别，最后对给定时刻的所有位置监控视野中的车辆进行识别，结合目标车辆图像附加的车辆荷载信息，实现桥梁上的车辆荷载识别。本发明的图像匹配过程在各种监控场景下都能很好地建立车辆图像间的点特征对应关系，对于不同监控视频图像间存在的亮度、视角以及尺度变化都有着很好的鲁棒性，从而使得本方法能够有效应对复杂多变的实际监控场景的挑战，稳定识别桥上的车辆荷载。
-
公开(公告)号：CN114120129A
公开(公告)日：2022-03-01
申请号：CN202111451203.9
申请日：2021-11-30
Applicant: 哈尔滨工业大学
Abstract: 基于无人机图像和深度学习的滑坡滑移面的三维识别方法，涉及灾害监测技术领域。本发明是为了解决现有对山体滑坡进行检测的方法对滑移面的具体定位不准确的问题。本发明利用无人机采集被测区域至少5个不同角度的图像作为检测图像，利用语义分割网络对检测图像中所有像素点的类型进行区分，获得语义分割结果，其中像素点的类型包括背景像素点和滑坡滑移面像素点，利用三维重构算法对检测图像进行重构，获得包含滑坡滑移面的三维点云，计算三维点云中任一像素点A在二维平面中的二维坐标，将像素点A在二维平面中的二维坐标带入步骤二获得的语义分割结果中，获得像素点A的类型，将像素点A的类型及像素点A的三维坐标作为滑坡滑移面的三维识别结果。
-
公开(公告)号：CN113916794A
公开(公告)日：2022-01-11
申请号：CN202111202903.4
申请日：2021-10-15
Applicant: 哈尔滨工业大学
IPC: G01N21/17
Abstract: 基于超弱光纤光栅传感技术的土壤含水量监测装置及方法，涉及边坡土体状态监测技术领域。本发明是为了解决边坡安全防护监测中，土体表层及深层含水量无法进行分布式、实时监测的问题。本发明每个监测单元的外壳外部的水汽能够渗透到其内部，分隔底座将外壳内部腔体分隔成互不连通的上层土壤容纳腔和下层温度补偿腔，超弱光纤光栅的一端与光纤光栅解调仪相连，超弱光纤光栅的另一端从上至下依次贯穿N个监测单元的外壳，超弱光纤光栅与每个分隔底座、外壳的顶部和底部均固定连接，上位机采集光纤光栅解调仪在被测时间段内获得的每个监测单元中超弱光纤光栅的波长，并利用波长分别计算被测时间段内每个监测单元中上层土壤容纳腔内部土壤的含水量。
-
公开(公告)号：CN113837007A
公开(公告)日：2021-12-24
申请号：CN202110971025.6
申请日：2021-08-23
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法，所述方法首先进行目标车辆图像的获得及车辆荷载信息关联，然后利用基于HardNet深度学习描述符的图像匹配方法实现不同监控视频图像中的车辆识别，最后对给定时刻的所有位置监控视野中的车辆进行识别，结合目标车辆图像附加的车辆荷载信息，实现桥梁上的车辆荷载识别。本发明的图像匹配过程在各种监控场景下都能很好地建立车辆图像间的点特征对应关系，对于不同监控视频图像间存在的亮度、视角以及尺度变化都有着很好的鲁棒性，从而使得本方法能够有效应对复杂多变的实际监控场景的挑战，稳定识别桥上的车辆荷载。
-
公开(公告)号：CN111678465B
公开(公告)日：2021-12-10
申请号：CN202010470971.8
申请日：2020-05-28
Applicant: 哈尔滨工业大学
IPC: G01B15/06
Abstract: 一种基于超声导波的管道弯曲检测方法，涉及结构健康监测和无损检测技术领域。本发明是为了解决现有管道变形检测方法需要布设大量传感器，或者每次只测管道上一个点的深度，费时费力、探测精度不高，进而导致具有很大局限性的问题。本发明所述的一种基于超声导波的管道弯曲检测方法，首先在管道某一位置激励产生纯纵向导波模态，然后将至少两个面剪切型超声换能器布设于距激励一定距离的管道表面。通过一段距离两端的换能器形成激励接收一体化系统，测量得到管道顶部和侧面位置超声导波透射信号，来检测激励与接收换能器间管道的弯曲情况。同时，通过对同一截面两个微型接收换能器信号的波包特征和差异进行分析，即可识别弯曲部位和弯曲方向。
-
Patent Agency Ranking
公开(公告)号：CN113737976A
公开(公告)日：2021-12-03
申请号：CN202110734388.8
申请日：2021-06-30
Applicant: 国网河南省电力公司电力科学研究院 , 哈尔滨工业大学 , 中国电力工程顾问集团中南电力设计院有限公司
Abstract: 本申请涉及一种输电钢管塔用柔性微风振动扰流抑制装置，包括：由柔性材料制成的条带和用于将条带绕成环形后的片段定型的固定件；条带为长条形状，沿自身长度方向设有若干排风孔，沿自身宽度方向的两侧设有凸起的肩部；肩部上具有沿条带长度方向排列的若干的安装孔；固定件的两端能够插入安装孔。本发明的有益效果是：1、可根据实际需求弯折卷曲成环状结构安装于输电杆塔钢管杆外表面，该装置材料成本低、方便施工现场携带与安装；2、弹性变形可以补偿环形施工安装时内外周长差，保证振动抑制装置紧密贴合安装于钢管杆；3、条状设计可根据实际需求截取相应长度，满足不同尺寸钢管杆的安装需求，具有很强的适应性。
-
公开(公告)号：CN112784909B
公开(公告)日：2021-09-28
申请号：CN202110119391.9
申请日：2021-01-28
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于自注意力机制和自适应子网络的图像分类识别方法，该方法包括：构建初始图像分类识别的神经元计算模型；利用自注意力机制使上述模型的每层神经元将注意力集中在预设图像的感兴趣区域，并提取出感兴趣区域的注意力比例系数；利用自适应子网络使上述模型的单个神经元学习非线性表达能力，以提取预设图像的高层级特征；通过设置注意力比例系数、非线性表达能力中子网络层数和子网络结点数量控制图像分类识别过程中的计算量，在获得高准确率图像分类识别结果的同时控制计算成本。该方法具备复杂非线性表达能力的难题，同时在复杂应用场景下可以实现注意力集中、局部网络加深和加宽的效果，从而提升网络的表达能力和识别准确度。
-
公开(公告)号：CN113378967A
公开(公告)日：2021-09-10
申请号：CN202110720189.1
申请日：2021-06-28
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于卷积神经网络与迁移学习的结构健康监测多元数据异常诊断方法，将某大型结构A的多元监测数据由时间序列分段数据可视化处理，转换为时域响应图像，根据数据段对应的时域响应图像数据进行人工标记，选取带有人工标记的各种异常类型的样本组成数据集A；将数据集A输入至用于异常检测的卷积神经网络模型A中，训练好模型A；将某大型结构B的多元监测数据可视化，人工标记，组成数据集B；在模型A的基础上加入数据集B，进行迁移学习训练，提升分类模型的泛化性能，使卷积神经网络模型能够适应不同分布的数据，迁移学习训练好的模型作为多元数据异常检测器；本发明能够解决目前结构健康监测多元数据无检测方法等问题。
-
公开(公告)号：CN113239730A
公开(公告)日：2021-08-10
申请号：CN202110384984.8
申请日：2021-04-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种基于计算机视觉的结构虚假模态参数自动剔除方法。利用待测结构的已有数据绘制模态振型图；按虚假模态与真实模态阶次进行人工标定并制作成为待测结构的数据集；利用待测结构的数据集训练振型图像分类器；将结构的待测响应信号输入模态参数求解器；求解得到待测结构的真实模态参数与虚假模态参数掺杂的识别结果；进行各阶次的有效分类；利用自动分类器实现待测结构模态参数的自动分类。用以解决模态参数识别的准确结果主要人为判断，面对海量的结构监测数据，人工选取的方式效率低下，难以实现结构模态在线自动分析，严重影响了结构健康监测系统实时预警等功能的问题。
-
公开(公告)号：CN113159061A
公开(公告)日：2021-07-23
申请号：CN202110261351.8
申请日：2021-03-10
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于实例分割的实际隧道围岩碴片识别方法。本发明涉及计算机视觉、深度学习和图像识别技术领域；本发明基于同态滤波和直方图均衡化，对隧道围岩碴片原始图像进行预处理；根据预处理后的隧道围岩碴片图像，建立目标检测和语义分割子网络，对围岩碴片进行实例分割；基于由目标检测子网络和语义分割子网络建立的实例分割网络进行独立训练；根据独立训练后的实例分割网络，对原始图像中的碴片进行识别。本发明针对实际隧道开挖过程中无法及时准确识别围岩大小的难题，提出了基于实例分割的实际围岩碴片自动像素级识别方法，可以直接应用于施工现场的背景黑暗、尺寸不均、分布密集、相互堆叠的复杂碴片图像识别。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.032 seconds)
