一种基于优化深度学习的管道中视频损害智能分割系统

    公开(公告)号:CN115100579A

    公开(公告)日:2022-09-23

    申请号:CN202210946760.6

    申请日:2022-08-09

    申请人: 郑州大学

    摘要: 本发明公开了一种基于优化深度学习的管道中视频损害智能分割系统,涉及管道病害检测技术领域。系统包括处理器,处理器执行存储器存储的计算机程序,以实现如下步骤:获取管道损害图像和视频,构建预训练数据集和精确训练数据集;构建用于管道视频损害分割的深度学习模型,所述深度学习模型包括孪生网络模块和Seg‑CapsNet模块;通过所述预训练数据集和所述精确训练数据集对所述深度学习模型进行训练;对经训练的深度学习模型进行测试,若测试结果满足预设条件,则通过训练后的深度学习模型对目标管道视频进行分割,得到目标管道视频中含有损害帧的分割结果;本发明提升了管道视频中的损害的分割精度。

    一种基于Seg-CapsNet算法的路面裂缝像素级别检测方法

    公开(公告)号:CN113643300A

    公开(公告)日:2021-11-12

    申请号:CN202110791906.X

    申请日:2021-07-13

    申请人: 郑州大学

    摘要: 本发明公开了一种基于Seg‑CapsNet算法的路面裂缝像素级别检测方法,包括如下步骤:S10、采集获取路面病害图像,进行数据预处理,构建用于模型训练、测试的数据集;S20、构建Seg‑CapsNet路面病害分割模型,初始化模型超参数,进行模型训练;S30、进行模型测试,保存模型,输出分割结果;S40、构建路面病害测量算法,进行路面病害尺寸信息测量。本发明所述模型可以有效实现路面病害的智能分割,通过引入动态路由(Dynami c Rout i ng)算法,得到了胶囊的向量输出,从而提高模型参数更新的准确性,并且本发明通过测量算法,实现对路面病害的准确测量。

    一种基于优化深度学习的管道中视频损害智能分割系统

    公开(公告)号:CN115100579B

    公开(公告)日:2024-03-01

    申请号:CN202210946760.6

    申请日:2022-08-09

    申请人: 郑州大学

    摘要: 本发明公开了一种基于优化深度学习的管道中视频损害智能分割系统,涉及管道病害检测技术领域。系统包括处理器,处理器执行存储器存储的计算机程序,以实现如下步骤:获取管道损害图像和视频,构建预训练数据集和精确训练数据集;构建用于管道视频损害分割的深度学习模型,所述深度学习模型包括孪生网络模块和Seg‑CapsNet模块;通过所述预训练数据集和所述精确训练数据集对所述深度学习模型进行训练;对经训练的深度学习模型进行测试,若测试结果满足预设条件,则通过训练后的深度学习模型对目标管道视频进行分割,得到目标管道视频中含有损害帧的分割结果;本发明提升了管道视频中的损害的分割精度。

    一种排水管道全地形行进结构的优化设计方法

    公开(公告)号:CN115204019A

    公开(公告)日:2022-10-18

    申请号:CN202210945559.6

    申请日:2022-08-08

    申请人: 郑州大学

    摘要: 本发明公开了一种排水管道全地形行进结构的优化设计方法,涉及行进结构设计技术领域,该方法包括:获取不同工况下的第一螺旋推进车轮设计图;建立第一螺旋推进车轮设计图数据库;构建基于注意力机制的生成对抗网络模型,并对生成对抗网络模型进行训练;将随机噪点输入训练后的生成对抗网络模型,生成第二螺旋推进车轮设计图,将第二螺旋推进设计图和第一螺旋推进车轮设计图数据库整合成目标螺旋推进车轮设计图数据库;模拟目标螺旋推进车轮设计图数据库中各目标螺旋推进车轮设计图对应的三维螺旋推进车轮的推进特性;根据所述推进特性判断各目标螺旋推进车轮设计图是否满足受力条件;本发明解决了螺旋推进车轮结构设计不合理的问题。

    基于生成对抗网络的路面病害数据增强方法

    公开(公告)号:CN114022368A

    公开(公告)日:2022-02-08

    申请号:CN202111171277.7

    申请日:2021-10-08

    申请人: 郑州大学

    摘要: 本发明涉及路面病害数据智能增强技术领域,提供了一种基于生成对抗网络的路面病害数据增强方法。该方法包括如下步骤:获取路面病害图像;构建路面病害数据库;生成对抗网络模型训练;生成对抗网络模型调参;生成对抗网络数据增强。通过上述方式,构建了一种基于生成对抗网络的路面病害数据增强方法,具有适用范围广、智能和鲁棒性好的优点;通过构建基于StyleGAN的深度学习模型,提高了道路病害检测的效率及精度,有效解决了深度学习过程中数据量不足、数据标注困难的问题。

    一种基于实例分割算法的路面裂缝像素级别检测方法

    公开(公告)号:CN112258529A

    公开(公告)日:2021-01-22

    申请号:CN202011205186.6

    申请日:2020-11-02

    IPC分类号: G06T7/11 G06T7/194 G06T7/00

    摘要: 本发明适用于路面病害智能分割技术领域,涉及一种基于实例分割算法的路面裂缝像素级别检测方法,包括以下步骤:采集路面病害图像数据;对采集的路面病害图像数据进行预处理,构建用于训练神经网络的路面病害数据库;对实例分割算法Mask R‑CNN进行改进优化,从而构建像素级别的路面裂缝智能分割模型,并初始化智能分割模型进行训练;调整智能分割模型的超参数,直至智能分割模型收敛且误差损失值满足要求,则保存此时的网络权重参数,用于路面裂缝像素级别的分割;将测试图像输入到保存的智能分割模型中,输出路面裂缝分割结果。本发明所提出的智能分割模型具有更好的鲁棒性与泛化能力,有效提高路面裂缝的分割精度与效率。

    一种基于卷积神经网络的建筑木材裂缝识别方法

    公开(公告)号:CN112258495A

    公开(公告)日:2021-01-22

    申请号:CN202011203806.2

    申请日:2020-11-02

    申请人: 郑州大学

    IPC分类号: G06T7/00

    摘要: 本发明适用深度学习与土木工程的交叉学科领域,涉及一种基于卷积神经网络的建筑木材裂缝识别方法,包括:采集建筑木材裂缝图像并挑选含有裂缝的图片;分类标注建筑木材裂缝数据集,建立大数据集与小数据集,并按比例分为训练集、验证集和测试集;搭载卷积神经网络模型,进行模型初始化,分别基于大数据集和小数据集进行模型训练;设置不同的超参数,引入验证集图片测试,寻找最优超参数值;根据得到的最优模型,对模型进行测试,输出各项检测数值指标,判断是否达到预期值;对现有的图像处理方法进行比较分析。本发明所提出的基于卷积神经网络的建筑木材裂缝识别方法具有更好的鲁棒性与泛化能力,有效提高了建筑木材裂缝识别的精度与效率。

    一种基于CBAM优化的沥青路面坑洞三维重建方法及系统

    公开(公告)号:CN117830548A

    公开(公告)日:2024-04-05

    申请号:CN202311818145.8

    申请日:2023-12-27

    申请人: 郑州大学

    摘要: 本发明公开了一种基于CBAM优化的沥青路面坑洞三维重建方法及系统,包括如下步骤:S1、采集路面坑洞图像,构建数据集;S2、构建CBAM‑Seg‑CapsNet分割模型,训练后利用模型实现路面坑洞区域的分割,得到坑洞区域的二值图;S3、将路面坑洞彩色图像与对应的坑洞区域二值图叠加,提取坑洞区域的拓扑结构,并构建用于重建网络CBAM‑Recon‑Depth的数据集;S4、构建无监督单目深度估计智能网络CBAM‑Recon‑Depth,训练后利用该网络获得深度图,完成对分割后坑洞区域的三维重建。本发明适用于路面坑洞区域的精确三维重建,有效避免了重建过程中沥青集料颗粒间隙形成“虚假坑洞”对真实坑洞三维重建影响,为路面坑洞三维重建提供了一种廉价、有效的方法。

    一种基于GBRT的地下排水管道最大应力预测方法

    公开(公告)号:CN115270637A

    公开(公告)日:2022-11-01

    申请号:CN202210961406.0

    申请日:2022-08-11

    申请人: 郑州大学

    摘要: 本发明属于地下排水管道检测领域,具体涉及一种基于GBRT的地下排水管道最大应力预测方法,获取地下排水管道的管道数据集以及地下排水管道最大应力序列;确定管道数据集对地下排水管道最大应力的贡献率,选取贡献率较大的前Q个相关变量数据作为控制变量,将控制变量以及对应的地下排水管道最大应力构成数据集;对构建的GBRT模型进行训练和验证,得到最优GBRT模型;利用训练集对最优GBRT模型进行继续训练,得到训练好的最优GBRT模型;将待预测的地下排水管道的控制变量输入训练好的最优GBRT模型,输出预测的地下排水管道最大应力。本发明的方案能够准确预测地下排水管道最大应力的情况,降低预测的计算量。

    一种基于改进后向投影的三维探地雷达量化成像方法

    公开(公告)号:CN115201816A

    公开(公告)日:2022-10-18

    申请号:CN202210848575.3

    申请日:2022-07-19

    申请人: 郑州大学

    IPC分类号: G01S13/88 G01S13/89

    摘要: 本发明公开了一种基于改进后向投影的三维探地雷达量化成像方法,涉及探地雷达成像技术领域。该方法包括以下步骤:获取测线区域内的三维探地雷达的回波信号数据;对所述回波信号数据进行预处理,得到三维数据矩阵,所述预处理包括去直达波和增益控制;分割所述三维数据矩阵为二维剖面数据,通过改进后向投影成像对所述二维剖面数据进行可视化成像;提取异常区域的单道波A‑scan数据,对应所述单道波A‑scan数据的幅值突变处,量化地下埋藏目标体的几何尺寸、水平位置及埋地深度。本发明有效地改善了工程实际中直接判读目标回波数据的误判问题,实现了地下目标的可视化,使辨别地下目标变得较为简单,为后续相关工作人员的决策提供技术支持。