-
公开(公告)号：CN116681657B
公开(公告)日：2024-03-22
申请号：CN202310561743.5
申请日：2023-05-18
Applicant: 中南大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/762 , G06V10/42 , G06V10/80
Abstract: 本发明公开了一种基于改进YOLOv7模型的沥青路面病害检测方法，包括：获取沥青路面病害图像数据集；构建包含CSPNeXt模块的YOLOv7目标检测模型，并加入移动网络注意力机制，得到改进YOLOv7目标检测模型；利用K均值聚类算法对改进YOLOv7目标检测模型的锚框进行重新设计；利用沥青路面病害图像数据集对改进YOLOv7目标检测模型进行初步训练，并通过二次标注法进行纠错优化，得到沥青路面病害识别模型；将待检测沥青路面图像输入沥青路面病害识别模型进行识别，获得沥青路面病害检测结果。本发明能够迅速又精准地检测沥青路面病害，为沥青路面养护提供指导。
-
公开(公告)号：CN114896767B
公开(公告)日：2024-04-19
申请号：CN202210421179.2
申请日：2022-04-21
Applicant: 中冶(贵州)建设投资发展有限公司 , 贵州省紫望高速公路建设有限公司 , 中南大学
Abstract: 本发明涉及道路工程技术领域，公开了一种基于精细化轴载作用的沥青路面车辙深度预测方法，包括建立考虑沥青路面的实际结构，材料属性、实际路面温度场的车辙模型；根据精细化处理的交通数据和车辙模型，预估路面车辙深度。本发明将实际的交通流量进行精细化处理，将精细化处理获得的交通数据作为车辙模型的输入，考虑车流量的增长率，获得不同路段、不同车道的路面车辙长期预测模型，进而将预测结果与实际检测数据进行对比验证，使得预测模型更加精准。
-
公开(公告)号：CN116681657A
公开(公告)日：2023-09-01
申请号：CN202310561743.5
申请日：2023-05-18
Applicant: 中南大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/762 , G06V10/42 , G06V10/80
Abstract: 本发明公开了一种基于改进YOLOv7模型的沥青路面病害检测方法，包括：获取沥青路面病害图像数据集；构建包含CSPNeXt模块的YOLOv7目标检测模型，并加入移动网络注意力机制，得到改进YOLOv7目标检测模型；利用K均值聚类算法对改进YOLOv7目标检测模型的锚框进行重新设计；利用沥青路面病害图像数据集对改进YOLOv7目标检测模型进行初步训练，并通过二次标注法进行纠错优化，得到沥青路面病害识别模型；将待检测沥青路面图像输入沥青路面病害识别模型进行识别，获得沥青路面病害检测结果。本发明能够迅速又精准地检测沥青路面病害，为沥青路面养护提供指导。
-
公开(公告)号：CN114896767A
公开(公告)日：2022-08-12
申请号：CN202210421179.2
申请日：2022-04-21
Applicant: 中冶(贵州)建设投资发展有限公司 , 贵州省紫望高速公路建设有限公司 , 中南大学
Abstract: 本发明涉及道路工程技术领域，公开了一种基于精细化轴载作用的沥青路面车辙深度预测方法，包括建立考虑沥青路面的实际结构，材料属性、实际路面温度场的车辙模型；根据精细化处理的交通数据和车辙模型，预估路面车辙深度。本发明将实际的交通流量进行精细化处理，将精细化处理获得的交通数据作为车辙模型的输入，考虑车流量的增长率，获得不同路段、不同车道的路面车辙长期预测模型，进而将预测结果与实际检测数据进行对比验证，使得预测模型更加精准。
-
-
-
Search Results
4
records
(took 0.017 seconds)
