基于阵列超声扫描的桥梁预应力波纹管灌浆质量判别方法

    公开(公告)号:CN118817847A

    公开(公告)日:2024-10-22

    申请号:CN202411027943.3

    申请日:2024-07-30

    Abstract: 本发明公开了一种基于阵列超声扫描的桥梁预应力波纹管灌浆质量判别方法,该方法首先采用阵列超声B扫切片图对波纹管进行定位,然后根据波纹管的深度和直径确定阵列超声C扫切片图的成像深度范围;进行C扫成像之后,以灌浆完好区域的C扫切片图为基准,比较其他测区的C扫切片图在波纹管附近的较高反射能量区域的宽度范围和相对反射能量大小这两个关键图像特征来评估测区内的灌浆质量。相比于规范标准中常用的冲击回波法,本发明优势在于检测结果可视化强,对微小灌浆缺陷,特别是内部缺陷形式为内部含水的灌浆缺陷更为敏感,可代替常规的钻孔内窥镜验证方法。

    基于空间变换和深度学习的船舶超高桥梁防撞预警方法

    公开(公告)号:CN118762558A

    公开(公告)日:2024-10-11

    申请号:CN202410941290.3

    申请日:2024-07-15

    Applicant: 东南大学

    Inventor: 顾思阳 张建

    Abstract: 本发明公开了一种基于空间变换和深度学习的船舶超高桥梁防撞预警方法,涵盖航道三维数据采集、空间变换算法和实时预警三个核心部分。首先通过高精度的三维激光扫描设备,根据实时航道环境以及光照条件,获取航道真实世界三维数据。其次,采用空间变换技术,通过设置航道内的控制点,利用视频图像中的航标像素坐标与激光扫描获取的实际世界坐标相结合,实现对船舶水面以上高度的精准定位。通过深度学习的多目标识别算法,实时追踪船舶关键点,计算船舶在航道中的位置与高度。当船舶高度超过安全阈值时,系统将自动触发声光报警。本发明可显著提高桥梁安全监控的实时性和准确性,为防止船舶超高撞桥事故提供了一种有效的技术手段。

    一种基于轻量化网络的重车车重分布识别方法

    公开(公告)号:CN117058570A

    公开(公告)日:2023-11-14

    申请号:CN202310837767.9

    申请日:2023-07-10

    Abstract: 本发明公开了一种基于轻量化网络的重车车重分布识别方法,利用触发相机采集车流视频,并逐帧输入至触发网络中,利用触发网络判断当前帧图是否包含黄色车牌;将联动相机采集的车流视频分别输入至车辆识别网络和车牌识别网络,获得车流视频中所有重型车辆和对应的黄色车牌;利用识别出的车辆子图特征匹配进行车辆的追踪,获得车辆在联动相机视野下的完整轨迹;通过车牌的全字符匹配,将匹配成功的车牌所对应的车辆轨迹和收费站车重数据连接起来,获得重车车重分布的情况。本发明通过网络RepVGG剔除无意义的视频采集,极大减少了识别车重分布识别方法的计算任务;再通过轻量化目标识别网络YOLOv5s‑p对车辆和车牌进行识别,极大提高了算法的运行效率。

    基于多功能水下机器人和立体视觉的桥墩病害检测方法

    公开(公告)号:CN116840258A

    公开(公告)日:2023-10-03

    申请号:CN202310812253.8

    申请日:2023-07-04

    Applicant: 东南大学

    Abstract: 本发明公开了基于多功能水下机器人和立体视觉的桥墩病害检测方法,包括:在多功能水下机器人本体上搭建水下双目系统和惯性导航系统,标定起始点位置,制定机器人检测路径;根据检测路径使用机器人对水下桥墩表面进行图像采集,完成水下桥墩表面局部三维点云重建;基于水下机器人的实际位置和双目视觉测量获得的局部三维点云,实现所有局部三维点云的拼接,获得桥墩表面全局三维形貌结果;采用深度学习方法对拍摄图像中的病害进行识别和像素定位;结合桥墩表面三维形貌结果和水下机器人的惯性导航位置信息,实现病害定位;根据水下桥墩三维形貌结果和病害定位结果,建立可视化水下桥墩三维病害库,提高水下桥墩结构表面病害检测的效率和精度。

    近水桥梁多类型病害智能检测方法与无人船设备

    公开(公告)号:CN112884760B

    公开(公告)日:2023-09-26

    申请号:CN202110285996.5

    申请日:2021-03-17

    Applicant: 东南大学

    Inventor: 张建 何至立 蒋赏

    Abstract: 本发明公开了一种近水桥梁多类型病害智能检测方法与无人船设备。其方法包括基础设施病害目标检测网络CenWholeNet和基于仿生思想的并行注意力模块PAM,其中的CenWholeNet是一种基于深度学习的Anchor‑free目标检测网络,主要包括骨干网络和检测器两部分,用于自动化、高精度检测采集图像中的病害。其中的PAM将注意力机制引入神经网络当中,包括空间注意力和通道注意力两部分,用于增强神经网络的表达能力。其无人船设备包括船体模块、视频采集模块、激光雷达导航模块和地面站模块,支持无需GPS信息的激光雷达导航、视频信息的远距离实时传输和高鲁棒性实时控制,用于自动化采集桥梁底部信息。本发明可以广泛应用于中小桥梁底部等GPS信号微弱且环境复杂的区域的病害检测中。

    面向桥梁检测场景的地面三维激光扫描仪站点优化布置法

    公开(公告)号:CN116385692A

    公开(公告)日:2023-07-04

    申请号:CN202310370241.4

    申请日:2023-04-10

    Applicant: 东南大学

    Abstract: 本发明提出了一种面向桥梁检测场景的地面三维激光扫描仪站点优化布置法,先采集无人机图像,采用多视图立体重建法,建立桥梁场景的三维稠密点云模型,再提取点云模型中道路和桥梁区域,生成道路外轮廓线和桥梁各平面的三角网格模型;将道路点云的外轮廓线围绕成的多边形离散为等距网格点,依次设为地面激光扫描仪的站点,开展激光扫描的仿真分析,统计模拟扫描点云模型的最大入射角和覆盖率,并确定最优站点;给定测量所需的点云密度,求解最优站点下扫描方案中的扫描角分辨率。本发明能够实现桥梁检测场景中扫描站点的优化布置,有效控制扫描效率和点云体量。

    一种同时实现数据异常检测及数据压缩的深度学习方法

    公开(公告)号:CN110119397B

    公开(公告)日:2023-06-30

    申请号:CN201910315103.X

    申请日:2019-04-18

    Applicant: 东南大学

    Inventor: 张建 倪富陶

    Abstract: 本发明公开了一种同时实现数据异常检测及数据压缩的深度学习方法,其方法包括结构健康监测系统异常数据自动化检测方法和健康监测数据低压缩率下的压缩重建方法,其中异常数据自动化检测方法用于快速检测出监测数据中压缩后难以高精度重建的异常部分,其中数据压缩重建方法用于实现低压缩率下的健康监测数据压缩重建。本发明可以学习到海量健康监测数据的高维特征,实现异常数据的自动化检测和正常监测数据低压缩率下的高精度重建,能够适用于各类型结构的健康监测数据。

    一种用于结构应变测量的RFID系统及其测量方法

    公开(公告)号:CN116164682A

    公开(公告)日:2023-05-26

    申请号:CN202310209183.7

    申请日:2023-03-07

    Applicant: 东南大学

    Inventor: 李丹 周佳骏 张建

    Abstract: 本发明公开了一种用于结构应变测量的双模式传感器及其测量方法,包括贴片天线传感器和能量管理模块。贴片天线传感器包括矩形微带天线和射频识别RFID芯片,其中微带天线兼具应变感知和无线通信功能,而RFID芯片用于调制无线信号为传感器提供标识。能量管理模块包括太阳能电池板、充电电池、能量收集芯片。当电池电量充沛时,能量管理模块为RFID芯片提供1.8V电压,传感器以有源模式工作,仅需要少量的射频功率来响应阅读器的询问,实现更长的测量范围;当电池电量不足时,传感器以无源模式工作,依靠阅读器探测信号的射频功率来实现无线数据传输。本发明保持了无源无线传感器的可靠性,同时兼具有源无线传感器的长测量范围的优势。

    基于在线式相机的桥梁位移转角同步实时监测方法和系统

    公开(公告)号:CN115790387A

    公开(公告)日:2023-03-14

    申请号:CN202211366625.0

    申请日:2022-11-03

    Abstract: 本发明公开了一种基于在线式相机的桥梁位移转角同步实时监测方法和系统,利用红外阵列靶标多特征点作为视觉输入构建相机与运动目标坐标系的几何关系,并针对传统质心法无法做到多点一一对应持续匹配跟踪以及靶标受到环境干扰局部精度不足从而造成整体解算误差大的问题,提出了一种基于质心阵列自适应独立搜索和坐标系转换矩阵提纯优化的运动目标相对位移和转角测量算法,有效提高结果解算精度和鲁棒性。此外还开发了一套监测系统,通过嵌入式处理平台边缘计算直接输出给终端用户桥梁位移和转角数据,从而实现桥梁动态位移和转角的全天候、无线、实时监测。

Patent Agency Ranking