融合无监督学习的E-FCM-CNN路面裂缝图像识别方法及系统

    公开(公告)号:CN118015341A

    公开(公告)日:2024-05-10

    申请号:CN202410063013.7

    申请日:2024-01-16

    Abstract: 本发明属于路面质量检测相关技术领域,其公开了一种融合无监督学习的E‑FCM‑CNN路面裂缝图像识别方法及系统,方法包括采集路面图像,所述路面图像至少包括单一背景无裂缝、杂乱背景有裂缝、单一背景有裂缝和杂乱背景有裂缝的图像;对路面图像进行预处理并扩充获得数据集;采用无监督学习算法对数据集进行分类处理,并对图像中的路面裂缝区域生成目标标记框;构建卷积神经网络模型,将数据集输入特征提取网络,得的特征图,将特征图输入区域建议网络获得含有裂缝的候选区域框;将候选区域框与目标标记框进行比对获得有效候选框;将有效候选框和特征图输入目标检测网络中的ROI池化层和全链接层获得图像识别结果。本申请可以实现对路面裂缝快速准确的识别。

    基于多维影响因子的道面养护因果效应判断方法及系统

    公开(公告)号:CN117391664A

    公开(公告)日:2024-01-12

    申请号:CN202311223781.6

    申请日:2023-09-21

    Abstract: 本发明属于道面养护领域,并具体公开了一种基于多维影响因子的道面养护因果效应判断方法及系统,其包括:S1以是否进行养护作为治疗变量,以对道面质量造成影响的影响因子作为环境变量,以道面质量作为结果变量,根据各变量的因果关系构建因果图,并获取观测数据;S2基于因果图和观测数据,通过后门准则对变量进行因果识别,确定混淆变量;S3基于混淆变量,根据倾向性得分模型进行因果效应估计,得到治疗变量与结果变量的因果效应;S4检测估计结果的鲁棒性,若鲁棒性满足要求,则以此时因果效应为最终值;否则,修改因果图结构并回到S2。本发明可实现道面复杂环境因果图下,治疗与结果间因果关系的准确量化,确定合适的道面养护方法。

Patent Agency Ranking