一种基于多光谱成像技术的非接触式车辆称重方法

    公开(公告)号:CN115497058B

    公开(公告)日:2023-09-01

    申请号:CN202211076683.X

    申请日:2022-09-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于多光谱成像技术的非接触式车辆称重方法,包括:基于OpenCV图像处理算法对像素温度矩阵数据进行处理,通过图像迭代的几何拟合和区域生长算法检测得到目标样本轮胎的力学变形参数;检测得到目标样本轮胎侧壁的压印字符,获取目标样本轮胎的轮胎尺寸和气压信息;将待检测轮胎的力学变形参数及字符信息输入至机器学习模型中,计算出待检测轮胎的荷载。本发明可以实现全天候多环境多应用场景下的车辆快速称重,用于解决现有基于计算视觉车辆称重方法的泛化能力弱,适用环境受限等问题,以及传统称重系统服役年限短,成本高昂的技术问题。

    基于计算机视觉的侧立式收费站车辆动态称重方法

    公开(公告)号:CN116878629A

    公开(公告)日:2023-10-13

    申请号:CN202310900627.1

    申请日:2023-07-21

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于计算机视觉的侧立式收费站车辆动态称重方法,步骤1、安装动态称重装置;步骤2、车辆识别;步骤3、计算第一轮轴的轴重,包括:步骤3‑1、识别轮胎数量;步骤3‑2、获取轮胎侧面图像,轮胎侧面图像包括胎侧面工业图像、轮胎侧面红外图像和轮胎侧面融合图像;轮胎侧面融合图像为轮胎侧面工业图像和轮胎侧面红外图像的融合;步骤3‑3、计算第一轮轴分类轴重;步骤3‑4、计算第一轮轴总轴重;步骤4、计算第i轮轴的轴重;步骤5、计算待称重车辆的总重。本发明能在不对收费站路面造成开挖损伤的前提下,实现对待称重车辆进行准确动态称重,称重不受时间和天气影响,且维护成本低,效率高、精度高、易于信息集成和稳定性强。

    基于神经网络的混凝土梁中钢筋损伤快速定位方法

    公开(公告)号:CN115952704A

    公开(公告)日:2023-04-11

    申请号:CN202211060203.0

    申请日:2022-08-30

    Applicant: 东南大学

    Abstract: 本发明公开了基于神经网络的混凝土梁中钢筋损伤快速定位方法,包括步骤1、构建钢筋混凝土损伤模型;步骤2、构建位移云图与三维损伤信息的样本集;步骤3、样本集分类;步骤4、构建神经网络模型:输入位移云图,输出三维损伤信息;步骤5、训练神经网络模型;步骤6、测试与验证神经网络模型;步骤7、钢筋损伤定位。本发明能对Abaqus生成的位移云图进行学习,从而实现钢筋混凝土内部钢筋损伤的位置定位,能实现钢筋混凝土内部钢筋损伤的定位以及钢筋损伤的尺寸检测,能广泛地应用于装配式结构构件的病害与损伤分析中,开创性地利用结构表面的二维位移信息实现结构内部问题的三维定位,大大提高结构检测的效率、降低检测成本。

    基于集成式深度学习的轮胎压印字符识别通用方法

    公开(公告)号:CN115457561B

    公开(公告)日:2023-09-22

    申请号:CN202211046142.2

    申请日:2022-08-30

    Applicant: 东南大学

    Abstract: 本发明公开了基于集成式深度学习的轮胎压印字符识别通用算法,包括步骤为:利用高帧率相机捕捉来往车辆图像;利用YOLO‑V5网络识别图像中的轮胎并定位,通过相机自动对焦与放大重新拍摄被定位轮胎的完整清晰图像;PSENet网络能实现多形态、弯曲以及倒置字符的识别定位;字符正位旋转;采用CRNN网络和BLSTM网络相结合的方法,对矩形字符中的每个标识符均进行识别。本系统能对车辆移动字符方向旋转和夜间行驶光线昏暗的条件下的短时间内定位出轮胎侧壁压印字符的位置,并进行文本识别,可用于收费站与单车道两侧对轮胎型号的快速拍照识别,从而进行进一步处理,如变形检测、超重检测等;其成本小、精度高、速度快、自动化程度高。

    基于协同网络的轮胎压印字符动态识别方法

    公开(公告)号:CN116403217A

    公开(公告)日:2023-07-07

    申请号:CN202310379418.7

    申请日:2023-04-11

    Applicant: 东南大学

    Abstract: 本发明提出了一种基于协同网络的轮胎压印字符动态识别方法,首先使用YOLO‑V5s网络识别捕捉到的图像中的轮胎,并按照检测框的轮廓裁剪图片;对裁剪得到的轮胎图像进行四分区,在分区内使用ENet定位字符区域,滤去面积过小的噪声区域;基于区域生长算法,提取完整的字符区域;对不规则的掩膜区域做外接矩形,并将四个分割图像进行拼接;计算拼接后的字符区域面积并排序,过滤非目标的字符区域;再次作外接矩形后通过图像旋转和投影展开使字符处于正位并将字符拉直;使用YOLO‑V5s网络对图像块内字符进行识别。本发明稳定性高,成本低,适用场景广泛,可动态实现对指定字符部分的识别,过滤多余信息。

    一种基于多光谱成像技术的非接触式车辆称重方法

    公开(公告)号:CN115497058A

    公开(公告)日:2022-12-20

    申请号:CN202211076683.X

    申请日:2022-09-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于多光谱成像技术的非接触式车辆称重方法,包括:基于OpenCV图像处理算法对像素温度矩阵数据进行处理,通过图像迭代的几何拟合和区域生长算法检测得到目标样本轮胎的力学变形参数;检测得到目标样本轮胎侧壁的压印字符,获取目标样本轮胎的轮胎尺寸和气压信息;将待检测轮胎的力学变形参数及字符信息输入至机器学习模型中,计算出待检测轮胎的荷载。本发明可以实现全天候多环境多应用场景下的车辆快速称重,用于解决现有基于计算视觉车辆称重方法的泛化能力弱,适用环境受限等问题,以及传统称重系统服役年限短,成本高昂的技术问题。

    一种基于多视场热成像技术的收费站车辆动态称重系统

    公开(公告)号:CN115493679A

    公开(公告)日:2022-12-20

    申请号:CN202211076508.0

    申请日:2022-09-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于多视场热成像技术的收费站车辆动态称重系统,包括激活模块、第一载荷预测模块、第二载荷预测模块和修正模块;第一载荷预测模块根据轮胎的力学变形参数和激活模块发送的轮胎的尺寸、胎压信息,计算得到每个轮胎的第一载荷;第二载荷预测模块包括位于车道上方的红外热成像装置和感温材料称重装置,结合胎压信息和单个轮胎与地面的接触面积计算得到每个轮胎的第二载荷;修正模块用于对第一载荷和第二载荷进行温度修正和硬度系数修正,根据修正后的第一载荷和第二载荷计算得到轮胎载荷的最终测量结果。本发明能够实现提高轮胎荷载以及车重的测量效率和准确性,增强系统全天候使用能力,降低其造价和后期维护成本。

    基于集成式深度学习的轮胎压印字符识别通用算法

    公开(公告)号:CN115457561A

    公开(公告)日:2022-12-09

    申请号:CN202211046142.2

    申请日:2022-08-30

    Applicant: 东南大学

    Abstract: 本发明公开了基于集成式深度学习的轮胎压印字符识别通用算法,包括步骤为:利用高帧率相机捕捉来往车辆图像;利用YOLO‑V5网络识别图像中的轮胎并定位,通过相机自动对焦与放大重新拍摄被定位轮胎的完整清晰图像;PSENet网络能实现多形态、弯曲以及倒置字符的识别定位;字符正位旋转;采用CRNN网络和BLSTM网络相结合的方法,对矩形字符中的每个标识符均进行识别。本系统能对车辆移动字符方向旋转和夜间行驶光线昏暗的条件下的短时间内定位出轮胎侧壁压印字符的位置,并进行文本识别,可用于收费站与单车道两侧对轮胎型号的快速拍照识别,从而进行进一步处理,如变形检测、超重检测等;其成本小、精度高、速度快、自动化程度高。

    一种基于微调视觉大模型的非接触式轮胎形变识别方法

    公开(公告)号:CN116883922A

    公开(公告)日:2023-10-13

    申请号:CN202310900624.8

    申请日:2023-07-21

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于微调视觉大模型的非接触式轮胎形变识别方法,包括对单目高速相机进行标定,使用轮胎图像数据集对视觉大模型的掩码解码器进行参数微调,基于OpenCV进行像素计算生成点坐标提示序列,将提示序列输入微调后的大模型进行分割,通过OpenCV进一步对像素矩阵进行处理生成点提示序列,通过图像迭代的几何拟合和区域生长算法检测进行后处理得到目标样本轮胎的力学形变参数。本发明可以实现对轮胎形变的准确快速识别,达到像素级精准分割,能够解决现有基于计算机视觉车辆轮胎识别方法误差大,测量环境有限,相机导致的图像非线性畸变,以及泛化能力弱,训练成本高等问题。

Patent Agency Ranking