-
公开(公告)号：CN115063680B
公开(公告)日：2024-05-17
申请号：CN202210698546.3
申请日：2022-06-20
Applicant: 东南大学
Abstract: 本发明公开一种基于标签及图像合成技术的桥梁病害识别方法，属于计算、推算或计数的技术领域。该方法：获取少量桥梁病害的图像，并使用图像标注工具标注病害的语义信息，获取病害图像标签；对病害图像和病害图像标签进行掩膜运算获取病害的前景图像；获取桥梁无病害图像；利用掩模运算后的少量病害前景图像和无病害图像大量合成桥梁病害图像，并通过记录图像合成位置的方法生成图像的标签数据；运用合成的图像数据和标签信息训练基于深度学习的病害分割网络。本发明利用少量的标注数据和一些无病害数据大量地合成具有像素级标注的桥梁病害图像，降低人工标注数据的成本，提高病害识别的准确率和效率。
-
公开(公告)号：CN110254714A
公开(公告)日：2019-09-20
申请号：CN201910468034.6
申请日：2019-05-31
Applicant: 东南大学
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：CN113716058B
公开(公告)日：2025-03-21
申请号：CN202110783110.X
申请日：2021-07-12
Applicant: 东南大学
IPC: B64U20/87 , B64U60/00 , B64U10/13 , B64C25/34 , H04N23/695 , E01D19/10 , B64U101/26 , B64U101/30
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：CN112488990A
公开(公告)日：2021-03-12
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
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：CN110378511A
公开(公告)日：2019-10-25
申请号：CN201910468383.8
申请日：2019-05-31
Applicant: 东南大学 , 江苏东印智慧工程技术研究院有限公司
Abstract: 本发明的一种基于循环神经网络的结构关键区域控制参数预警方法，包括以下步骤：在结构的关键区域布设传感器，监测结构关键区域的位移、应变参数；将布设的传感器测得的数据转化为结构控制参数；对获得的结构控制参数逐组进行归一化的预处理；构建循环神经网络结构；使用得到的不同时间间隔的多组数据分别训练循环神经网络的各层权值，得到一组模型；取结构近期一段时间的监测数据，经过归一化及下采样处理后为网络的初始输入进行预测。本发明能够预测结构未来的健康状态，相较于现有的结构健康监测方法能够为养护单位赢得更多的反应时间，更有效的维护结构的安全，极大的降低由于结构突然破坏引起的人员伤亡和财产损失。
-
Patent Agency Ranking
公开(公告)号：CN108363961A
公开(公告)日：2018-08-03
申请号：CN201810066766.8
申请日：2018-01-24
Applicant: 东南大学 , 北京九通衢检测技术股份有限公司 , 江西赣粤高速公路股份有限公司
Abstract: 本发明的一种基于卷积神经网络间迁移学习的桥梁支座病害识别方法，包括以下步骤：获取桥梁支座病害照片，并为每张照片赋予标签信息；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；将训练集和测试集中的所有图片缩放成预定大小的彩色图，并进行图像预处理；获取一个在其他数据集上已经训练好的卷积神经网络模型；以知识迁移的方式，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。本发明的一种基于卷积神经网络的桥梁支座病害自动识别方法，通过知识迁移模式训练卷积神经网络在精度，收敛速度上具有明显的优势而且大大减少了训练神经网络所需的数据量，对于病害场景复杂且数据不易收集的桥梁支座病害具有一定的现实意义。
-
公开(公告)号：CN112699736B
公开(公告)日：2024-06-07
申请号：CN202011442501.7
申请日：2020-12-08
Applicant: 江西省交通科学研究院有限公司 , 东南大学
IPC: G06V20/10 , G06V10/764 , G06N3/084 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045
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：CN115063680A
公开(公告)日：2022-09-16
申请号：CN202210698546.3
申请日：2022-06-20
Applicant: 东南大学
Abstract: 本发明公开一种基于标签及图像合成技术的桥梁病害识别方法，属于计算、推算或计数的技术领域。该方法：获取少量桥梁病害的图像，并使用图像标注工具标注病害的语义信息，获取病害图像标签；对病害图像和病害图像标签进行掩膜运算获取病害的前景图像；获取桥梁无病害图像；利用掩模运算后的少量病害前景图像和无病害图像大量合成桥梁病害图像，并通过记录图像合成位置的方法生成图像的标签数据；运用合成的图像数据和标签信息训练基于深度学习的病害分割网络。本发明利用少量的标注数据和一些无病害数据大量地合成具有像素级标注的桥梁病害图像，降低人工标注数据的成本，提高病害识别的准确率和效率。
-
公开(公告)号：CN110390822A
公开(公告)日：2019-10-29
申请号：CN201910468052.4
申请日：2019-05-31
Applicant: 东南大学 , 江苏东印智慧工程技术研究院有限公司
Abstract: 本发明公开一种基于FBG传感器及卷积神经网络的桥梁车流量统计方法，包括在待统计路段桥面板底部布设FBG传感器，FBG传感器连接光纤光栅解调仪；利用光纤光栅解调仪获得FBG传感器的高频监测数据，转化为应变数据；把高频监测数据转化为应变-时程图像，通过有无车辆通行划分为不同的图像数据集；构建卷积神经网络模型，把需要统计车流量的时间段内的高频监测数据按照时间步长转化为应变-时程视频数据；识别并统计出车流量的信息。本发明能够准确统计桥梁车流量，为交管部门的交通运营管理、研判、分析等提供决策支持定量分析数据,提升高速公路运营管理效果，且对桥面的铺装层没有影响，工作稳定，抗干扰性强，受温度、光照等环境因素的影响较小。
-
公开(公告)号：CN109606678A
公开(公告)日：2019-04-12
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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.016 seconds)
