-
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：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：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：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：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：CN117216919B
公开(公告)日：2024-06-18
申请号：CN202311232569.6
申请日：2023-09-21
申请人： 郑州大学
IPC分类号： G06F30/18 , G06F30/23 , G06F30/27 , G06F30/28 , G06N3/042 , G06N3/09 , G06F111/04 , G06F113/08 , G06F113/14 , G06F119/14
摘要： 本发明公开了一种基于知识‑数据双驱动的排水管道力学性能评估方法，包括以下步骤：构建排水管道弹性力学基本方程以及边界条件，利用排水管道足尺实验和有限元分析软件分别获取排水管道实测数据和模拟数据，采用合成少数过采样技术对其进行扩增，并将基于扩增的数据输入基于知识‑数据双驱动的神经网络并利用排水管道弹性力学基本方程以及边界条件对其进行参数优化训练，通过获取排水管道的真实数据并将其输入训练好的基于知识‑数据双驱动的神经网络进行模拟，得到排水管道各处的位移值、应力值以及应变值，并依据混凝土弹性屈服强度对排水管道力学性能进行评估；该方法能有效对排水管道的力学性能进行评估，提高了评估排水管道力学性能的能力。
-
公开(公告)号：CN118482342A
公开(公告)日：2024-08-13
申请号：CN202410442850.0
申请日：2024-04-12
申请人： 郑州大学
IPC分类号： F17D5/00 , F17D5/02 , F17D5/06 , F16L55/32 , F16L55/40 , G01N21/954 , G01N21/952 , G06T7/00 , G06T7/11 , G06T5/70 , G06N3/006 , G06N3/0464 , G06N3/08 , F16L101/30
摘要： 本发明公开了一种地下排水管网全空间智能检测方法及系统、存储介质，方法包括如下步骤：图像采集、图像智能去噪、管内病害分割、管周隐蔽病害检测、三维重建及体积量化、管道寿命预测。本发明构建基于仿生学的四驱全地形检测机器人，攻克了现有检测设备不能在淤泥、流水顺利行进的难题；本发明采用深度学习算法，融合多种计算机视觉、三维重建技术及三维点云处理技术，对机器人采集的管道病害信息进行分析，得到病害的类型，区域位置，对各类型病害进行精确定位，量化分析病害尺寸；基于数据分析结果，开发了基于深度学习的管道寿命预测模型，为管道养护人员及时反映管道缺陷及寿命信息，最终对该段管道评估，得出管道内表面病害检测报告。
-
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。
-
公开(公告)号：CN114723957A
公开(公告)日：2022-07-08
申请号：CN202210287241.3
申请日：2022-03-22
申请人： 广东粤海水务投资有限公司 , 哈尔滨工业大学水资源国家工程研究中心有限公司 , 郑州大学
IPC分类号： G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/246 , G06T7/73
摘要： 本发明公开了一种基于自注意力机制的多类管道缺陷检测、追踪与计数方法，包括如下步骤：S1、获取多类管道缺陷图像；S2、建立管道缺陷图像数据集；S3、构建管道缺陷检测模型并训练；S4、构建管道缺陷追踪与计数模型；S5、测试并输出结果。本发明采用基于自注意力机制的深度学习方法，研发适用于管道缺陷特征的目标检测、追踪与计数算法，基于管道缺陷大数据进行模型训练，提高模型的鲁棒性和泛化能力。本发明采用Transformer基础网络代替了传统卷积神经网络，提高模型检测的准确度，实现了管道缺陷的自动识别与计数功能。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.039 秒)
