-
公开(公告)号：CN111795978B
公开(公告)日：2020-12-04
申请号：CN202010934875.4
申请日：2020-09-08
Applicant: 湖南大学
Abstract: 本申请公开了一种钢桥结构健康状态评估方法、装置、设备及存储介质，包括：采集钢桥表面各类病害图像和不同受力及疲劳状态下的各构件表面显微图像；以各类病害图像为输入，以病害种类及损伤程度为输出，构建并训练结构病害分类及损伤评估模型；以显微图像为输入，以钢材种类、疲劳寿命及应力识别为输出，构建并训练钢材分类及应力评估模型和钢材分类及疲劳状态评估模型；利用多镜头钢桥爬壁机器人定时定点检测图像的采集；将检测图像分别输入对应的上述评估模型中，分别得出病害损伤程度、应力状态、疲劳状态的预测评分结果，依据各构件的三个评估分数加权求和后得到钢桥结构整体健康状态评分。这样安全有效、操作简便、精度更高、智能化程度高。
-
Patent Agency Ranking
公开(公告)号：CN111948286A
公开(公告)日：2020-11-17
申请号：CN202010796232.8
申请日：2020-08-10
Applicant: 湖南大学
Abstract: 本发明公开了一种基于超声波和深度学习的应力检测方法，通过接收待测样品的结构材料信息及超声波探测信号；根据所述结构材料信息，确定对应的结构应力模型；根据所述超声波探测信号，通过所述结构应力模型得到所述待测样品的应力信息；所述结构应力模型为通过预设的样本集训练得到的神经网络模型。本发明操作简单且不会对样品的结构造成任何损伤，检测成本较低；只要有足够的超声波样本供神经网络模型，模型的检测精度和准确度就很高，从而可大幅提升检测精度和检测效率；此外，超声波检测应力，不受待测样品的材料限制，普适性较强。本发明还提供了一种具有上述优点的基于超声波和深度学习的应力检测装置、设备及计算机可读存储介质。
-
公开(公告)号：CN111795978A
公开(公告)日：2020-10-20
申请号：CN202010934875.4
申请日：2020-09-08
Applicant: 湖南大学
Abstract: 本申请公开了一种钢桥结构健康状态评估方法、装置、设备及存储介质，包括：采集钢桥表面各类病害图像和不同受力及疲劳状态下的各构件表面显微图像；以各类病害图像为输入，以病害种类及损伤程度为输出，构建并训练结构病害分类及损伤评估模型；以显微图像为输入，以钢材种类、疲劳寿命及应力识别为输出，构建并训练钢材分类及应力评估模型和钢材分类及疲劳状态评估模型；利用多镜头钢桥爬壁机器人定时定点检测图像的采集；将检测图像分别输入对应的上述评估模型中，分别得出病害损伤程度、应力状态、疲劳状态的预测评分结果，依据各构件的三个评估分数加权求和后得到钢桥结构整体健康状态评分。这样安全有效、操作简便、精度更高、智能化程度高。
-
公开(公告)号：CN119784579A
公开(公告)日：2025-04-08
申请号：CN202510274128.5
申请日：2025-03-10
Applicant: 湖南大学
Abstract: 本申请公开了一种预制混凝土构件智能预装配对齐方法及系统，涉及计算机视觉技术领域，包括：提取预制混凝土构件设计模型的第一装配截面特征点及预制混凝土构件竣工模型的第二装配截面特征点；装配截面特征点包括预制混凝土柱底面套筒中心点及预留钢筋端面中心点；基于扩展正交普氏分析计算第一装配截面特征点和第二装配截面特征点之间的第一偏差值；若第一偏差值小于或等于预设偏差阈值，则通过扩展正交普氏分析计算预制混凝土构件竣工模型的预制混凝土柱底面套筒中心点与预留钢筋端面中心点之间的第二偏差值；若第二偏差值小于或等于目标偏差阈值，则将预制混凝土构件进行装配对齐。解决了预制混凝土构件在对齐时因误差导致的拼装返工问题。
-
公开(公告)号：CN119784579B
公开(公告)日：2025-05-09
申请号：CN202510274128.5
申请日：2025-03-10
Applicant: 湖南大学
Abstract: 本申请公开了一种预制混凝土构件智能预装配对齐方法及系统，涉及计算机视觉技术领域，包括：提取预制混凝土构件设计模型的第一装配截面特征点及预制混凝土构件竣工模型的第二装配截面特征点；装配截面特征点包括预制混凝土柱底面套筒中心点及预留钢筋端面中心点；基于扩展正交普氏分析计算第一装配截面特征点和第二装配截面特征点之间的第一偏差值；若第一偏差值小于或等于预设偏差阈值，则通过扩展正交普氏分析计算预制混凝土构件竣工模型的预制混凝土柱底面套筒中心点与预留钢筋端面中心点之间的第二偏差值；若第二偏差值小于或等于目标偏差阈值，则将预制混凝土构件进行装配对齐。解决了预制混凝土构件在对齐时因误差导致的拼装返工问题。
-
公开(公告)号：CN119851098A
公开(公告)日：2025-04-18
申请号：CN202510329761.X
申请日：2025-03-20
Applicant: 湖南大学
Abstract: 本申请公开了基于深度学习的钢筋绑扎决策方法、装置、设备及存储介质，涉及土木建筑领域，应用于钢筋绑扎机器人，包括：采集当前绑扎区域的目标2D图和目标深度图，利用表层钢筋网提取算法对目标2D图和目标深度图进行处理以得到表层钢筋网图像，并输入至绑扎判识定位模型以确定出已绑扎点、未绑扎点和关键点坐标；关键点包括已绑扎点和未绑扎点；对关键点坐标进行路径排序以得到目标绑扎路径，基于目标绑扎路径绑扎未绑扎点；其中，表层钢筋网提取算法为利用基于动态贝叶斯网络改进的随机样本一致算法构建的算法；绑扎判识定位模型为基于关键点检测深度学习模型和邻域深度平均算法构建的模型。本申请提高了钢筋绑扎机器人的工作效率。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
