-
公开(公告)号：CN118864835A
公开(公告)日：2024-10-29
申请号：CN202410786929.5
申请日：2024-06-18
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06V10/26 , G06V10/764 , G06V10/80
Abstract: 一种水下大坝裂缝分割方法，包括以下步骤：S1、数据采集与预处理；S2、特征提取与融合；S3、裂缝实例分割算法；S4、模型训练及优化；S5、实验及评估。本发明提供一种水下大坝裂缝分割方法，能够有效区分出每一个裂缝的独立存在，并为其提供独特标识。该方法拓展了水下大坝裂缝检测能力，为详细分析、维修规划和结构监测提供更全面数据支持，进一步提升水下大坝安全监测和评估水平。
-
公开(公告)号：CN117893771A
公开(公告)日：2024-04-16
申请号：CN202410046653.7
申请日：2024-01-12
Applicant: 河海大学 , 中国科学院沈阳自动化研究所 , 中国长江电力股份有限公司
IPC: G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态融合的三维目标检测方法及装置，方法包括：将获取的自动驾驶场景下RGB图像和激光雷达点云数据输入基于多模态融合的三维目标检测模型中，得到三维车辆检测结果；其中模型的处理过程包括：利用三维目标检测算法对激光雷达点云数据进行检测，得到m个三维边界框；利用二维目标检测算法对RGB图像进行检测，得到n个二维边界框；基于n个二维边界框，利用基于旋转交并比的融合策略从m个三维边界框确定一个三维边界框作为输入三维边界框；对输入三维边界框利用融合网络进行特征提取，得到m*n*1的稀疏张量；对稀疏张量进行池化后压缩，得到m个三维边界框对应的预测分数；根据预测分数，从m个三维边界框中确定三维车辆检测结果。
-
公开(公告)号：CN118915797A
公开(公告)日：2024-11-08
申请号：CN202410970653.6
申请日：2024-07-19
Applicant: 河海大学 , 中国科学院沈阳自动化研究所 , 中国长江电力股份有限公司
IPC: G05D1/485 , G05D101/10
Abstract: 本发明一方面提供一种水下机器人协同控制系统的构建方法，包括：搭建模拟环境：构建脐带缆仿真模型；构建浮标跟随策略模型并进行训练：构建绞车控制策略模型并进行训练：将浮标控制策略模型和绞车控制策略模型结合成水下机器人协同控制系统；其中，浮标跟随策略模型基于深度强化学习的SAC算法，实现对浮标的高效探索和智能控制；利用轻量化Transformer的绞车控制策略模型，通过行为克隆方法，实时预测脐带缆的期望长度。另一方面，本发明提供一种水下机器人协同控制方法，不仅确保协同控制系统的安全性，也实现了操作效率的显著提升。
-
公开(公告)号：CN119398317A
公开(公告)日：2025-02-07
申请号：CN202411410315.3
申请日：2024-10-10
Applicant: 中国长江三峡集团有限公司 , 河海大学 , 中国长江电力股份有限公司
IPC: G06Q10/063 , G06Q10/0631 , G06F18/20 , G06Q10/0639 , G06Q10/04 , G06F18/22
Abstract: 本发明涉及水下坝体巡检技术领域，公开了一种水下机器人坝体巡检虚拟演练场景推荐方法、系统，本发明结合考核属性集和演练场景数据集在多个待演练场景中进行水下机器人坝体巡检虚拟演练技能考核评估，能够明确检验水下机器人在不同场景下的巡检能力，使演练更具针对性，进而可以全面了解演练人员在不同场景下对各项技能的掌握情况。进一步，利用多个技能考核评估结果对未演练场景进行预测，能够提前了解水下机器人在新场景中的表现，为制定演练计划提供参考，增强了系统的适应性和前瞻性。最后，结合真实案例属性数据集、已有的考核评估结果和预测结果来确定目标推荐场景，能够综合考虑实际情况和未来需求，使推荐的场景更加准确、实用。
-
公开(公告)号：CN118608929A
公开(公告)日：2024-09-06
申请号：CN202410700075.4
申请日：2024-05-31
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06V20/05 , G06V10/80 , G06V10/82 , G06V10/77 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于改进U‑Net网络架构的水下图像增强模型的构建方法，该方法首先通过点卷积和深度卷积替换U‑Net网络的标准卷积，从而构建基于U‑Net网络的图像增强模型网络架构，该模型架构包括多个基本块和SK融合模块；然后构建基本块的结构；随后在构建的U‑Net网络基本块内部引入简化的通道注意力机制；最后构建SK融合模块的结构，完成模型网络架构的构建；解决了现有技术的模型对于复杂动态的水下环境假设不合理，导致图像过渡增强、过饱和度，从而影响图像增强质量的问题，具有在保证网络结构轻量化的前提下，设计的模型效果仍能超越现有技术的特点。
-
Patent Agency Ranking
公开(公告)号：CN118071643A
公开(公告)日：2024-05-24
申请号：CN202410230193.3
申请日：2024-02-29
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06T5/73 , G06T5/60 , G06T7/50 , G06T3/4007 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种水电站大坝水下机器人获取的光学图像去模糊方法，包括如下步骤：实时采取水下环境的视频流数据；将采集水下环境的视频流数据，输入去模糊网络进行处理，去模糊网络的构建流程如下：构建深度估计模块估计深度图；构建双边网格模块处理图像的边缘信息，得到双边网格特征图；构建特征重建模块将双边网络模块提取的双边网络特征图采用获得的深度图进行引导，得到采样特征图，然后将特征重建模块获得的采样特征图与Unet的网络提取特征图做主元素的点积，生成重构特征图，生成的重构特征图经过两层卷积层与原始图像做残差，估计去模糊图像。该方法能够有效去除水下图像模糊，提高水下机器人在水电站大坝检测中的图像质量和处理效率。
-
公开(公告)号：CN117611982A
公开(公告)日：2024-02-27
申请号：CN202311390462.4
申请日：2023-10-25
Applicant: 河海大学 , 中国长江电力股份有限公司
IPC: G06V20/05 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于两阶段训练的水下图像实时增强方法，其包括：利用水下相机实时获取模糊水下图像；利用训练好的图像实时增强模型对模糊水下图像进行增强处理，得到增强后的水下图像；图像实时增强模型的训练方法为：获取用于训练的水下图像数据集；构建图像实时增强模型TS‑Net并设计加权损失函数；通过用于训练的水下图像数据集和加权损失函数对图像实时增强模型TS‑Net进行两阶段训练，更新模型参数。本发明图像实时增强模型具有较好的鲁棒性，能够对模糊水下图像进行实时增强处理。
-
公开(公告)号：CN119359968A
公开(公告)日：2025-01-24
申请号：CN202411257042.3
申请日：2024-09-09
Applicant: 中国长江电力股份有限公司 , 河海大学
Abstract: 本发明涉及水下机器人虚拟演练领域，具体公开了一种水下大坝巡检机器人虚拟演练系统及其构建方法，该系统包括用户交互层、系统功能层和数据资源层，旨在解决现有水下机器人操作复杂、培训成本高的问题；系统通过参数设定、科目选择、人机设备交互及可视化UI实现用户交互；采用任务管理与评价、虚拟设备控制、场景仿真渲染及场景管理模块实现功能集成；利用基础数据、3D模型数据、演练数据及场景数据进行数据管理；系统能够模拟水下机器人作业全流程，覆盖天气、水质、昼夜变化等环境仿真，操作员可通过该系统对不同水下机器人大坝缺陷巡检任务进行模拟演练，节省人力物力的同时，提升操作熟练度与准确性，有效节省培训成本且降低了操作风险。
-
公开(公告)号：CN118608850A
公开(公告)日：2024-09-06
申请号：CN202410731247.4
申请日：2024-06-06
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06V10/764 , G06V20/05 , G06V10/774 , G06V10/26 , G06V10/34 , G06N3/0464 , G06N3/08
Abstract: 一种水下大坝裂缝图像分类算法，构建图像分类模型，用于水下大坝裂缝的检测和分类；构建损失函数：构建自适应频率过滤令牌混合器：采用标签平滑方法用于通过对标签进行柔和处理来防止模型过度自信，有助于模型学习更平滑的概率分布。本方法能够从图像中有效提取裂缝的尺寸、形状等关键信息，为评估水下大坝的结构完整性和损伤程度提供了重要的参考数据。相较于传统的手动分析方法，本发明的算法具有高效、准确的优势，能够克服分析者主观判断和经验限制，提高水下大坝裂缝检测的准确性和可靠性。
-
公开(公告)号：CN112102186B
公开(公告)日：2024-04-05
申请号：CN202010928909.9
申请日：2020-09-07
Applicant: 河海大学
IPC: G06T5/90 , G06T7/90 , G06T5/60 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了图像处理技术领域的一种水下视频图像实时增强方法，无需任何先验知识和参数估计，具有较好的鲁棒性且能够满足实时性要求。包括：a、获取水下图像数据集；b、基于条件生成对抗网络（cGAN）构建多判别器分支的端到端图像实时增强模型（MPGAN）；c、利用获取的水下图像数据集训练MPGAN；d、将水下图像输入训练好的MPGAN，获得增强后的水下图像。将训练好的模型烧录到Jetson nano开发板上，对摄像头获取的水下场景进行实时增强。本发明提供了一种在Jetson nano平台上实现的、基于生成对抗网络的实时增强方法，具有低功耗、体积小且满足实时性要求等优点。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.045 seconds)
