-
公开(公告)号：CN119470860A
公开(公告)日：2025-02-18
申请号：CN202411431893.5
申请日：2024-10-14
Applicant: 广州航海学院
IPC: G01N33/38 , G01N25/04 , G01D21/02 , G01N25/00 , G01N3/08 , G06F30/13 , G06F119/14 , G06F119/08
Abstract: 本申请提供一种信号失配下的土木施工监测智能传感器信息检测方法及系统，包括：对温度和应变基频分量进行时频分析，选取与混凝土凝结和强度增长过程相适应的小波基函数，通过小波系数的自适应阈值处理，去除高频噪声，保留反映混凝土强度增长的低频信号特征；采用奇异值分解算法对去噪后的温度和应变信号进行特征提取，通过奇异值谱的突变检测混凝土内部缺陷，若存在裂缝、孔洞缺陷，应力集中会引起应变信号突变；若检测到混凝土内部存在缺陷，即存在温度和应力分布的空间非均匀性，则将多点布设的温度和应变监测数据以及缺陷检测结果作为边界条件和约束，通过数值模拟获得整个混凝土结构内部的温度场和应力场。
-
公开(公告)号：CN119444707A
公开(公告)日：2025-02-14
申请号：CN202411516791.3
申请日：2024-10-29
Applicant: 广州航海学院
IPC: G06T7/00 , G06V10/77 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种对抗生成网络的桥梁结构外表面缺陷识别方法，包括收集桥梁表面的图像，对图像进行裁剪、旋转、缩放，并对图像进行标注以标记缺陷的位置和类型，使用生成器网络逐步减小特征图尺寸以增加特征提取，同时使用判别器网络逐步增大特征图尺寸以增加特征识别，通过初始化生成器和判别器权重，设置初始学习率，并交替更新生成器和判别器网络的权重，评估生成器生成的图像质量，并训练完成使用生成器生成桥梁表面图像，使用判别器判断图像是否包含缺陷，并在判别器上进一步确定缺陷和类型，该方法能够有效解决现有技术中对抗生成网络训练过程中的问题，提高桥梁结构外表面缺陷识别的准确率。
-
公开(公告)号：CN119413695A
公开(公告)日：2025-02-11
申请号：CN202411442581.4
申请日：2024-10-16
Applicant: 广州航海学院
IPC: G01N17/00 , G01N17/02 , G01N27/26 , G01N23/203 , G01N23/20058 , G16C20/20 , G16C20/70 , G06N3/0464 , G06F18/241
Abstract: 本申请提供一种基于深度学习的桥梁结构侵蚀程度监测方法，包括：针对不同类型和部位的桥梁钢材样本，利用电子背散射衍射方法表征晶界结构、晶粒取向微观组织特征，确定晶体典型微观组织类型；对获取的大样本数据集进行预处理和特征工程处理，提取氯离子浓度与微观组织特征，构建晶间腐蚀预测模型的训练数据；根据氯离子浓度的变化规律与晶体典型微观组织类型，构建桥梁钢材晶间腐蚀预测模型，并在大样本数据集上进行训练和验证；在桥梁钢材服役环境中布设无线传感器网络，实时采集氯离子浓度、温湿度环境参数，通过数据预处理和特征提取以得到模型输入所需的数据。
-
公开(公告)号：CN119295660A
公开(公告)日：2025-01-10
申请号：CN202411359476.4
申请日：2024-09-27
Applicant: 广州航海学院
Abstract: 本申请提供一种深度学习和计算机视觉的桥梁结构裂缝位置识别方法，包括：获取多视角可见光图像与深度图像，根据配准参数融合可见光与深度图像，生成包含桥梁的纹理和深度信息的融合图像；针对融合图像，采用自适应阈值分割算法提取裂缝区域，动态调整阈值大小，得到裂缝二值图像；根据裂缝二值图像，通过三维重建算法计算裂缝像素点的三维坐标，重建得到包含裂缝空间位置和形态信息的三维点云数据；基于三维点云数据，采用三维局部特征描述符刻画裂缝表面几何属性，计算裂缝片段参数，构建三维裂缝模型；基于深度学习模型，采用迁移学习策略，形成自适应可迁移的桥梁裂缝三维检测方法，更新模型参数使其适应目标桥梁特点。
-
公开(公告)号：CN118037730B
公开(公告)日：2024-06-18
申请号：CN202410437598.4
申请日：2024-04-12
Applicant: 广州航海学院
Abstract: 本发明公开了一种基于计算机图像处理的裂缝长度检测系统，包括图像采集模块、图像处理模块、裂缝边缘提取模块、裂缝区域分割模块、形态学处理模块、裂缝尺寸测量模块和裂缝分析评估模块；本发明通过使用高精度图像采集装置、图像处理模块、裂缝边缘提取模块和裂缝区域分割模块，有效识别不同材料背景下裂缝的边缘特征，提高了裂缝检测的准确性，通过图像处理模块中的图像滤波去噪、对比度和亮度调整等技术，提高了对裂缝边缘的清晰度，克服了环境干扰对检测系统的影响，裂缝尺寸测量模块通过精炼后的裂缝区域图像，对裂缝的长度和宽度进行精确测量，解决了裂缝本身的宽度不一、走向复杂多变的问题，提高了裂缝尺寸测量的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118771828A
公开(公告)日：2024-10-15
申请号：CN202410915089.8
申请日：2024-07-09
Applicant: 广州航海学院
IPC: C04B28/06 , C04B40/02 , C04B111/20
Abstract: 本发明提供了一种海水海砂超高性能混凝土的制备方法、采用该方法制备的混凝土及其养护工艺，制备方法包括：前处理步骤，具体为采用第一胶凝材料与珊瑚骨料拌合形成第一拌合物；采用第一胶凝材料和珊瑚砂拌合形成第二拌合物；第一胶凝材料包括铝酸盐水泥80‑100份，矿渣微粉5‑7份。本发明提供的制备方法中铝酸盐水泥可以在珊瑚骨料和珊瑚砂表面生成高强度和高耐久性的膜，矿渣微粉与铝酸盐水泥和海水反应，可以减少铝酸盐水泥释放的水化热，同时形成可以提高膜的耐久性的凝胶，这种凝胶还可以增加膜的抗张强度。膜成分可以吸附氯离子并封堵和吸附珊瑚骨料和珊瑚砂内部的氯离子。
-
公开(公告)号：CN118520722A
公开(公告)日：2024-08-20
申请号：CN202410588800.3
申请日：2024-05-13
Applicant: 广州航海学院
IPC: G06F30/23 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/26 , G06V10/40 , G06T7/13 , G06T5/70 , G06F30/13 , G06T17/20 , G06F119/14
Abstract: 本发明公开了一种基于计算机视觉的土木结构变化监测数据优化方法，包括S1、采用计算机视觉技术对土木结构的各个层次进行识别和分割、S2、通过卷积神经网络对获取的二维图像进行特征提取，并确定每个层次的结构组成和材料信息、S3、使用多视角立体匹配或体素彩色化方法生成对应的三维模型、S4、运用网格简化和平滑处理技术，同时应用拓扑修正算法进行修正、S5、通过建立数据索引和链接，形成一个结构化的分层监视模型和S6、结合有限元方法对结构的受力状态和变形情况进行详细计算与预测，识别结构的异常状态和潜在风险；本发明解决土木结构变化监测中的挑战，提升监测效率、准确性和实时性，为结构变化的监测、评估和管理提供更加可靠的技术支持。
-
公开(公告)号：CN118424232A
公开(公告)日：2024-08-02
申请号：CN202410506970.2
申请日：2024-04-25
Applicant: 广州航海学院
IPC: G01C15/00 , G06T5/70 , G06T5/80 , G06T7/80 , G06T7/557 , G06T7/246 , G06T5/40 , G01S11/12 , G06T17/00
Abstract: 本发明公开了一种基于计算机视觉的水下结构测距系统，包括图像采集与预处理模块、摄像头标定与图像校正模块、立体视觉匹配与深度估计模块、深度图处理模块、三维重建模块和目标跟踪与分析模块；本发明通过计算机视觉技术结合双摄像头同步捕捉原始图像，实现从水下图像采集到三维结构测距的全过程；采用标定板对摄像头进行同步拍摄和标定，消除镜头畸变，提高立体对应关系准确性，利用运动模型和状态预测提高目标跟踪的连续性和预测性能，解决传统目标跟踪算法在目标状态更新和预测方面的不足，利用图像预处理、立体视觉匹配、深度估计、三维重建和目标跟踪等模块，有效应对水下环境复杂的光照和水质条件，提高水下结构测距的准确性和可靠性。
-
公开(公告)号：CN120068017A
公开(公告)日：2025-05-30
申请号：CN202510232517.1
申请日：2025-02-28
Applicant: 广州航海学院
IPC: G06F18/27 , G06F18/213 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/0442 , G06Q10/0635 , G06Q50/26
Abstract: 本申请涉及一种生态边坡支护在线智能检测方法及系统，方法包括先采集其生态参数和结构参数，接着对两类参数进行因果检验，区分出因果指标集和独立指标。之后采用不同处理策略，因果指标集构建特征向量，经深度学习模型融合后用第一风险预测模型得出第一结果；独立指标经关联性分析归类，用第二风险预测模型得出第二结果。最后结合两个结果，得到目标边坡的总风险预测结果。系统用于执行上述方法。本申请结合生态边坡的生态参数和结构参数的因果关系及指标间的关联性对边坡的稳定性风险进行预测，使得风险预测时可充分考虑指标间的因果关系及关联性，有利于提高稳定性风险预测的准确性，进而提高生态边坡在线智能检测的准确性和有效性。
-
公开(公告)号：CN118520722B
公开(公告)日：2025-02-28
申请号：CN202410588800.3
申请日：2024-05-13
Applicant: 广州航海学院
IPC: G06F30/23 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/26 , G06V10/40 , G06T7/13 , G06T5/70 , G06F30/13 , G06T17/20 , G06F119/14
Abstract: 本发明公开了一种基于计算机视觉的土木结构变化监测数据优化方法，包括S1、采用计算机视觉技术对土木结构的各个层次进行识别和分割、S2、通过卷积神经网络对获取的二维图像进行特征提取，并确定每个层次的结构组成和材料信息、S3、使用多视角立体匹配或体素彩色化方法生成对应的三维模型、S4、运用网格简化和平滑处理技术，同时应用拓扑修正算法进行修正、S5、通过建立数据索引和链接，形成一个结构化的分层监视模型和S6、结合有限元方法对结构的受力状态和变形情况进行详细计算与预测，识别结构的异常状态和潜在风险；本发明解决土木结构变化监测中的挑战，提升监测效率、准确性和实时性，为结构变化的监测、评估和管理提供更加可靠的技术支持。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.021 seconds)
