公开(公告)号：CN120071192A

公开(公告)日：2025-05-30

申请号：CN202510046649.5

申请日：2025-01-13

Applicant: 长江空间信息技术工程有限公司(武汉) ,  长江勘测规划设计研究有限责任公司

Inventor： 李双平 ,  夏辉 ,  柯丰恺 ,  王成 ,  钟良

IPC: G06V20/17 ,  G06V20/10 ,  G06T17/00

Abstract: 本发明公开了一种基于无人机的建筑立面无畸变全景影像无缝拼接系统及方法，通过无人机获取建筑表面的初步图像，根据初步图像进行建模获取建筑粗略三维模型；基于建筑粗略三维模型规划无人机贴近飞行的航迹路线，再次采集建筑表面的精细图像，根据精细图像进行建模获取建筑精细三维模型；基于建筑精细三维模型获取建筑点云数据，根据建筑点云数据对建筑的各立面进行重投影；对建筑不同立面的重投影图像进行拼接，形成完整的建筑立面全景影像。本发明结合了无人机的高机动性和三维建模技术，能够高效地获取建筑表面的图像并构建精细的三维模型，通过重投影和拼接技术，可以生成无畸变的建筑立面全景影像，为相关应用提供可靠的数据基础。

公开(公告)号：CN115439763A

公开(公告)日：2022-12-06

申请号：CN202210960331.4

申请日：2022-08-11

Applicant: 长江空间信息技术工程有限公司(武汉) ,  中国三峡建工(集团)有限公司 ,  恩施清江大龙潭水电开发有限公司 ,  国家能源集团江西电力有限公司万安水力发电厂

Inventor： 柯丰恺 ,  伍中华 ,  黄涛 ,  罗兵 ,  廖东晓 ,  李圣田 ,  王成 ,  龚武 ,  张克斌 ,  陈旭 ,  郭雪东 ,  何涛

IPC: G06V20/17 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于YOLOv5模型的水工程表面裂缝检测方法。它包括如下步骤，步骤一：采用无人机采集水工程表面图像；步骤二：根据采集图像，进行图像增强，扩充数据集；采用图像预处理模块处理所获得的采集图像，步骤三：标注裂缝样本图像，并建立模型训练集、验证集、测试集；将这些数据集分类为YOLOv5模型的训练集、验证集、测试集；步骤四：根据应用需求，完成指定模型训练任务；利用训练集对YOLOv5模型进行训练、采用验证集对YOLOv5模型进行验证，以获得训练过程中最优的YOLOv5模型；步骤五：采用测试集进行测试，应用模型至实际工程项目中。本发明具有提高缺陷检测精度和效率的优点。

公开(公告)号：CN117830826A

公开(公告)日：2024-04-05

申请号：CN202311591646.7

申请日：2023-11-27

Applicant: 长江空间信息技术工程有限公司(武汉) ,  长江勘测规划设计研究有限责任公司

Inventor： 柯丰恺 ,  钟良 ,  葛培清 ,  王成 ,  熊爽 ,  彭海剑 ,  段锦章 ,  胡岑

IPC: G06V20/10 ,  G06V20/17 ,  G06V20/70 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于无人机的混凝土大坝表面细长裂缝检测方法。它包括如下步骤，步骤一：采用无人机采集大坝裂缝真实数据集；步骤二：收集网上裂缝的开源数据集；步骤三：裁剪开源图片至同等大小，并进行标注和建立训练集、测试集；步骤四：在YOLOv5融入SENet模型；步骤五：选择YOLOv5模型，完成训练任务；步骤六：将部分真实图片裁剪并标注，建立训练集、测试集；步骤七：对模型再次训练和测试，根据实际需求调整超参数；步骤八：将最终调试好的YOLOv5模型输入步骤一中的原始无人机图片，输出检测结果。本发明克服了现有技术检测准确度和检测效率低的缺点；具有提高缺陷检测精度和效率的优点。

公开(公告)号：CN116862856A

公开(公告)日：2023-10-10

申请号：CN202310796111.7

申请日：2023-07-01

Applicant: 长江空间信息技术工程有限公司(武汉)

Inventor： 柯丰恺 ,  钟良 ,  王成 ,  彭海剑 ,  熊爽 ,  段锦章 ,  胡岑 ,  杨俊

IPC: G06T7/00 ,  G06V20/17 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种基于改进的YOLOv5模型的混凝土大坝表面裂缝检测系统。它包括图像采集模块、数据集搭建模块、模型训练模块和模型调整模块；数据集搭建模块用于在模型初训练时，提供开源裂缝图像数据集，图像分辨率调节，数据集拆分功能；在模型精训练时，提供图像分块，裂缝标记，数据集拆分功能；模型训练模块包括YOLOv5模型选型、利用开源数据集的初步训练、真实数据集精训练以及保存模型的权重参数；网络模型调整模块在应用测试集图像时，用于自主调整模型超参数；在应用原始无人机图像时，用于图像裁剪和拼接。本发明具有提高裂缝检测自动化以及准确率的优点。本发明还公开了基于改进的YOLOv5模型的混凝土大坝表面裂缝检测系统的检测方法。