-
公开(公告)号：CN117347485A
公开(公告)日：2024-01-05
申请号：CN202311300697.X
申请日：2023-10-09
Applicant: 京沪高速铁路股份有限公司 , 北京交通大学
Abstract: 本发明公开了一种用于无人机的铁路桥梁裂缝超声波检测载荷系统，涉及无人机技术领域，包括载荷系统本体，所述载荷系统本体的前端外壁两侧分别固定连接有安装块，所述安装块的一侧固定连接有限位杆。通过载荷系统搭载在无人机上飞到桥梁裂缝下方，发射换能器和接收换能器贴合在裂缝两侧，换能器与混凝土表面耦合后，主控板激发发射换能器，通过接收换能器接收返回超声波信号，移动到第二点位置，重复以上测量过程，通过公式计算裂纹深度，将测量数据通过无线通讯模块发送到操作者控制机上，通过一个主控板实现超声波收发、计算、电机驱动、无线通讯功能，直接显示裂缝深度，具有数据存储、查看、传输功能，智能化程度高，检测效率更高。
-
公开(公告)号：CN111951212A
公开(公告)日：2020-11-17
申请号：CN202010269412.0
申请日：2020-04-08
Applicant: 北京交通大学
Abstract: 本发明提供了一种对铁路的接触网图像进行缺陷识别的方法。该方法包括：对铁路接触网拍照，获取铁路的接触网的图像数据集，对图像数据集进行扩充处理；基于图像金字塔特征融合构建改进的Faster R-CNN模型，利用扩充处理后的图像数据集对改进Faster R-CNN模型进行训练，得到训练好的改进Faster R-CNN模型；利用训练好的Faster R-CNN模型通过目标检测算法对待识别的接触网的图像数据进行缺陷目标识别，获取图像数据中的缺陷目标。本发明将改进的Faster R-CNN算法应用到铁路接触网的图像数据的缺陷检测中，实现接触网部件缺陷自动识别，提高检测效率。利用无人机拍摄铁路接触网，在不影响线路运行的情况下能够获取图像质量更好的接触网遥感图像，能够避免接触网相互遮挡造成的数据不完整。
-
公开(公告)号：CN114266891B
公开(公告)日：2024-09-24
申请号：CN202111359281.6
申请日：2021-11-17
Applicant: 京沪高速铁路股份有限公司 , 北京交通大学
IPC: G06V10/26 , G06V10/774 , G06V20/10
Abstract: 本发明提供了一种基于图像与激光数据融合的铁路运行环境异常辨识方法，该方法首先将点云数据进行特征分析和数据预处理，利用基于随机采样‑特征聚合‑原型拟合的大尺度点云语义分割模型对点云数据进行分割利用基于改进的欧几里得算法对点云进行聚类，利用基于迁移学习的深度学习实例分割方法对目标进行识别，最后再采用点云数据与可见光图像识别结果串行决策层融合的方法实现铁路运行周边环境异常的智能识别。该方法具有结果准确全面、容错性高等优点，同时也证明了多源数据融合对铁路运行环境异常识别的意义。
-
公开(公告)号：CN114266299A
公开(公告)日：2022-04-01
申请号：CN202111540584.8
申请日：2021-12-16
Applicant: 京沪高速铁路股份有限公司 , 北京交通大学
Abstract: 本申请提供一种基于无人机作业的铁路桥梁钢结构缺陷检测方法及系统。本申请利用无人机搭载变焦相机，在距离铁路桥梁50‑70m的空中以2m/s的速度巡航飞行，以2s的拍摄周期获取桥梁钢结构图像。然后通过对图像的预处理扩充数据集，基于YOLOv5算法，通过加入Ghost Bottleneck模块改进YOLOv5模型，以在保证最终检测精度不变的条件下，进一步大幅减少训练产生的参数，降低内存占有率。本申请能够充分利用图像层级信息，降低模型训练设备要求，实现对目标的检测，保证桥梁钢结构缺陷的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN117606602A
公开(公告)日：2024-02-27
申请号：CN202311596747.3
申请日：2023-11-28
Applicant: 京沪高速铁路股份有限公司 , 北京交通大学
Inventor： 杨怀志 , 刘峰 , 侯日根 , 张杰 , 黄永辉 , 管曙刚 , 王舒伦 , 朱星盛 , 李辉 , 肖翔 , 邓健 , 田惠文 , 张春 , 武建新 , 梁荣余 , 蔡重元 , 罗琼 , 耿明
IPC: G01H9/00 , G06F18/10 , G06F18/213 , B61K9/08
Abstract: 本发明公开了一种基于光纤传感技术的高铁轨道质量检测方法及系统，涉及轨道质量检测技术领域，包括：对振动信号的时间尺度和频率同时提取，对信号进行滤波处理，可滤除部分白噪声，提高系统信噪比；对滤波完的数据进行两次信号差分处理，消除了白噪声，进一步地提高系统信噪比；对信号进行小波分解，对低频部分进行小波重构，优化系统精确定位特性，可精准确定异常事件发生具体位置；最后进行阈值选择并耦合频谱图峰值点的位置为高铁轨道发生异常的位置并输出结果。提高了信号处理的信噪比，提高了振动信号的时间尺度和频率的提取质量和精准度。
-
公开(公告)号：CN114266891A
公开(公告)日：2022-04-01
申请号：CN202111359281.6
申请日：2021-11-17
Applicant: 京沪高速铁路股份有限公司 , 北京交通大学
IPC: G06V10/26 , G06V10/774 , G06K9/62 , G06V20/10
Abstract: 本发明提供了一种基于图像与激光数据融合的铁路运行环境异常辨识方法，该方法首先将点云数据进行特征分析和数据预处理，利用基于随机采样‑特征聚合‑原型拟合的大尺度点云语义分割模型对点云数据进行分割利用基于改进的欧几里得算法对点云进行聚类，利用基于迁移学习的深度学习实例分割方法对目标进行识别，最后再采用点云数据与可见光图像识别结果串行决策层融合的方法实现铁路运行周边环境异常的智能识别。该方法具有结果准确全面、容错性高等优点，同时也证明了多源数据融合对铁路运行环境异常识别的意义。
-
公开(公告)号：CN114266713A
公开(公告)日：2022-04-01
申请号：CN202111615470.5
申请日：2021-12-27
Applicant: 京沪高速铁路股份有限公司 , 北京交通大学
IPC: G06T5/00 , G06T3/60 , G06K9/62 , G06V10/774
Abstract: 本申请提供一种基于NonshadowGAN的无人机铁路扣件图像阴影去除方法及系统。本申请基于无人机所获取的铁路扣件图像，首先对扣件图像进行预处理实现数据的增广，然后利用NonshadowGAN网络实现对扣件部件的阴影去除。本申请将无人机铁路扣件图像输入到阴影去除网络中时，将损失函数分为三部分，通过生成对抗网络将对抗损失应用于学习阴影特征，完成阴影和无阴影特征的学习与识别任务，并通过循环一致性损失减少映射函数的可用空间，通过身份验证损失进一步约束网络结构，鉴别阴影生成结果，调整参数模型。从而，本申请能够基于非成对的阴影扣件数据实现模型训练，进而准确实现对无人机扣件数据中阴影部分的去除。
-
公开(公告)号：CN109859120B
公开(公告)日：2021-03-02
申请号：CN201910015947.2
申请日：2019-01-08
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多尺度残差网络的图像去雾方法。该方法包括：获取不同场景下的无雾图像，组成无雾图像数据集；提取无雾图像的深度信息，根据无雾图像的深度信息对无雾图像施加不同浓度的雾干扰，得到有雾图像，将根据无雾图像得到的所有有雾图像构成训练数据集；构建多尺度残差网络，在多尺度残差网络中输入训练数据集，对多尺度残差网络进行训练，得到训练完成的图像去雾模型；将待处理的有雾图像输入到训练完成的图像去雾模型，该图像去雾模型输出待处理的有雾图像对应的无雾图像。本发明的方法能够更好地处理不同浓度和不同尺度下的雾图，解决训练数据较少的问题，以较少的训练数据取得更好的效果，适用于不同浓度和不同尺度下的雾图。
-
公开(公告)号：CN109859120A
公开(公告)日：2019-06-07
申请号：CN201910015947.2
申请日：2019-01-08
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多尺度残差网络的图像去雾方法。该方法包括：获取不同场景下的无雾图像，组成无雾图像数据集；提取无雾图像的深度信息，根据无雾图像的深度信息对无雾图像施加不同浓度的雾干扰，得到有雾图像，将根据无雾图像得到的所有有雾图像构成训练数据集；构建多尺度残差网络，在多尺度残差网络中输入训练数据集，对多尺度残差网络进行训练，得到训练完成的图像去雾模型；将待处理的有雾图像输入到训练完成的图像去雾模型，该图像去雾模型输出待处理的有雾图像对应的无雾图像。本发明的方法能够更好地处理不同浓度和不同尺度下的雾图，解决训练数据较少的问题，以较少的训练数据取得更好的效果，适用于不同浓度和不同尺度下的雾图。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
