-
公开(公告)号：CN117110300A
公开(公告)日：2023-11-24
申请号：CN202311194919.4
申请日：2023-09-15
申请人： 郑州大学 , 长江勘测规划设计研究有限责任公司
IPC分类号： G01N21/88 , G05D1/10 , G01N21/01 , G06V20/17 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08 , B64U101/31
摘要： 本申请涉及基于深度学习和无人机智能巡航的混凝土大坝病害检测系统，包括步骤：S1、无人机的组装，包括机架、电机、电调等组装；S2、在便携式笔记本上安装missionplanner软件，调试飞控；S3、无人机的调试；S4、无人机起飞；S5、混凝土大坝病害图像的预处理；S6、训练无人机混凝土大坝图像和混凝土大坝病害图像，得到混凝土大坝病害检测模型；S7、将模型移植于Nvidia Jetson nano开发板，并将开发板安装在无人机上；S8、在实际混凝土大坝上进行定点巡航检测和智能跟飞检测。本申请将无人机与Nvidia Jetson nano开发板结合，实现了无人机定点巡航和智能跟飞的混凝土大坝病害实时检测，提高了混凝土大坝病害检测的准确率，检测速度和智能化程度。
-
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。
-
公开(公告)号：CN116363302B
公开(公告)日：2024-05-28
申请号：CN202310207987.3
申请日：2023-03-06
申请人： 郑州大学
摘要： 本发明的实施方式提供了一种基于多视角几何的管道三维重建和坑洞量化方法。该方法包括：获取待测管道内部的多视角二维图像；多视角二维图像之间存在相互重叠的部分区域，且能完整显示整个待测管道的内部情况；采用稀疏重建方法对待测管道内部的多视角二维图像进行处理，得到待测管道内部的稀疏三维点云；采用稠密重建方法对待测管道内部的稀疏三维点云进行处理，得到待测管道内部的稠密三维点云；对待测管道内部的稠密三维点云进行圆柱体拟合，分割出圆柱体外部的点云数据作为待测管道的坑洞点云数据；对待测管道的坑洞点云数据进行量化，得到待测管道的坑洞尺寸信息。本发明能对管道内的坑洞尺寸进行量化测量，具有测量准确，鲁棒性好的特点。
-
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
IPC分类号： G06V20/40 , G06V10/82 , G06V10/774 , G06V10/74 , G06N3/0464 , G06N3/084
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：CN117216919A
公开(公告)日：2023-12-12
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：CN116363302A
公开(公告)日：2023-06-30
申请号：CN202310207987.3
申请日：2023-03-06
申请人： 郑州大学
摘要： 本发明的实施方式提供了一种基于多视角几何的管道三维重建和坑洞量化方法。该方法包括：获取待测管道内部的多视角二维图像；多视角二维图像之间存在相互重叠的部分区域，且能完整显示整个待测管道的内部情况；采用稀疏重建方法对待测管道内部的多视角二维图像进行处理，得到待测管道内部的稀疏三维点云；采用稠密重建方法对待测管道内部的稀疏三维点云进行处理，得到待测管道内部的稠密三维点云；对待测管道内部的稠密三维点云进行圆柱体拟合，分割出圆柱体外部的点云数据作为待测管道的坑洞点云数据；对待测管道的坑洞点云数据进行量化，得到待测管道的坑洞尺寸信息。本发明能对管道内的坑洞尺寸进行量化测量，具有测量准确，鲁棒性好的特点。
-
公开(公告)号：CN113671161B
公开(公告)日：2023-04-18
申请号：CN202110790465.1
申请日：2021-07-13
申请人： 郑州大学
IPC分类号： G01N33/42 , G06N3/0442 , G06N3/045 , G06N3/08
摘要： 本发明公开了一种基于LSTM神经网络算法的无人机路面病害检测方法，包括如下步骤：S1、获取无人机姿态监测数据，构建无人机时间序列数据集，并按比例分为训练集，验证集和测试集；S2、构建LSTM神经网络模型；S3、初始化模型，将训练集数据输入到模型中，设置超参数，进行模型训练；S4、模型调参，得到最优模型；S5、将测试集数据输入到最优模型进行测试，输出各项数值评价指标，判断是否达到预期值；S6、现场检测，判断评价指标能否达到所需要求。LSTM神经网络模型算法可用于对无人机姿态时间序列信息的预测，从而得到无人机距离路面病害的距离，偏角等信息，对路面病害的精确测量提供帮助该方法检测效率快，准确度高，鲁棒性好。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.187 秒)
