-
公开(公告)号：CN119418195A
公开(公告)日：2025-02-11
申请号：CN202411421733.2
申请日：2024-10-12
Applicant: 长江勘测规划设计研究有限责任公司 , 河海大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/0895 , G06N3/094
Abstract: 本发明公开了一种基于弱监督小样本学习的堤坝水下混凝土剥落检测方法，涉及堤坝水下目标检测技术领域。该方法以深度卷积生成对抗网络作为生成模型，可有效处理图像中的细节并生成高质量的合成图像，以缓解水下混凝土剥落图像稀少的问题；将以ResNet50为主干网络的Faster R‑CNN模型作为学生模型和教师模型，综合运用弱监督学习的自训练策略，减小合成数据与真实数据分布之间的差异对模型的不良影响，从而构建出高精度的堤坝水下混凝土剥落检测模型。本发明方法能在仅标注部分水下混凝土剥落(新类)图像的情况下实现高精度的水下混凝土剥落(新类)检测，可将其进一步推广应用于各类涉水水工建筑物的结构缺陷检测中。
-
公开(公告)号：CN117291913A
公开(公告)日：2023-12-26
申请号：CN202311575720.6
申请日：2023-11-24
Applicant: 长江勘测规划设计研究有限责任公司 , 河海大学
IPC: G06T7/00 , G01N21/88 , G06V10/26 , G06V20/70 , G06V10/46 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开一种水工混凝土结构表观裂缝测量方法，包括获取水工混凝土结构表观裂缝图像；构建U‑Net语义分割模型并进行迭代训练，改进模型并调整模型参数，得到水工混凝土结构表观裂缝神经网络模型；利用图像预处理和图像标注方法对水工混凝土结构表观裂缝图像进行处理，构建水工混凝土结构表观裂缝图像数据集并划分为训练集和验证集；通过对分割后的图像进行处理，利用尺寸重构模型和水工混凝土结构表观裂缝特征分析对分割结果进行处理；结合相机成像原理和双目视觉标定法，将水工混凝土结构表观裂缝的像素级信息转化为真实物理尺寸量化结果，得到水工混凝土结构表观裂缝测量结果，实现了对水工混凝土结构表观裂缝的精准识别与测量。
-
公开(公告)号：CN117291913B
公开(公告)日：2024-04-16
申请号：CN202311575720.6
申请日：2023-11-24
Applicant: 长江勘测规划设计研究有限责任公司 , 河海大学
IPC: G06T7/00 , G01N21/88 , G06V10/26 , G06V20/70 , G06V10/46 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开一种水工混凝土结构表观裂缝测量方法，包括获取水工混凝土结构表观裂缝图像；构建U‑Net语义分割模型并进行迭代训练，改进模型并调整模型参数，得到水工混凝土结构表观裂缝神经网络模型；利用图像预处理和图像标注方法对水工混凝土结构表观裂缝图像进行处理，构建水工混凝土结构表观裂缝图像数据集并划分为训练集和验证集；通过对分割后的图像进行处理，利用尺寸重构模型和水工混凝土结构表观裂缝特征分析对分割结果进行处理；结合相机成像原理和双目视觉标定法，将水工混凝土结构表观裂缝的像素级信息转化为真实物理尺寸量化结果，得到水工混凝土结构表观裂缝测量结果，实现了对水工混凝土结构表观裂缝的精准识别与测量。
-
公开(公告)号：CN116380358A
公开(公告)日：2023-07-04
申请号：CN202310396249.8
申请日：2023-04-14
Applicant: 嘉兴中科声学科技有限公司 , 长江勘测规划设计研究有限责任公司
Abstract: 本发明公开了一种基于高频声学探测的大坝渗漏自动探测设备，涉及水下检测领域。它包括发射换能器、发射模块、接收换能器、接收模块、主控模块、上位机，上位机包括显控计算机和显控软件。本发明发射换能器与接收换能器没有采用收发合置的设计，而分采用离设计，无需进行接收关门设置，可有效降低探测盲区范围。本发明还涉及这种基于高频声学探测的大坝渗漏自动探测设备的探测方法。
-
公开(公告)号：CN117389285A
公开(公告)日：2024-01-12
申请号：CN202311566100.6
申请日：2023-11-22
Applicant: 中国长江电力股份有限公司 , 长江勘测规划设计研究有限责任公司 , 浙江大学
IPC: G05D1/43 , G05D1/242 , G05D1/633 , G05D1/648 , G05D109/10
Abstract: 本发明涉及一种适应于复杂环境无人车及自主避障的方法，属于长距离隧洞无人车装备研制领域，采用前扫雷达和激光测距仪对无人车周围扫描获取水上障碍物位置信息，水下超声波传感器扫描探测获取水下凸起障碍物及凹坑等的位置、深度、高度信息，液位传感器感知无人车底部与水面的高程关系，工控机根据避障算法，进行无人车行进路径规划，从而使无人车能够适应隧洞底板冲坑、钢筋裸露、块石、树枝等杂物淤堵的复杂地形环境，在长隧洞复杂环境中安全行走作业，实现自主避障。
-
Patent Agency Ranking
公开(公告)号：CN117274789B
公开(公告)日：2024-04-09
申请号：CN202311549825.4
申请日：2023-11-21
Applicant: 长江勘测规划设计研究有限责任公司 , 河海大学
IPC: G06V20/05 , G06V20/70 , G06V10/26 , G06V10/28 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种水工混凝土结构水下裂缝语义分割方法，包括通过从水下机器人在水库工程现场拍摄的视频中逐帧提取水下裂缝图像，对水下裂缝图像进行处理，构建水下裂缝数据集；构建卷积神经网络模型并进行迭代训练，通过计算损失函数来调整模型参数，得到水工混凝土结构水下裂缝语义分割模型；通过对分割后的图像进行二值化处理，对经二值化处理后的预测结果进行像素级量化处理；结合相机成像原理和相机的参数，将水工混凝土结构水下裂缝的像素级量化结果转化为实际物理量化结果，得到水工混凝土结构水下裂缝分割结果。本发明实现了对水工混凝土结构水下裂缝的量化识别，并提升了水工混凝土结构水下裂缝检测的准确度。
-
公开(公告)号：CN116703856A
公开(公告)日：2023-09-05
申请号：CN202310654390.3
申请日：2023-06-02
Applicant: 长江勘测规划设计研究有限责任公司 , 武汉大学
IPC: G06T7/00 , G06T5/00 , G06T7/11 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于菱形卷积UNet的混凝土大坝表面裂缝检测方法及系统，其中的方法首先对混凝土大坝表面进行图像采集；并对采集到的图像进行标注，得到图像数据集；然后将图像数据集划分为训练集和验证集；再搭建菱形卷积Unet的图像分割网络，接着利用划分得到的训练集对菱形卷积Unet的图像分割网络进行训练，得到训练模型，然后利用验证集对训练模型进行验证，得到算法模型；最后使用算法模型对待检测混凝土表面进行裂缝特征识别，得到裂缝检测结果。本发明解决了现有方法对混凝土大坝表面裂缝形态特征识别不完整、检测精度低的问题，提高了混凝土大坝表面裂缝的检测精度。
-
公开(公告)号：CN118429799A
公开(公告)日：2024-08-02
申请号：CN202410440547.7
申请日：2024-04-12
Applicant: 长江勘测规划设计研究有限责任公司 , 武汉大学
IPC: G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开一种用于混凝土坝表面裂缝检测的边界引导UNet方法，包括如下步骤：S1：对混凝土坝表面进行图像采集，然后对图像中的裂缝进行人工标注，从而得到图像数据集；S2：将标注好的图像数据集分为训练集和验证集；S3：基于经典UNet网络搭建边界引导UNet网络；S4：利用训练集对边界引导UNet网络进行训练，得到训练模型；S5：利用验证集对训练模型进行验证，得到边界引导UNet网络算法模型；S6：使用边界引导UNet网络算法模型对待检测混凝土坝表面图像进行裂缝特征识别，得到裂缝检测结果。本发明在获取混凝土坝表面图像的基础上，通过设计边界引导UNet网络，充分适应混凝土表面裂缝形态特征，提升混凝土坝表面裂缝检测精度。
-
公开(公告)号：CN117934374A
公开(公告)日：2024-04-26
申请号：CN202311739184.9
申请日：2023-12-18
Applicant: 长江勘测规划设计研究有限责任公司 , 河海大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/25
Abstract: 本发明公开一种基于多任务约束深度学习的水工隧洞缺陷检测方法，包括获取隧洞衬砌混凝土缺陷，并构建缺陷数据集；通过对缺陷数据集进行标注，并将缺陷数据集划分为训练集、测试集；构建初始多任务约束Faster R‑CNN模型，设置初始参数待后续迭代更新；利用训练集样本，迭代更新多任务约束的Faster R‑CNN模型，并通过计算损失函数来调整模型参数；每步迭代更新多任务约束Faster R‑CNN模型后，利用测试集对更新的训练模型进行测试，得到识别准确率达到预设值的水工隧洞缺陷检测模型后停止迭代；利用获得的水工隧洞缺陷检测模型对新获取的水工隧洞图像进行识别，得到缺陷检测结果。本发明解决了因部分水工隧洞缺陷样本稀少而引发的特征提取不鲁棒的问题。
-
公开(公告)号：CN117274789A
公开(公告)日：2023-12-22
申请号：CN202311549825.4
申请日：2023-11-21
Applicant: 长江勘测规划设计研究有限责任公司 , 河海大学
IPC: G06V20/05 , G06V20/70 , G06V10/26 , G06V10/28 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种水工混凝土结构水下裂缝语义分割方法，包括通过从水下机器人在水库工程现场拍摄的视频中逐帧提取水下裂缝图像，对水下裂缝图像进行处理，构建水下裂缝数据集；构建卷积神经网络模型并进行迭代训练，通过计算损失函数来调整模型参数，得到水工混凝土结构水下裂缝语义分割模型；通过对分割后的图像进行二值化处理，对经二值化处理后的预测结果进行像素级量化处理；结合相机成像原理和相机的参数，将水工混凝土结构水下裂缝的像素级量化结果转化为实际物理量化结果，得到水工混凝土结构水下裂缝分割结果。本发明实现了对水工混凝土结构水下裂缝的量化识别，并提升了水工混凝土结构水下裂缝检测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.066 seconds)
