公开(公告)号：CN118115527A

公开(公告)日：2024-05-31

申请号：CN202410435351.9

申请日：2024-04-11

申请人： 苏交科集团广东检测认证有限公司 ,  珠海大横琴股份有限公司 ,  广东惠和工程检测有限公司 ,  广州大学

发明人： 方波 ,  刘小林 ,  郝钟钰 ,  杨力 ,  莫华慧 ,  黄志威 ,  叶鹏 ,  叶锡钧

IPC分类号： G06T7/20 ,  G06T5/70 ,  G06T7/70

摘要： 本发明提出了基于图像增强和计算机视觉的位移监测精度提升方法，该方法首先对待去噪图像信息进行去噪处理，获得已去噪图像信息；随后对已去噪图像信息进行分组，并通过对每组中的图像信息进行光流分析、插值算法等生成每组图像信息的运动轨迹；通过生成由第一张图像信息L1和最后一张图像信息Lm确定的目标现实世界三维空间图，将第一运动轨迹匹配到生成的现实世界三维空间图，获取由第一运动轨迹确定的目标在现实世界的第一位移信息；随后，依次通过第二运动轨迹、第三运动轨迹、…、以及第A运动轨迹依次对生成的位移信息进行优化，获取目标在现实世界运动的最终精确的位移信息；该方法能够获得目标在现实世界运动的更加精确的位移变化信息。

公开(公告)号：CN118310460A

公开(公告)日：2024-07-09

申请号：CN202410441984.0

申请日：2024-04-12

申请人： 苏交科集团广东检测认证有限公司 ,  广东惠和工程检测有限公司 ,  珠海大横琴股份有限公司 ,  广州大学

发明人： 杨力 ,  郝钟钰 ,  方波 ,  刘小林 ,  莫华慧 ,  黄志威 ,  叶鹏 ,  叶锡钧

IPC分类号： G01B21/02 ,  G01B21/04 ,  G01H17/00 ,  G06N3/0499 ,  G06N3/088 ,  G06N3/048

摘要： 本发明公开了振动干扰环境下基于深度学习的监测位移修正方法，该方法通过以监测设备正常状态为原点，建立平面直角坐标系，并划分监测设备振动的各个方向；提取监测设备的原始振动数据，将原始振动数据作为深度神经网络DNN的输入进行训练，得到深度神经网络DNN的最终模型；通过深度神经网络DNN的最终模型对监测设备的振动进行预测，通过预测的结果，监测设备进行自我调整，以便获取更加清晰的监测数据；该方法对监测设备振动的方向进行重新划分，避免了由于方向的连续性，造成数据不可处理的现象；同时，通过深度神经网络DNN的最终模型预测监测设备的振幅和达到该振幅所处的方向，实现相机能够及时进行自我调整，以便后续监测数据的分析。