-
公开(公告)号：CN108288269A
公开(公告)日：2018-07-17
申请号：CN201810066755.X
申请日：2018-01-24
Applicant: 东南大学
Abstract: 本发明提供了一种基于无人机与卷积神经网络的桥梁支座病害自动识别方法，包括如下步骤：获取桥梁支座病害照片，运用图像处理的方法，增加用于训练卷积神经网络的数据量；将获取的桥梁支座病害照片划分训练集和测试集；建立卷积神经网络，并通过梯度下降法与反向传播算法迭代训练卷积神经网络各层的权值；得到具有自动识别桥梁支座病害功能的卷积神经网络模型；地面控制系统控制无人机进行巡航，并使用无人机携带的图像采集设备获取桥梁支座的照片；将无人机采集的数据传入云端进行数据处理，使用已经训练好的卷积神经网络模型进行桥梁支座病害的自动识别。本发明效率高，成本低，相较于传统的桥梁支座病害的人工检测方法具有明显的优势。
-
公开(公告)号：CN112488990B
公开(公告)日：2024-06-07
申请号：CN202011202472.7
申请日：2020-11-02
Applicant: 东南大学 , 江西省交通科学研究院有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于注意力正则化机制的桥梁支座病害识别方法，具体如下：获取桥梁支座图像，桥梁支座图像包括支座不同的状态；根据桥梁支座不同的状态标注桥梁支座图像，标注桥梁支座图像包括标注支座图像的类别标签信息和空间位置标签；设计适应于注意力机制正则化机制的卷积神经网络模型的损失函数；设计适应于注意力机制正则化机制的卷积神经网络模型；利用损失函数，选择可微分的优化算法迭代训练上述中设计的卷积神经网络模型，利用图像的类别标签信息和空间位置标签进行训练，优化网络模型，获得用于自动识别桥梁支座病害的模型，根据该网络模型进行桥梁支座病害的识别。本发明能够自动识别桥梁支座病害，提高识别的精确度。
-
公开(公告)号：CN110254714B
公开(公告)日：2024-05-14
申请号：CN201910468034.6
申请日：2019-05-31
Applicant: 东南大学
IPC: B64C37/02 , B64U20/87 , B64U10/14 , G01N21/95 , B64U101/26
Abstract: 本发明的一种基于双子无人机及移动摄像机的桥梁支座检测装置，包括右无人机和左无人机，右无人机和左无人机之间通过连接索相连接，在连接索上设置有能够沿其运动的移动摄像装置；所述连接索能够伸长或者缩短，以调整左无人机和右无人机之间的距离。本发明通过两台无人机及移动摄像装置，使得无人机能够分别定位于桥梁的两侧，并通过连接索上的移动摄像装置实现桥梁支座图像的采集，解决了了无人机飞入桥面板下时会因为GPS信号弱和气流不稳定造成无人机飞行控制困难，以及无人机自身的避障功能影响支座的拍摄角度和拍摄质量等问题；通过卷索装置，使两台无人机能够相互靠近飞行或者分离飞行，提高无人机在桥下飞行时的灵活性。
-
公开(公告)号：CN113716058A
公开(公告)日：2021-11-30
申请号：CN202110783110.X
申请日：2021-07-12
Applicant: 东南大学
Abstract: 本发明公开了一种适用于桥梁检测的轮进式无人机及其检测方法，无人机包括机身，滚动轮，配重轮，尾杆，动力装置，电池，里程计和摄像头，滚动轮能够防护无人机，且使无人机且待检测桥梁紧密贴合，使得摄像头距离结构物表面的距离一定，为采集图像中的病害像素信息换算成真实的物理尺寸提供基础。尾杆上的动力装置可调节配重轮与无人机机身的上下相对位置，从而可以灵活的控制无人机前后行进。里程计可记录无人机滚动轮行进的路程，可在桥下记录无人机与桥梁的相对位置。本发明能够灵活的到达桥梁检测位置，并记录病害出现的量化描述数据，包括病害图像，病害距离拍摄点的位置以及病害的位置信息。
-
公开(公告)号：CN109606678B
公开(公告)日：2021-09-07
申请号：CN201811396449.9
申请日：2018-11-22
Applicant: 东南大学
Abstract: 本发明公开了一种自动定位桥梁支座的履带式无人机，包括机身、履带式支架和连接装置，履带式支架包括履带和支架，支架包括两个平行设置的框架，两个框架之间转动连接有多个转动杆，履带套设在转动杆上，机身通过连接装置连接框架；此外，所述履带式无人机还包括图像采集模块和控制模块，图像采集模块采集桥梁支座的图像，控制模块根据图像自动确定支座的位置并控制无人机自动调整与支座的相对位置。本发明能够自动调整无人机与桥梁支座之间的相对位置，并且提高无人机的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112749733A
公开(公告)日：2021-05-04
申请号：CN202011559958.6
申请日：2020-12-25
Applicant: 江西省交通科学研究院 , 东南大学
Abstract: 本发明提供了一种基于混合模型及图像金字塔的桥梁支座病害识别方法，包括以下步骤：获取桥梁支座图像，并人工赋予标签；通过图像处理的方法，生成每个图像的图像金字塔；建立由卷积神经网络和循环神经网络共同组成的混合模型，然后，提取出的特征向量作为一组序列输入到循环神经网络中，循环神经网络的输出，通过一个分类网络输出该图像的类别概率。迭代训练得到具有识别桥梁支座病害的混合模型。本发明的卷积神经网络与循环神经网络的混合模型可充分利用桥梁支座图像的多尺度信息，相较于传统的神经网络，可在训练数据有限的前提下有效提高模型的识别精度，为桥梁支座的自动化检测提供基础。
-
公开(公告)号：CN112699736A
公开(公告)日：2021-04-23
申请号：CN202011442501.7
申请日：2020-12-08
Applicant: 江西省交通科学研究院 , 东南大学
Abstract: 本发明提供了一种基于空间注意力的桥梁支座病害识别方法，包括以下步骤：获取桥梁支座图像数据，通过人工标注的方法赋予标签，标签包含正常支座及桥梁服役的过程中可能出现的各类支座病害。构建带有空间注意力机制的神经网络模型，其中空间注意力机制通过一个小型的神经网络生成4个注意力坐标值，根据这4个坐标值筛选出图像中有价值的区域，并通过格点生成函数和双线性插值方法放缩至指定的大小；把空间注意力机制的输出作为卷积神经网络的输入进行训练，得到具有预测支座病害的神经网络模型。本发明的注意力模型能够让网络模型自动的提取出桥梁支座图像中有价值的区域进行学习，相较于传统卷积神经网络模型，能有效提高支座病害的识别精度。
-
公开(公告)号：CN209719928U
公开(公告)日：2019-12-03
申请号：CN201920026470.3
申请日：2019-01-08
Applicant: 东南大学
Abstract: 本实用新型公开了一种检测桥梁支座病害的无人机，包括机体和设于机体上的图像采集模块，机体上还设有上起落架和下起落架，上起落架包括第一连杆，第一连杆的一端连接机体，第一连杆的另一端柔性连接第二连杆，使得第二连杆能够沿桥的纵向转动。本实用新型通过第一连杆与第二连杆之间的柔性连接，提高了无人机的稳定性，使得无人机靠近桥梁支座时更容易适应桥梁底部的坡度，能够稳定地着陆于桥梁底部，减弱气流对无人机的影响。
-
公开(公告)号：CN216269962U
公开(公告)日：2022-04-12
申请号：CN202121577202.4
申请日：2021-07-12
Applicant: 东南大学
Abstract: 本实用新型公开了一种适用于桥梁检测的轮进式无人机，包括机身，滚动轮，配重轮，尾杆，动力装置，电池，里程计和摄像头，滚动轮能够防护无人机，且使无人机且待检测桥梁紧密贴合，使得摄像头距离结构物表面的距离一定，为采集图像中的病害像素信息换算成真实的物理尺寸提供基础。尾杆上的动力装置可调节配重轮与无人机机身的上下相对位置，从而可以灵活的控制无人机前后行进。里程计可记录无人机滚动轮行进的路程，可在桥下记录无人机与桥梁的相对位置。本实用新型能够灵活的到达桥梁检测位置，并记录病害出现的量化描述数据，包括病害图像，病害距离拍摄点的位置以及病害的位置信息。
-
公开(公告)号：CN210555576U
公开(公告)日：2020-05-19
申请号：CN201920810392.6
申请日：2019-05-31
Applicant: 东南大学
Abstract: 本实用新型的一种基于双子无人机及移动摄像机的桥梁支座检测装置，包括右无人机和左无人机，右无人机和左无人机之间通过连接索相连接，在连接索上设置有能够沿其运动的移动摄像装置；所述连接索能够伸长或者缩短，以调整左无人机和右无人机之间的距离。本实用新型通过两台无人机及移动摄像装置，使得无人机能够分别定位于桥梁的两侧，并通过连接索上的移动摄像装置实现桥梁支座图像的采集，解决了了无人机飞入桥面板下时会因为GPS信号弱和气流不稳定造成无人机飞行控制困难，以及无人机自身的避障功能影响支座的拍摄角度和拍摄质量等问题；通过卷索装置，使两台无人机能够相互靠近飞行或者分离飞行，提高无人机在桥下飞行时的灵活性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.017 seconds)
