-
公开(公告)号：CN118379237B
公开(公告)日：2024-11-15
申请号：CN202410289927.5
申请日：2024-03-14
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于视觉大模型SAM的桥梁表观裂缝像素级辨识方法，包括：采集桥梁表观裂缝图像并进行像素级标注，使用随机采样法进行训练、验证和测试集的划分；对视觉大模型SAM进行修改，删除图像嵌入之后的部分，对剩余的部分添加裂缝特征低秩适应器，形成SAM‑Crack编码器；在SAM‑Crack编码器后增加裂缝像素级辨识解码模块，形成完整的SAM‑Crack模型；使用训练集对SAM‑Crack模型进行训练，训练损失函数为DICE损失和交叉熵损失的组合函数；使用训练好的SAM‑Crack模型对待辨识的桥梁表观裂缝图像进行处理，生成裂缝像素级辨识结果。本发明大幅度提升了有限标注数据下的裂缝辨识准确率。
-
公开(公告)号：CN118090725B
公开(公告)日：2024-09-17
申请号：CN202410221668.2
申请日：2024-02-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于表观三维形貌的混凝土界面过渡区识别方法，本发明属于桥梁工程材料性能测试分析领域。对混凝土试块进行切片，并在切片上进行钻芯，在钻取的混凝土芯样外周浇筑环氧树脂，采用不同等级的金刚砂悬浮液打磨混凝土芯样；使用三维扫描仪对打磨后的混凝土芯样表面进行扫描，获取扫描区域内的混凝土芯样三维点云数据；利用ITZ自动识别算法处理三维点云数据，提取批量的ITZ厚度及相对高度的几何信息；对提取的ITZ几何信息进行统计分析，利用统计模型描述混凝土ITZ几何信息的分布特征。本发明对打磨后的混凝土芯样进行扫描后可自动提取大量的ITZ几何信息，利用统计学方法描述ITZ几何分布特征，极大地提高了对混凝土ITZ测试的效率和测试结果的准确性。
-
公开(公告)号：CN118379237A
公开(公告)日：2024-07-23
申请号：CN202410289927.5
申请日：2024-03-14
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于视觉大模型SAM的桥梁表观裂缝像素级辨识方法，包括：采集桥梁表观裂缝图像并进行像素级标注，使用随机采样法进行训练、验证和测试集的划分；对视觉大模型SAM进行修改，删除图像嵌入之后的部分，对剩余的部分添加裂缝特征低秩适应器，形成SAM‑Crack编码器；在SAM‑Crack编码器后增加裂缝像素级辨识解码模块，形成完整的SAM‑Crack模型；使用训练集对SAM‑Crack模型进行训练，训练损失函数为DICE损失和交叉熵损失的组合函数；使用训练好的SAM‑Crack模型对待辨识的桥梁表观裂缝图像进行处理，生成裂缝像素级辨识结果。本发明大幅度提升了有限标注数据下的裂缝辨识准确率。
-
公开(公告)号：CN114492101B
公开(公告)日：2024-05-07
申请号：CN202111547633.0
申请日：2021-12-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司
IPC: G06F30/23 , G01N19/02 , G06F119/14 , G06F119/08
Abstract: 本发明公开了一种CRTSⅡ型无砟轨道滑动层摩擦系数识别方法，所述方法如下：一、对多跨简支梁上CRTSⅡ型无砟轨道底座板应变的实际监测值进行解耦，获取由纯梁轨相互作用引起的底座板应变；二、建立多跨简支梁上的CRTSⅡ型无砟轨道梁轨相互作用有限元模型，通过有限元计算提取某跨简支梁上方剪力齿槽内侧由梁轨相互作用引起的底座板应变与桥梁温度之间的斜率，经多次计算后建立上述斜率与各摩擦系数之间的映射关系式；三、获取经过解耦后的实测底座板应变与实测桥梁温度之间的斜率，将此斜率输入上述映射关系式中，得到本跨简支梁上CRTSⅡ型无砟轨道的滑动层摩擦系数。该方法可解决无砟轨道滑动层摩擦系数难以检测的问题。
-
公开(公告)号：CN117456005A
公开(公告)日：2024-01-26
申请号：CN202311187301.5
申请日：2023-09-14
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于相机标定的铁路轨道扣件空间位移提取方法，首先，采用固定摄像机拍摄不同位置和姿态的平面标定板，计算相机内参和外参矩阵，然后相机径向畸变建模与计算，利用LM算法对相机内外参及畸变迭代计算，最后建立扣件二维图像位移提取模型，将扣件二维图像位移转换为三维空间位移，实验室验证算法有效性。本发明能作为铁路轨道扣件健康监测实时预警子系统的组成部分，直接实时地对铁路轨道扣件的空间位置与位移是否异常进行判断识别。本发明提高了铁路轨道扣件健康监测实时预警子系统智能识别的自动化、智能化、准确性和鲁棒性，为铁路轨道扣件位置与空间位移在线实时预警子系统的建立提供了解决方案。
-
Patent Agency Ranking
公开(公告)号：CN115524343B
公开(公告)日：2023-06-20
申请号：CN202211203643.7
申请日：2022-09-29
Applicant: 哈尔滨工业大学
Abstract: 一种冰晶体物理结构的细观表征方法，属于细观表征技术领域。方法如下：制作多个冰切片；将其中一个冰切片进行图像重叠分区；对冰切片进行单区观测，并实时采集获取冰晶体图像,得到该冰切片单层所有观测图像；对所有观测图像进行特征点匹配并求出观测图像重叠区域；对重叠区域进行小波变换融合，得到冰切片的单层全景图像；对所有冰切片重复上述步骤，并保存为一系列的冰切片二维图像，实现对冰晶体物理结构的细观表征。本发明表征了冰晶体真实且完整的物理结构，进行科学、客观、深入地认识河冰的力学行为，为构建合理的河冰本构关系模型提供了新思路，也为桥梁冰荷载的计算提供了科学依据。
-
公开(公告)号：CN115100126A
公开(公告)日：2022-09-23
申请号：CN202210663664.0
申请日：2022-06-10
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种桥梁结构平面位移场智能感知方法，属于监测领域，包括：在待测桥梁关键位置处设置靶标，利用固定在自动旋转云台上摄像机对桥梁进行扫描式成像，通过透视变换将扫描得到的图像投影至同一个平面并拼接，得到二维全景图像；对相机扰动进行消除，采用GrabCut算法提取待测桥梁结构部位的图像，进行网格离散化；利用靶标对相机进行标定以消除畸变，同时计算出像素‑位移转换系数，采用二次曲面拟合改进的模板匹配算法得出关键节点位移；采用三角形形函数和矩形形函数对关键节点位移信息进行传递，从而获取待测桥梁结构平面位移场。本方法实现了桥梁结构平面位移场的准确快速非接触获取。本发明具有便捷、准确的优点。
-
公开(公告)号：CN114254534B
公开(公告)日：2022-09-16
申请号：CN202111521882.2
申请日：2021-12-13
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/13 , G06F17/11 , G06F119/14
Abstract: 一种基于钢筋三维加强效应的混凝土本构模型计算方法，涉及一种钢筋混凝土桥梁非线性破坏的建模方法。获取混凝土和钢筋的材料力学性能；建立单轴受力的钢筋混凝土立方体单元，分解为一维轴向受力单元和二维法向受力单元，分别计算钢筋对混凝土的加强系数并得到弹性模量；分别对单轴受力的钢筋混凝土立方体单元进行受拉和受压应力应变曲线的修正，对损伤演化参数进行修正，得到修正后的本构关系曲线；应用于有限元中建立三维实体非线性有限元模型，进行钢筋混凝土结构塑性损伤及承载能力的计算。考虑钢筋对混凝土的加强系数，同时提出修正的钢筋混凝土本构模型，能够高效、准确的评估实际桥梁的极限承载能力。
-
公开(公告)号：CN114254534A
公开(公告)日：2022-03-29
申请号：CN202111521882.2
申请日：2021-12-13
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/13 , G06F17/11 , G06F119/14
Abstract: 一种基于钢筋三维加强效应的混凝土本构模型计算方法，涉及一种钢筋混凝土桥梁非线性破坏的建模方法。获取混凝土和钢筋的材料力学性能；建立单轴受力的钢筋混凝土立方体单元，分解为一维轴向受力单元和二维法向受力单元，分别计算钢筋对混凝土的加强系数并得到弹性模量；分别对单轴受力的钢筋混凝土立方体单元进行受拉和受压应力应变曲线的修正，对损伤演化参数进行修正，得到修正后的本构关系曲线；应用于有限元中建立三维实体非线性有限元模型，进行钢筋混凝土结构塑性损伤及承载能力的计算。考虑钢筋对混凝土的加强系数，同时提出修正的钢筋混凝土本构模型，能够高效、准确的评估实际桥梁的极限承载能力。
-
公开(公告)号：CN113689380A
公开(公告)日：2021-11-23
申请号：CN202110817763.5
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于深度学习的桁架桥梁铆钉锈蚀病害智能识别方法，解决铆钉锈蚀病害传统检测方法成本高、检测结果主观性强、效率低的问题，方法如下：对桥梁全景图像进行分割，筛选发生锈蚀病害的铆钉图像和状态正常的铆钉图像，对原始图像进行数据增广，划分训练集和测试集，采用单阶段检测网络进行铆钉病害类型和位置的精确判定，训练过程中采用类别置信度和位置的加权损失函数监督网络预测误差，判断模型的收敛状态。基于桁架桥梁铆钉空间分布特征，将网络置信度阈值参数设置为0.6，在网络所有类别预测框中找到类别置信度大于0.6的预测框作为网络最终预测结果。本方法能够对桥梁铆钉锈蚀病害实现精准判别和定位。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.03 seconds)
