-
公开(公告)号：CN116204770A
公开(公告)日：2023-06-02
申请号：CN202211599237.7
申请日：2022-12-12
Applicant: 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司 , 中咨数据有限公司
IPC: G06F18/21 , G06F18/214 , G06F18/2433 , G06N3/0455 , G06N3/091 , G06N3/096 , G06N3/084 , G06N3/088 , G06F123/02
Abstract: 本发明提供一种用于桥梁健康监测数据异常检测的训练方法及装置，方法包括：获取不同领域多个类别的时间序列监测数据样本集和多个待训练的教师网络，按类别输入对应的每个待训练的教师网络中进行训练直至收敛完成教师网络训练；获取桥梁健康监测数据样本集和待训练的学生网络，分别输入已训练好的多个教师网络和待训练的学生网络，利用已训练好的多个教师网络对待训练的学生网络进行知识蒸馏训练直至收敛完成学生网络训练；利用已训练好的学生网络对待检测的桥梁健康监测数据进行异常预测。本发明解决了因现有技术中桥梁监测异常数据集存在无标注和正例样本不足问题，而导致现有神经网络模型无法对目标桥梁健康监测数据进行异常检测的问题。
-
公开(公告)号：CN115841190A
公开(公告)日：2023-03-24
申请号：CN202310108764.1
申请日：2023-02-14
Applicant: 中咨公路养护检测技术有限公司 , 中国公路工程咨询集团有限公司 , 中咨数据有限公司
IPC: G06Q10/04 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种道路PCI多步预测方法及装置，方法包括：获取待预测路况信息；将待预测路况信息输入至指数预测模型中，得到指数预测模型输出的PCI预测结果；其中，指数预测模型是基于路况训练信息和路况训练信息对应的PCI标签训练得到的；指数预测模型对基于待预测路况信息提取的路段间特征进行指数预测，得到PCI预测结果。本发明利用指数预测模型基于提取体现路段间和参数之间依赖关系的路段间特征进行预测，提高非线性关系的拟合效果，提升了PCI预测的精度与广度，实现了更高精度的多路段PCI多步预测。
-
公开(公告)号：CN115033960A
公开(公告)日：2022-09-09
申请号：CN202210652315.9
申请日：2022-06-09
Applicant: 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC: G06F30/13 , G06F30/20 , G06F16/29 , G06F119/02
Abstract: 本发明提供一种BIM模型和GIS系统的自动融合方法及装置，其中该方法包括：基于指定的标记位置，分别获取BIM模型和GIS系统的第一基准点集和第二基准点集；依次确定在不同坐标变换公式下，第一基准点集对应的第一变换点集；若第一变换点集中任意变换点间的相对位置与第二基准点集中任意基准点间的相对位置相同，则确定第一变换点对应的坐标变换公式为目标坐标变换公式；进而确定两者自动融合的结果。本发明通过将BIM模型的基准点转换至GIS系统，比较其和GIS系统中对应基准点的相似性，确定匹配的坐标变换公式，实现从BIM模型到GIS系统的自动融合，不需操作人员具备GIS专业技能，具备更广泛的适用性。
-
公开(公告)号：CN119539016A
公开(公告)日：2025-02-28
申请号：CN202411327392.2
申请日：2024-09-23
Applicant: 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC: G06N3/092 , G06N3/0985 , G06N20/00 , G06N3/045 , G06Q10/20
Abstract: 本发明提供一种机场道面养护决策方法、装置、电子设备和存储介质，其中方法包括：获取目标机场道面单元的当前状态；将目标机场道面单元的当前状态输入至预先训练的决策模型，得到决策模型输出的目标机场道面单元的最优养护措施；决策模型包括深度Q网络DQN层和状态预测层；基于扩展卡尔曼滤波器，对状态预测层的参数进行自适应更新；其中，决策模型是采用WoLF‑PHC算法，基于样本机场道面单元的样本状态，以及样本状态对应的目标Q值进行训练得到的。本发明降低了模型训练的成本，提高了决策模型的鲁棒性，适用于存在测量误差的应用场景。
-
公开(公告)号：CN118552723A
公开(公告)日：2024-08-27
申请号：CN202410569289.2
申请日：2024-05-09
Applicant: 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC: G06V10/26 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/0455
Abstract: 本申请涉及一种水泥路面裂缝分割方法，该方法基于DeepLabV3+网络模型，DeepLabV3+网络模型的编码器采用mobilenetv2结构，以改善特征提取网络中离散计算过多问题，优化对参数量和速度的控制，减少DeepLabV3+网络的冗余；编码器部分结合累积分布通道注意力模块CDCA，解决了DeepLabV3+在语义分割时未充分利用主干的低级特征，以及大倍数上采样造成有效特征缺失的问题；此外，引入边缘监督，在模型训练过程中，通过边缘损失函数来获得边缘预测和边缘标签的误差以更好地学习边缘特征，进一步提升模型的语义分割性能。
-
Patent Agency Ranking
公开(公告)号：CN118053114A
公开(公告)日：2024-05-17
申请号：CN202410074671.6
申请日：2024-01-18
Applicant: 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
Abstract: 本发明提供一种路面病害发展预测方法、装置、系统、设备及介质，涉及公路养护技术领域，该方法包括：获取待预测路段的路面影像，作为目标路面影像；对目标路面影像进行路面病害识别，获取目标路面影像中的路面病害的类型信息以及几何信息，作为目标路面病害识别结果；将目标路面病害识别结果输入路面病害发展预测模型，获取路面病害发展预测模型输出的待预测路段的路面病害发展预测结果。本发明提供的路面病害发展预测方法、装置、系统、设备及介质，能更准确地、更高效地预测微观路面病害的发展趋势，能为预防性养护时机提供决策支持，能增加道路的使用寿命，能提高道路的运营效率。
-
公开(公告)号：CN116558578B
公开(公告)日：2023-10-17
申请号：CN202310850035.3
申请日：2023-07-12
Applicant: 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司 , 中部高速公路管理(山西)有限公司
Abstract: 本发明提供一种道路路面状况检测方法、装置和存储介质，涉及交通控制系统技术领域，该方法具体包括：基于第一传感器组，采集针对待检测的道路路面的第一路况传感数据；基于预设的路面路况检测模型，确定第一路况传感数据所对应的道路路面状况；路况检测模型包括第一模型模块和第二模型模块，第一模型模块和第二模型模块是基于路况传感数据样本集通过集成学习方式而进行训练的，路况传感数据样本集是基于第一传感器组而确定的；第一模型模块的模型特征维度与第一传感器组所对应的传感信息类型相匹配，并且第一模型模块的模型特征维度不同于第二模型模块的模型特征维度。由此，能够实时、精准地识别道路的路面状况。
-
公开(公告)号：CN116188921B
公开(公告)日：2023-10-13
申请号：CN202211526693.9
申请日：2022-11-30
Applicant: 中咨公路养护检测技术有限公司 , 中国公路工程咨询集团有限公司 , 中咨数据有限公司
Abstract: 本发明提供一种基于多图融合的隧道瓦斯浓度预测方法，包括：获取每个监测点的瓦斯浓度序列并进行时间片段分片，合并形成浓度分段序列矩阵；构建监测点关联的多语义瓦斯浓度空间关系融合图；将多语义瓦斯浓度空间关系融合图输入至完成训练的图神经网络，对浓度分段序列矩阵进行空间相关性特征提取，获取各监测点的空间关系表示向量；利用完成训练的循环神经网络进行时空特征挖掘；利用完成训练的适用于分片预测的分段式注意力网络以及循环神经网络的解码器得到每个监测点将来某个预测时间段的瓦斯浓度表示向量，通过预测网络进行瓦斯浓度预测。能够自适应地、动态地学习监测点之间时空相关关系，提升了瓦斯浓度预测效果，进而保障施工安全。
-
公开(公告)号：CN116558578A
公开(公告)日：2023-08-08
申请号：CN202310850035.3
申请日：2023-07-12
Applicant: 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司 , 中部高速公路管理(山西)有限公司
Abstract: 本发明提供一种道路路面状况检测方法、装置和存储介质，涉及交通控制系统技术领域，该方法具体包括：基于第一传感器组，采集针对待检测的道路路面的第一路况传感数据；基于预设的路面路况检测模型，确定第一路况传感数据所对应的道路路面状况；路况检测模型包括第一模型模块和第二模型模块，第一模型模块和第二模型模块是基于路况传感数据样本集通过集成学习方式而进行训练的，路况传感数据样本集是基于第一传感器组而确定的；第一模型模块的模型特征维度与第一传感器组所对应的传感信息类型相匹配，并且第一模型模块的模型特征维度不同于第二模型模块的模型特征维度。由此，能够实时、精准地识别道路的路面状况。
-
公开(公告)号：CN116416212A
公开(公告)日：2023-07-11
申请号：CN202310124903.X
申请日：2023-02-03
Applicant: 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司 , 中部高速公路管理(山西)有限公司
IPC: G06T7/00 , G06T7/136 , G06N3/048 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06N3/08
Abstract: 本发明提供一种路面破损检测神经网络训练方法及路面破损检测神经网络，方法包括：将预设的多个单类型路面破损数据集分别输入对应的基础图像分割网络进行单独训练，获取多个教师网络，单类型路面破损数据集与基础图像分割网络一一对应；基于预设的多类型路面破损数据集，利用多个教师网络对预设的学生网络进行知识蒸馏，将知识蒸馏后的学生网络作为路面破损检测神经网络；学生网络包括编码器和解码器，编码器包括预设层数的编码子网络，解码器包括与编码子网络对称的预设层数的解码子网络，预设层数少于5层。本方法能够较好地实现多类型路面破损的自动检测，且较好地减少了路面破损检测神经网络的参数量，更易于部署与应用，检测精确度较高。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.071 seconds)
