-
公开(公告)号:CN119963480A
公开(公告)日:2025-05-09
申请号:CN202411871548.3
申请日:2024-12-18
Applicant: 哈尔滨工业大学 , 中建八局轨道交通建设有限公司
IPC: G06T7/00 , G06T5/70 , G06T5/90 , G06T3/60 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于图像采集与激光扫描设备的盾构掘进排土量智能监测方法,所述方法通过对盾构机运行影响因素,包括环境因素,盾构机的状态等进行实时监控,对是否超排进行预测及时给出指令,并且通过神经网络模型不断优化学习,通过控制系统对盾构机达到实时控制的目的。本发明通过对盾构机渣土排除图像的识别,对是否超排进行预测及时给出指令。同时也给出了精确测量排土量的方法,通过三维激光扫描仪,生成传送带上渣土侧剖面二维模型并获取点云数据,结合神经网络识别的渣土平面图像对盾构排土的体积进行精准测量。本发明综合考虑了地质环境实际施工等因素的影响,结合实时监测数据对渣土排量进行动态计算与预估,提高了施工安全性和效率。
-
公开(公告)号:CN119878211A
公开(公告)日:2025-04-25
申请号:CN202411871550.0
申请日:2024-12-18
Applicant: 哈尔滨工业大学 , 中建八局轨道交通建设有限公司
IPC: E21D9/12 , E21D9/06 , E21D9/093 , G08B21/18 , G06V10/764 , G06V10/82 , G06V10/30 , G06V10/20 , G06V10/44 , G06V10/56 , G06V10/774 , G06V20/50 , G06T7/62 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种盾构掘进出渣非接触式实时测量和防超排智能控制方法,所述方法如下:步骤1:选择设备及设备安装;步骤2:采集图像;步骤3:图像预处理;步骤4:构建CNN机器学习模型;步骤5:应用CNN机器学习模型与报警机制的设定;步骤6:建立实时监测与反馈系统;步骤7:数据记录与分析。CNN能够自动提取复杂数据中的局部特征,尤其适用于处理图像。在掘进过程中,CNN可以从图像数据中识别出盾构机的工作状态等有用的特征,从而为超排风险预测和控制提供更准确的参考。由于CNN能够处理大量复杂数据并捕获其中的精度变化,其预测精度通常比传统方法更高,在防超排控制中,采用CNN可以有效提升控制系统的精度和稳定性。
-
公开(公告)号:CN119579955A
公开(公告)日:2025-03-07
申请号:CN202411584755.0
申请日:2024-11-07
Applicant: 哈尔滨工业大学 , 厦门市政环境科技股份有限公司
IPC: G06V10/764 , G06T5/20 , G06T5/40 , G06V10/774 , G06T3/4053 , G06N3/0464 , G06N3/08 , G06F17/18
Abstract: 地下水质净化厂水体浑浊状态实时图像对比方法及其识别系统,属于水体监测技术领域。包括用于实时采集图像的高清摄像头,用于存储高清摄像头采集的图像的图像存储模块,用于处理并记录水体图像、识别结果及相关环境参数的图像处理模块,用于水体状况预警的警报模块。方法如下:实时采集水体图像;图像预处理;设置阈值分界线;分析水体浑浊状态的变化趋势,并判断是否报警。本发明不仅提高了浑浊状态识别的准确性,还实现了快速响应的预警机制,能够及时向相关部门发送警报,以便于采取相应措施,具有高效率、低成本和易于部署的特点,适用于各类水体的长期监测与管理。
-
-