-
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
申请人： 郑州大学 , 坝道工程医院(平舆)
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。
-
公开(公告)号：CN112215203A
公开(公告)日：2021-01-12
申请号：CN202011203794.3
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
摘要： 本发明涉及一种基于深度学习的路面病害检测方法和装置。一种基于深度学习的路面病害检测方法，包括：获取路面图像或路面视频；根据所述路面图像或路面视频获取路面待检图像；使用基于深度学习网络的路面病害检测模型识别所述路面待检图像中的路面病害，同时获取对应的定位数据，形成路面病害综合信息。本发明提供的路面病害检测方法能够使用基于深度学习算法的路面病害检测模型将获取得到的路面图像或路面视频进行处理，无论是采取何种电子数据方式，均能快速实现对道路病害的快速检测。
-
公开(公告)号：CN112326686B
公开(公告)日：2024-02-02
申请号：CN202011203793.9
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
IPC分类号： G01N21/95 , G01N21/88 , G06N3/04 , G06N3/08 , B64U20/80 , B64U20/87 , B64U101/26 , B64U101/30
摘要： 本发明涉及道路病害检测，尤其涉及无人机智能巡航路面病害检测方法、无人机和检测系统。一种基于深度学习的无人机智能巡航路面病害检测方法，无人机内置基于深度学习网络的路面病害检测模型和道路识别模型，检测方法具体为：所述无人机在以道路识别模型确定的实际路面上按照预定路线自动飞行，通过路面病害检测模型实时获取路面病害检测结果。本发明采用基于深度学习网络的道路识别模型和路面病害检测模型，能够实现自动巡航以及自动路面病害检测，只需要将预定路线或者预定区域范围设定，即可实现自动巡航检测，方便快捷。
-
公开(公告)号：CN112200143A
公开(公告)日：2021-01-08
申请号：CN202011205113.7
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
摘要： 本发明适用于深度学习与道路工程技术领域，涉及一种基于候选区域网络和机器视觉的道路病害检测方法，包括：获取路面病害数据集；分类标注病害并分为训练集、验证集和测试集；搭载卷积神经网络模型，将训练集导入模型，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；引入测试集图片到最优模型，对模型进行测试；使用检测车进行拍摄并判断检测效率及准确率能否达到所需要求。本发明采用深度学习的方法，研发适用于道路病害特征的目标检测算法，基于道路病害大数据进行模型训练，提高了模型的鲁棒性和泛化能力；同时通过优化基础残差卷积神经网络和候选区域建议网络，提高了模型检测的准确度，实现了路面病害的自动识别。
-
公开(公告)号：CN112598672A
公开(公告)日：2021-04-02
申请号：CN202011203796.2
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
IPC分类号： G06T7/10
摘要： 本发明涉及图像处理，尤其涉及一种基于深度学习的路面病害图像分割方法和系统。一种基于深度学习的路面病害图像分割方法，包括：获取路面检测图像；将所述路面检测图像输入到通过由深度学习网络使用病害数据库进行训练得到的病害分割模型中；进行路面病害的识别与分割，得到路面病害分割图像。本发明提供的病害分割方法采用深度学习算法进行图像分割，实现路面病害区域的自动化获取，提高工作效率的同时图像分割更加准确。
-
公开(公告)号：CN112326686A
公开(公告)日：2021-02-05
申请号：CN202011203793.9
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
摘要： 本发明涉及道路病害检测，尤其涉及无人机智能巡航路面病害检测方法、无人机和检测系统。一种基于深度学习的无人机智能巡航路面病害检测方法，无人机内置基于深度学习网络的路面病害检测模型和道路识别模型，检测方法具体为：所述无人机在以道路识别模型确定的实际路面上按照预定路线自动飞行，通过路面病害检测模型实时获取路面病害检测结果。本发明采用基于深度学习网络的道路识别模型和路面病害检测模型，能够实现自动巡航以及自动路面病害检测，只需要将预定路线或者预定区域范围设定，即可实现自动巡航检测，方便快捷。
-
公开(公告)号：CN117876841A
公开(公告)日：2024-04-12
申请号：CN202410023417.3
申请日：2024-01-08
申请人： 郑州大学
IPC分类号： G06V10/82 , G01S7/40 , G06V10/72 , G06V10/774 , G06V10/776 , G06V10/30 , G06V10/44 , G06V10/26 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种用于地下管道探地雷达杂波去除的深度学习数据模型及其构建方法，该深度学习数据模型面向探地雷达图像数据集，在图像分割数据导向上构建多尺度特征路径以提高分割的准确性，以对探地雷达图像数据集的不同区域进行准确的像素级数据处理。其构建方法为依次进行探地雷达图像数据集构建、数据集预处理算法构建、多模块兼容神经网络算法构建，由此获得用于地下管道探地雷达杂波去除的基础数据模型，并可选的进行后续优化，后续模型优化步骤可选的包括：模型测试，和/或模型验证，和/或模型迭代，和/或模型部署。本发明能够针对性去除地下绕射杂波对目标体的干扰，具有良好的数据优化性能和广阔的实用性前景。
-
公开(公告)号：CN117214856A
公开(公告)日：2023-12-12
申请号：CN202311257351.6
申请日：2023-09-26
申请人： 郑州大学
摘要： 本发明公开了一种地下管道周围360°探地雷达数据交叉融合重构方法，包括以下步骤：S1、采集待测地下管道内的探地雷达回波信号数据；S2、将步骤S1中采集的探地雷达回波信号数据进行预处理，得到预处理后增强有效信号的探地雷达回波信号数据；S3、将步骤S2中得到的预处理后增强有效信号的探地雷达回波信号数据进行归一化、序列化，得到待插值的缺失探地雷达回波信号数据；S4、将步骤S3中得到的待插值的缺失探地雷达回波信号数据输入训练好的基于循环神经网络的探地雷达数据插值模型中，得到完备的探地雷达数据；该方法利用插值重构技术，以循环神经网络为基础，通过改进单层的门控循环单元结构，从而完成对探地雷达采集数据的精细可视化。
-
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。
-
公开(公告)号：CN111439638A
公开(公告)日：2020-07-24
申请号：CN202010111642.4
申请日：2020-02-24
申请人： 郑州大学 , 郑州维霖工程科技有限公司
摘要： 本发明公开了一种驱动装置及自动收放线缆设备，一种驱动装置，包括电磁制动器、离合器、扭矩限制器和能够正反转的驱动组件，所述扭矩限制器和驱动组件传动相连，所述离合器和扭矩限制器传动相连，所述电磁制动器上传动设有输出轴，所述输出轴和离合器传动相连。过载时，能够保护驱动组件；电磁制动器具有断电制动的作用，保证收线装置不会随意转动；通过离合器可以实现多种控制模式。本发明应用于线缆设备领域。
-
-
-
-
-
-
-
-
-
搜索结果
23 条记录 (耗时 0.033 秒)
