-
公开(公告)号：CN118365543A
公开(公告)日：2024-07-19
申请号：CN202410477090.7
申请日：2024-04-19
Applicant: 重庆大学 , 中国电建集团昆明勘测设计研究院有限公司
Abstract: 本发明公开一种基于改进EnlightenGAN的裂缝图像阴影去除方法，包括以下步骤：1)构建裂缝图像数据集与裂缝图像分割数据集；2)基于裂缝图像数据集，构建基于改进EnlightenGAN的裂缝图像去阴影模型；3)获取待处理裂缝图像，并输入至裂缝图像去阴影模型中，得到去阴影裂缝图像。本发明对EnlightenGAN模型进行改进，提出了阴影裂缝图像质量提升框架。利用图像超分辨率重建生成式对抗网络(ESRGAN)提高图像分辨率，增强裂缝边缘轮廓。在EnlightenGAN的生成器中引入了多尺度特征融合模块(ASPP)和残差密集模块(RRDB)，以增强裂缝区域和轮廓。
-
公开(公告)号：CN119293523B
公开(公告)日：2025-03-04
申请号：CN202411819931.4
申请日：2024-12-11
Applicant: 中铁西南科学研究院有限公司 , 重庆大学
IPC: G06F18/22 , E01D1/00 , G01D21/02 , G06F18/28 , G06F18/213 , G06F18/23 , G06F18/241 , G06V10/74 , G06V10/70 , G06N5/04
Abstract: 本申请提供一种融合多源传感器数据的桥梁裂缝监测方法及系统，涉及数据处理领域，本申请能根据桥梁多模态传感监测数据集中的每一传感监测序列分别和标准裂缝数据中的每一传感监测序列之间的共性度量构建用于在桥梁多模态传感监测数据集中对标准裂缝数据进行位置确定的共性度量值矩阵，基于构建的共性度量值矩阵可以直接展示桥梁多模态传感监测数据集和标准裂缝数据之间包括的相似的传感监测序列，同时如果共性度量值矩阵包括由显著特征标记的矩阵单元构建得到的锁定排列模式，可以确定桥梁多模态传感监测数据集包括标准裂缝数据，以及基于共性度量值矩阵包括的锁定排列模式，在桥梁多模态传感监测数据集对标准裂缝数据的分布情况进行准确确定。
-
公开(公告)号：CN119293523A
公开(公告)日：2025-01-10
申请号：CN202411819931.4
申请日：2024-12-11
Applicant: 中铁西南科学研究院有限公司 , 重庆大学
IPC: G06F18/22 , E01D1/00 , G01D21/02 , G06F18/28 , G06F18/213 , G06F18/23 , G06F18/241 , G06V10/74 , G06V10/70 , G06N5/04
Abstract: 本申请提供一种融合多源传感器数据的桥梁裂缝监测方法及系统，涉及数据处理领域，本申请能根据桥梁多模态传感监测数据集中的每一传感监测序列分别和标准裂缝数据中的每一传感监测序列之间的共性度量构建用于在桥梁多模态传感监测数据集中对标准裂缝数据进行位置确定的共性度量值矩阵，基于构建的共性度量值矩阵可以直接展示桥梁多模态传感监测数据集和标准裂缝数据之间包括的相似的传感监测序列，同时如果共性度量值矩阵包括由显著特征标记的矩阵单元构建得到的锁定排列模式，可以确定桥梁多模态传感监测数据集包括标准裂缝数据，以及基于共性度量值矩阵包括的锁定排列模式，在桥梁多模态传感监测数据集对标准裂缝数据的分布情况进行准确确定。
-
公开(公告)号：CN118657687A
公开(公告)日：2024-09-17
申请号：CN202410623414.3
申请日：2024-05-20
Applicant: 重庆大学
IPC: G06T5/73 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的裂缝图像去模糊方法、装置、电子设备和存储介质，属于图像处理技术领域。该去模糊方法包括以下步骤：步骤1、收集并构建裂缝模糊图像数据集；步骤2、构建DMNet神经网络；步骤3、DMNet神经网络训练获取神经网络权重；步骤4、输入裂缝模糊图像进行图像恢复与结果输出。本发明的技术效果是：实现了模糊裂缝图像能充分复原，细小裂缝清晰，严重模糊的裂缝图像能清楚复现。
-
公开(公告)号：CN117830692A
公开(公告)日：2024-04-05
申请号：CN202311655443.X
申请日：2023-12-05
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06V10/80 , G06N20/20 , G06N5/01 , G06N3/0464 , G06N3/08
Abstract: 一种基于随机森林的复杂背景桥梁裂缝图像分类方法，包括以下步骤：1)采集桥梁裂缝图并打上分类标签，构建图像训练集；2)选取多个神经网络，并利用图像训练集对这些神经网络分别进行训练，得到多个神经网络图像分类模型；3)将桥梁裂缝图分别输入这些神经网络图像分类模型中，提取特征向量；4)构建图像特征数据集；5)构建若干特征子数据集；6)构建决策树；7)利用特征子数据集训练决策树，得到最优决策树；8)将待识别桥梁裂缝图输入所有最优决策树中，整合得到最终图像分类预测结果。本发明实现了模糊图像、阴影遮蔽图像和正常图像的精确识别和分类，有效地提升了网络的泛化能力和识别精度。
-
Patent Agency Ranking
公开(公告)号：CN116151094A
公开(公告)日：2023-05-23
申请号：CN202211510236.0
申请日：2022-11-29
Applicant: 重庆大学
IPC: G06F30/27 , G06F30/13 , G06F18/20 , G06F18/25 , G06F111/08 , G06F119/02
Abstract: 本发明公开一种融合DS证据理论和贝叶斯网络模型的临时看台安全评估方法，包括以下步骤：1)构建用于临时看台安全评估的贝叶斯网络拓扑结构；2)建立基于贝叶斯网络各局部结构条件概率值的识别框架Θ，并计算基本概率赋值；3)利用DS证据理论对基本概率赋值进行信息融合和线性处理，得到贝叶斯网络拓扑结构中各个局部结构的条件概率信息。4)将得到的条件概率信息输入贝叶斯网络模型并进行推理分析，从而实现对该临时看台的安全性进行评估的目的。本发明将DS证据理论(Dempster‑Shafer)引入条件概率信息的计算之中，能显著降低专家评估结果的不确定性程度。
-
公开(公告)号：CN115114846A
公开(公告)日：2022-09-27
申请号：CN202210589673.X
申请日：2022-05-26
Applicant: 重庆大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开一种基于贝叶斯网络模型的临时看台结构安全评估方法，步骤包括：1)建立用于临时看台安全评估的贝叶斯网络拓扑结构；2)根据贝叶斯网络拓扑结构生成连接树；3)获得贝叶斯网络根节点的先验概率和非根节点的条件概率表；4)对连接树进行量化；5)根据量化后的连接树，对临时看台结构安全进行评估。本发明提出了一种基于贝叶斯网络的临时看台结构安全评估方法，利用贝叶斯网络的强大功能，可以实现对临时看台整体结构进行安全评估的目的。
-
公开(公告)号：CN112326787A
公开(公告)日：2021-02-05
申请号：CN202011124178.9
申请日：2020-10-20
Applicant: 中国电建集团重庆工程有限公司 , 重庆大学
Abstract: 本发明属于桥梁识别技术领域，具体涉及一种基于专属测试车多点快速静态采集的梁式桥识别方法，包括以下步骤：步骤一：采用直接或间接量测法得到桥梁固有频率ωn2；步骤二：移动检测车至桥梁节点位置处并采集检测车振动信号，识别出检测车停靠在桥梁上不同位置处的车‑桥系统固有频率ωcn2；步骤三：通过对步骤二中识别出的固有频率进行处理，构造桥梁模态振型φn(x)；步骤四：将步骤三中的模态振型导入OpenSeesNavigator工具箱中反演出桥梁截面刚度值。本发明不需要在桥梁上布置大量传感器，也不需要进行封桥处理，中断交通，大大降低了监测成本，提高了检测效率。
-
公开(公告)号：CN112326787B
公开(公告)日：2024-05-14
申请号：CN202011124178.9
申请日：2020-10-20
Applicant: 中国电建集团重庆工程有限公司 , 重庆大学
Abstract: 本发明属于桥梁识别技术领域，具体涉及一种基于专属测试车多点快速静态采集的梁式桥识别方法，包括以下步骤：步骤一：采用直接或间接量测法得到桥梁固有频率ωn2；步骤二：移动检测车至桥梁节点位置处并采集检测车振动信号，识别出检测车停靠在桥梁上不同位置处的车‑桥系统固有频率ωcn2；步骤三：通过对步骤二中识别出的固有频率进行处理，构造桥梁模态振型φn(x)；步骤四：将步骤三中的模态振型导入OpenSeesNavigator工具箱中反演出桥梁截面刚度值。本发明不需要在桥梁上布置大量传感器，也不需要进行封桥处理，中断交通，大大降低了监测成本，提高了检测效率。
-
公开(公告)号：CN118691917B
公开(公告)日：2024-11-05
申请号：CN202411173109.5
申请日：2024-08-26
Applicant: 中铁西南科学研究院有限公司 , 重庆大学
Abstract: 本申请提供一种基于机器视觉的桥梁结构损伤识别方法及系统，获取需要完成桥梁结构损伤识别的机器视觉图像中的图像分块，获取用以表示图像分块的不同类型特征的t个图像隐式表示和机器视觉图像对应的图像块连通性矩阵；根据图像分块对应的t个图像隐式表示和图像块连通性矩阵，得到图像分块对应的合并隐式表示。合并隐式表示用以对图像分块进行桥梁结构损伤识别，进而对机器视觉图像进行桥梁结构损伤识别，得到识别结果。本申请对机器视觉图像进行桥梁结构损伤识别，不是将机器视觉图像与已有损伤特征进行对比，当已有特征不能覆盖未知损伤情况时，也能采用上述实现过程对机器视觉图像进行桥梁结构损伤识别，增加了桥梁结构损伤识别的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.093 seconds)
