一种基于无损检测技术的道路沥青面层裂缝评价方法

    公开(公告)号:CN117273501A

    公开(公告)日:2023-12-22

    申请号:CN202310977997.5

    申请日:2023-08-04

    Applicant: 东南大学

    Abstract: 本发明涉及一种道路面层评价指标,尤其涉及一种基于无损检测技术的道路沥青面层裂缝评价方法。该步骤包括确定检测路段尺寸,通过检测建立各类裂缝尺寸:检测路段中通过计算得到上面层裂缝状况指数、中面层裂缝状况指数、下面层裂缝状况指数、沥青面层总体裂缝状况指数,依据道路沥青面层裂缝分级评价表对个指数进行评价。本发明基于路面无损检测技术,弥补了现有评价指标仅仅针对开口裂缝的路表形态进行评价的问题,综合考虑路面所有类型裂缝对路面服役性能的影响,对上面层、中面层、下面层分别计算裂缝状况指数,并且计算总体裂缝状况指数,这些指数更具有代表性,提升了养护修复措施制定的针对性与科学性。

    面向探地雷达信号的机器学习数据标注方法及系统

    公开(公告)号:CN116908795A

    公开(公告)日:2023-10-20

    申请号:CN202310606131.3

    申请日:2023-05-26

    Applicant: 东南大学

    Abstract: 本发明涉及一种面向探地雷达信号的机器学习数据标注方法及系统,将原始探地雷达数据转化成XYZ格式文件;程序将XYZ格式文件中的连续单道扫描数据转化成S×T×E的矩阵,其中S代表每个标注区间单点扫描个数,T代表单道扫描的时窗深度,E代表S×T范围内雷达回波的电场强度;之后程序采用最大归一法将这些电场强度E归一化至0‑255范围内,即为S×T尺寸的电场强度相对值灰度图,并在B‑scan窗口中实时显示用以辅助标注;继续采用“三线定位法”标注某个单道扫描的具体时窗区间;利用数据集构建程序将标注结果保存为原数据及其对应标签;本发明集成原始数据解译、视觉辅助标注、标注结果存储以及数据集制作,将探地雷达与机器学习进行深度结合。

    一种智能化路面病害识别检测方法及系统

    公开(公告)号:CN115457277A

    公开(公告)日:2022-12-09

    申请号:CN202211165084.5

    申请日:2022-09-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种智能化路面病害识别检测方法及系统,该方法采用运动相机、GPS&北斗定位模块作为采集设备,采用改进的卡尔曼滤波算法、Crack‑QuickSort算法以及改进的Crack‑wnet算法进行定位数据和图像数据的预处理与处理操作,能够精确解算出道路病害的位置、长度、宽度和面积信息,结合上述信息进而求取得到路面表面破损状态指数PCI。该系统包括车辆位置获取模块,道路图像检测模块,道路图像特征提取模块,路面病害报表输出模块。本发明的优点在于实现了高精度路面病害检测,构建了整体性路面病害检测系统,此外,采用前景相机进行病害识别的方法使得路面检测设备与成本降低,增加了整个检测过程中的智能化程度。

Patent Agency Ranking