-
公开(公告)号：CN117571644B
公开(公告)日：2024-03-19
申请号：CN202410052945.1
申请日：2024-01-15
摘要： 本发明提供一种溶剂型冷补料的测试方法、装置、电子设备及存储介质，涉及溶剂型冷补料技术领域，该溶剂型冷补料的测试方法包括：基于溶剂型冷补料与马歇尔试件模具，制备出测试试件；通过光离子检测技术对测试试件中的有机溶剂挥发到空气中的气体进行检测，得到各测试时间下有机溶剂挥发浓度；根据各测试时间下有机溶剂挥发浓度，确定相邻两个测试时间下有机溶剂挥发速率，以确定溶剂型冷补料强度形成规律。本发明提出的溶剂型冷补料的测试方法，通过光离子检测技术，检测溶剂型冷补料有机溶剂在空气中挥发的浓度，明确溶剂型冷补料强度形成规律，减少了工作量，提高了测试效率。
-
公开(公告)号：CN118735868A
公开(公告)日：2024-10-01
申请号：CN202410772896.9
申请日：2024-06-17
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
摘要： 本申请涉及一种水泥路面裂缝检测方法，基于训练得到的水泥裂缝检测模型获取裂缝检测结果，水泥裂缝检测模型训练过程采用的图像数据先经过缺失数据处理，以提升图像数据质量；水泥裂缝检测模型对特征提取过程进行了改进，以实现更高效的特征提取，此外，使用网格扩张卷积以及可变形网格空间卷积空间金字塔，提高水泥裂缝检测模型的检测效率和准确性。
-
公开(公告)号：CN117522175B
公开(公告)日：2024-04-02
申请号：CN202410022448.7
申请日：2024-01-08
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC分类号： G06Q10/0637 , G06Q50/26 , G06V10/82
摘要： 本发明涉及道路养护技术领域，提供一种道路养护决策方法及系统，该方法包括确定目标道路的PCI；根据PCI确定目标道路养护的初步决策等级；控制道路检测设备获取目标道路的检测数据；控制工作站根据检测数据确定道路病害数据；工作站为基于道路病害模型的道路病害识别与处理平台；根据道路病害数据确定目标道路养护的深度决策等级；根据目标道路养护的初步决策等级和目标道路养护的深度决策等级确定目标道路养护决策模式。基于道路检测设备和工作站对道路病害进行自动化检测，有更高的效率和准确度，能节省人力资源和成本，根据初步决策等级和深度决策等级确定目标道路养护决策模式，实现对道路养护方式的合理决策，以维护道路安全和舒适性。
-
公开(公告)号：CN117522175A
公开(公告)日：2024-02-06
申请号：CN202410022448.7
申请日：2024-01-08
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC分类号： G06Q10/0637 , G06Q50/26 , G06V10/82
摘要： 本发明涉及道路养护技术领域，提供一种道路养护决策方法及系统，该方法包括确定目标道路的PCI；根据PCI确定目标道路养护的初步决策等级；控制道路检测设备获取目标道路的检测数据；控制工作站根据检测数据确定道路病害数据；工作站为基于道路病害模型的道路病害识别与处理平台；根据道路病害数据确定目标道路养护的深度决策等级；根据目标道路养护的初步决策等级和目标道路养护的深度决策等级确定目标道路养护决策模式。基于道路检测设备和工作站对道路病害进行自动化检测，有更高的效率和准确度，能节省人力资源和成本，根据初步决策等级和深度决策等级确定目标道路养护决策模式，实现对道路养护方式的合理决策，以维护道路安全和舒适性。
-
公开(公告)号：CN117455122A
公开(公告)日：2024-01-26
申请号：CN202311776881.1
申请日：2023-12-22
申请人： 中咨公路养护检测技术有限公司 , 中国公路工程咨询集团有限公司
IPC分类号： G06Q10/063 , G06Q10/20 , G06Q50/26
摘要： 本发明提供一种路面状态评估方法、装置、电子设备及存储介质，涉及公路养护技术领域，该方法包括：获取待评估路段每一目标维度的评估数据，各目标维度包括施工条件维度、交通荷载维度、路面材料维度、气象维度、路基条件维度以及维护频率维度；基于每一目标维度对应的目标权重值和每一目标维度的评估数据，获取待评估路段的路面状态评估结果，每一目标维度对应的目标权重值是基于层次分析法、熵值法以及最小距离函数获得的。本发明提供的路面状态评估方法、装置、电子设备及存储介质，能更好地适应外部环境状态的变化，能更准确的反映路面的实际状态，具有更优越的灵活性、客观性、可解释性和适应性，能为道路维护提供更准确的参考依据。
-
公开(公告)号：CN116227010B
公开(公告)日：2023-07-25
申请号：CN202310520165.0
申请日：2023-05-10
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC分类号： G06F30/13 , G06F30/20 , G06T17/00 , G06F111/10
摘要： 本发明提供一种公路养护数字孪生应用系统构建方法及系统，涉及公路养护技术领域，方法包括：将获取的至少一个目标公路养护对象分别对应的目标养护单元的三维模型、感知数据和控制数据，输入至公路养护数字孪生场景构建模型中，得到公路养护数字孪生场景构建模型输出的公路养护数字孪生应用系统。对于多个公路养护对象，在获取这些公路养护对象分别对应的目标养护单元的三维模型、实际采集的感知数据和控制数据的情况下，可以使用公路养护数字孪生场景构建模型构建出适用于这些目标公路养护对象的公路养护数字孪生应用系统，提高了数字孪生应用系统的可扩展性和复用性，而且数字孪生应用系统的建立周期短以及成本低。
-
公开(公告)号：CN116227010A
公开(公告)日：2023-06-06
申请号：CN202310520165.0
申请日：2023-05-10
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC分类号： G06F30/13 , G06F30/20 , G06T17/00 , G06F111/10
摘要： 本发明提供一种公路养护数字孪生应用系统构建方法及系统，涉及公路养护技术领域，方法包括：将获取的至少一个目标公路养护对象分别对应的目标养护单元的三维模型、感知数据和控制数据，输入至公路养护数字孪生场景构建模型中，得到公路养护数字孪生场景构建模型输出的公路养护数字孪生应用系统。对于多个公路养护对象，在获取这些公路养护对象分别对应的目标养护单元的三维模型、实际采集的感知数据和控制数据的情况下，可以使用公路养护数字孪生场景构建模型构建出适用于这些目标公路养护对象的公路养护数字孪生应用系统，提高了数字孪生应用系统的可扩展性和复用性，而且数字孪生应用系统的建立周期短以及成本低。
-
公开(公告)号：CN118887523A
公开(公告)日：2024-11-01
申请号：CN202410755788.0
申请日：2024-06-12
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC分类号： G06V20/10 , G06V20/17 , G06V10/764 , E01D22/00
摘要： 本发明公开了一种基于无人机的桥梁智能检修方法、装置和电子设备，其中，方法包括：在按照预定路线飞行的过程中拍摄目标桥梁的多个照片；基于多个照片进行病害识别，得到多个病害图像；基于每一病害图像进行可修复性判断，得到每一病害图像对应的可修复性判断结果；在确定可修的情况下，基于每一病害图像确定每一待修复点，得到目标桥梁所有的待修复点，确定各待修复点的修复方案，生成最佳修复路线，对各待修复点进行修复，对修复效果进行检查，或者，基于每一病害图像确定当前待修复点，确定当前待修复点的修复方案，对当前待修复点进行修复，对修复效果进行检查。本发明智能化程度较高，提高了检修效率和检修的安全性，适用于复杂应用场景。
-
公开(公告)号：CN117610792A
公开(公告)日：2024-02-27
申请号：CN202410078464.8
申请日：2024-01-19
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
摘要： 本发明提供一种路面病害修复方法、装置、系统、电子设备及存储介质，涉及路面修复技术领域，该方法包括：基于目标路面病害的类型，确定用于修复目标路面病害的目标修复料的类型，基于目标路面病害的等级和几何信息、目标修复料的类型以及目标路面病害所在环境的环境数据，获取目标修复料的目标用量；基于目标修复料的目标用量，控制修复料喷涂设备喷涂目标用量的目标修复料至目标路面病害处。本发明提供的路面病害修复方法、装置、系统、电子设备及存储介质，能更客观、更准确地确定用于修复路面病害的修复料的用量，能避免修复料的用量过多或过少，造成的修复成本浪费或修复效果不佳的问题，确定修复料用量的过程简单、高效且实时性强。
-
公开(公告)号：CN118552723A
公开(公告)日：2024-08-27
申请号：CN202410569289.2
申请日：2024-05-09
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC分类号： G06V10/26 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/0455
摘要： 本申请涉及一种水泥路面裂缝分割方法，该方法基于DeepLabV3+网络模型，DeepLabV3+网络模型的编码器采用mobilenetv2结构，以改善特征提取网络中离散计算过多问题，优化对参数量和速度的控制，减少DeepLabV3+网络的冗余；编码器部分结合累积分布通道注意力模块CDCA，解决了DeepLabV3+在语义分割时未充分利用主干的低级特征，以及大倍数上采样造成有效特征缺失的问题；此外，引入边缘监督，在模型训练过程中，通过边缘损失函数来获得边缘预测和边缘标签的误差以更好地学习边缘特征，进一步提升模型的语义分割性能。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.098 秒)
