-
公开(公告)号：CN117011280A
公开(公告)日：2023-11-07
申请号：CN202311069716.2
申请日：2023-08-24
Applicant: 华东交通大学
Abstract: 本发明为基于点云分割的3D打印混凝土墙质量监测方法及系统，所述监测方法包括以下内容：获取3D打印混凝土墙施工过程中的点云数据并将点云坐标进行归一化处理；构建神经网络模型PSC‑Net，获得已打印的混凝土墙施工层的边界点云；基于获得已打印的混凝土墙施工层的边界点云进行层高监测，直接跳过层高计算步骤，通过检测偏离点的数量来进行层高检测，大大提升了检测效率。可以实现实时监测和分析施工数据，及时发现问题并采取措施，优化施工方案，确保施工安全和质量。
-
公开(公告)号：CN116664846A
公开(公告)日：2023-08-29
申请号：CN202310946169.5
申请日：2023-07-31
Applicant: 华东交通大学
IPC: G06V10/26 , G06V20/40 , G06V10/774 , G06T7/62 , G06Q10/0639
Abstract: 本发明为基于语义分割实现3D打印桥面施工质量监测方法及系统，包括以下内容：获取3D打印桥面施工过程中打印区域的缺陷图像，并对缺陷视频图像逐帧进行标注，将标注后的缺陷图像分为训练集和测试集；构建语义分割缺陷测量模型，所述语义分割缺陷测量模型包括SegFormer神经网络和用于像素面积与实际面积换算的面积换算模块：利用训练集训练SegFormer神经网络获得缺陷的像素面积，再通过面积换算模块获得缺陷的实际面积，至此完成语义分割缺陷测量模型的构建，用于3D打印桥面施工质量监测。该系统应用到桥面施工过程质量监测中，具有精细化识别图像信息的功能，可对裂缝和气泡缺陷识别并量化，提高施工效率和质量。
-
公开(公告)号：CN118864424B
公开(公告)日：2025-05-09
申请号：CN202411028358.5
申请日：2024-07-30
Applicant: 华东交通大学
IPC: G06T7/00 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/084
Abstract: 本发明为基于RT‑DETR‑Sat的道路巡检机器人障碍检测方法及系统，所述检测方法包括以下步骤：获取道路巡检过程中巡检区域的道路图像，并对道路图像逐帧进行标注，将标注后的障碍物图像分为训练集和测试集；构建RT‑DETR‑Sat目标检测模型，RT‑DETR‑Sat目标检测模型包括主干网络ResNeSat、混合编码器和带有辅助预测头的解码器，图片输入主干网络ResNeSat中，获得多层不同尺度的特征图，利用混合编码器处理多尺度特征，将混合编码器的输出连接IoU感知查询选择，从中选择固定数量的特征作为解码器的初始目标查询，解码器生成边界框和置信度得分，最后将模型的输出转化为概率分布，得到最终的预测结果，用于道路巡检机器人障碍检测。其兼顾较高的实时性和较高的检测精度。
-
公开(公告)号：CN119296079B
公开(公告)日：2025-04-01
申请号：CN202411845977.3
申请日：2024-12-16
Applicant: 华东交通大学
IPC: G06V20/58 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明为点云实时语义分割自动驾驶路障检测方法及系统，包括以下内容：使用激光雷达获取场景的三维点云数据，并为采集的点云数据每个帧标注相应的标签，获得数据集；所述标签包括栅栏物类、自行车类、公共汽车类、小轿车类、拖车类、卡车类、摩托车类、人行道类、草地类、步行者类；构建点云分割模型，点云分割模型采用深度学习架构PCformer，包括点云嵌入阶段、共享阶段和分割头阶段；深度学习架构PCformer使用Python实现、并使用C++和CUDA进行加速，利用数据集训练后，获得训练后的点云分割模型，用于在自动驾驶场景中对路障信息进行实时检测分类。本发明可以显著地减少系统的运行时间，实现对路障的实时检测。
-
公开(公告)号：CN119478859A
公开(公告)日：2025-02-18
申请号：CN202510065182.9
申请日：2025-01-16
Applicant: 华东交通大学
IPC: G06V20/54 , G06V10/764 , G06V10/774
Abstract: 本发明为应对光线影响的自动驾驶YOLO目标检测方法与系统，所述检测方法包括：使用车载摄像头在若干街道拍摄街道道路实际情况图像，获取不同街道的不同道路不同时间段的车辆实况图，构成图像数据集；将图像数据集使用LabelImg工具进行标注，标识出图像中的车辆目标，包括车辆的边界框和类别信息；构建应对光线影响的自动驾驶YOLO目标检测网络模型；利用获得的图像数据集训练应对光线影响的自动驾驶YOLO目标检测网络模型，以训练后的应对光线影响的自动驾驶YOLO目标检测网络模型用于应对光线影响下的车辆目标检测。本发明能够为自动驾驶车辆提供精确的车距调整和安全行驶决策，确保在各种光线条件下的行车安全和效率。
-
Patent Agency Ranking
公开(公告)号：CN116630282B
公开(公告)日：2025-01-21
申请号：CN202310627051.6
申请日：2023-05-31
Applicant: 华东交通大学
IPC: G06T7/00 , G06T7/60 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本发明为基于深度学习的3D打印桥预制箱梁施工质量监测系统，包括：数据(图像)收集处理模块，通过工业相机对打印区域进行图像采集及处理；数据标注与模型训练模块，与所述的数据(图像)收集处理模块连接，构建用于目标检测与测量的收敛模型；信息校准与存储模块，与所述的数据标注与模型训练模块连接，将测试集输入到训练后的目标检测算法，采用校准算法对转换函数模块中的换算比M进行修正，以校准后的换算比M’更新转换函数模块，获得校准后的收敛模型；缺陷检测与分析模块；预警与提示处理模块。不仅能够实现减少人工成本、提升打印效率、保证打印产品的质量，同时也能使追求更大规模建筑级别的3D打印实现成为可能。
-
公开(公告)号：CN119229209A
公开(公告)日：2024-12-31
申请号：CN202411418766.1
申请日：2024-10-12
Applicant: 华东交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/20 , G06V10/26 , G06N3/0455
Abstract: 本发明公开一种装配式T梁上翼板连接钢筋质量智能检测方法，该检测方法采用的分割模型采用VIM模型作为图像编码器，提高处理图像更有效率。然后利用提示编码器生成目标令牌、提示令牌以及高质量目标令牌，显著提高了分割的精度和细节，保持了SAM的零样本泛化能力。此外，该分割模型采用由多个CBAM注意力机制层、多个KAN网络以及卷积操作构成的掩码解码器，降低了计算复杂度、计算量，但能使得网络能够更好地捕捉图像中的关键信息，提高网络的效率和准确度。此外，本发明检测方法将语义分割算法应用到装配式T梁上翼板连接钢筋质量智能检测中，具有精细化识别图像信息的功能，可对钢筋质量识别进行量化，提高施工效率和质量，减少人工监测的依赖。
-
公开(公告)号：CN118918060A
公开(公告)日：2024-11-08
申请号：CN202410907130.7
申请日：2024-07-08
Applicant: 华东交通大学
IPC: G06T7/00 , G06V10/774 , G06V10/26 , G06V10/764 , G06V10/54 , G06N3/048 , G06V10/74 , G06V10/82
Abstract: 本发明为一种3D打印混凝土构建质量实时评估方法及系统，所述方法包括：构建评估数据集：将相机固定在打印喷嘴上，对打印墙体沿打印高度方向进行侧面拍摄，选择不含打印件背景、打印层清晰可见、纹理细节清楚的子集图像，将子集图像和非3D打印的混凝土图像作为原始数据集；对原始数据集进行数据增强处理得到增强数据集R*；对增强数据集R*，进行两种标注处理：第一种对应于层间线的二进制分割掩模；第二种标注对应于从增强数据集图像R*提取的窗口的纹理分类；构建层厚分割模型；构建纹理异常判断模型，利用纹理异常判断模型获得纹理是否异常的分类，利用层间厚度和纹理异常情况评估打印质量。实现3D打印混凝土构建过程中的质量的实时检测。
-
公开(公告)号：CN118865253A
公开(公告)日：2024-10-29
申请号：CN202411028492.5
申请日：2024-07-30
Applicant: 华东交通大学
IPC: G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V20/70
Abstract: 本发明基于多种深度学习的高层建筑施工安全监测方法及系统，所述监测方法包括以下内容：获取工作场所中员工佩戴安全帽和安全带情况的图像，构建数据集；采用StyleGAN‑T对数据集进行增强处理：首先使用获取的图像对StyleGAN‑T进行训练，并使用Fid评估指标对其进行评估，当Fid达到90以上终止训练；利用训练后的StyleGAN‑T获得目标数量的虚拟图像，生成虚拟数据；利用获取的图像和虚拟数据构建训练改进的YOLOv7深度神经网络的目标数据集；利用目标数据集训练改进的YOLOv7深度神经网络，用于工作场所中安全装备佩戴情况的安全监测，包括佩戴安全帽和安全带情况。本发明能够准确、高效地识别未正确佩戴安全装备的员工，为提高工作场所的安全性提供了有效的手段。
-
公开(公告)号：CN118822996A
公开(公告)日：2024-10-22
申请号：CN202410954974.7
申请日：2024-07-17
Applicant: 华东交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明为基于MIU‑Transformer的装配式桥梁焊接质量检测方法，包括以下步骤：获取装配式桥梁焊接缺陷图像数据集，并对图像进行像素级标注，为每个像素分配相应的语义标签；采用MIU‑Transformer神经网络进行语义分割缺陷测量，MIU‑Transformer神经网络包括集成蒙版图像均匀性与无监督域自适应的框架、由Transformer编码器和上下文感知特征融合解码器组成的主网络；利用训练后的MIU‑Transformer神经网络获得语义分割后的图像，计算缺陷的面积。该方法能够准确、高效地检测出的钢材料焊接缝缺陷并进行量化，为装配式桥梁质量保障和维护提供了有效的手段。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.065 seconds)
