公开(公告)号：CN117197538B

公开(公告)日：2024-05-14

申请号：CN202311031417.X

申请日：2023-08-16

Applicant: 哈尔滨工业大学

Inventor： 浦钧森 ,  张浩宇 ,  黄永 ,  吉政林 ,  李惠

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/776 ,  G06V10/774 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明提出一种基于高斯分布权重采样的贝叶斯卷积神经网络结构表观损伤识别方法。所述方法包括根据需求建模高斯分布权重采样的贝叶斯卷积神经网络；结构表观损伤图片标准化处理；表观损伤视觉识别及损伤视觉识别结果可靠度的判定等。本发明所述方法利用多结构，多角度的表观损伤图片数据训练贝叶斯卷积神经网络模型，提出模型应用的标准条件。所训练的模型可以完成结构表观损伤视觉识别并给出模型对于识别结果的置信度，从而判断模型结果的可靠性。此外，该方法考虑了图片采集质量不统一，图片存在遮挡与光照等因素引起的不确定性，为评估结构安全提供鲁棒性建议。

公开(公告)号：CN117197538A

公开(公告)日：2023-12-08

申请号：CN202311031417.X

申请日：2023-08-16

Applicant: 哈尔滨工业大学

Inventor： 浦钧森 ,  张浩宇 ,  黄永 ,  吉政林 ,  李惠

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/776 ,  G06V10/774 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明提出一种基于高斯分布权重采样的贝叶斯卷积神经网络结构表观损伤识别方法。所述方法包括根据需求建模高斯分布权重采样的贝叶斯卷积神经网络；结构表观损伤图片标准化处理；表观损伤视觉识别及损伤视觉识别结果可靠度的判定等。本发明所述方法利用多结构，多角度的表观损伤图片数据训练贝叶斯卷积神经网络模型，提出模型应用的标准条件。所训练的模型可以完成结构表观损伤视觉识别并给出模型对于识别结果的置信度，从而判断模型结果的可靠性。此外，该方法考虑了图片采集质量不统一，图片存在遮挡与光照等因素引起的不确定性，为评估结构安全提供鲁棒性建议。