公开(公告)号：CN118761987B

公开(公告)日：2025-02-14

申请号：CN202410906818.3

申请日：2024-07-08

Applicant: 华东交通大学

Inventor： 赵宏宇 ,  孙浚博 ,  王翔宇 ,  钱志祥 ,  常存德 ,  田华 ,  王雨飞

IPC: G06T7/00 ,  G06T5/70 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/26 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V10/762 ,  G06T7/13 ,  G06N3/0499

Abstract: 本发明为一种3D打印混凝土内部微观裂缝的量化方法及系统，所述量化方法在对微观裂缝图像进行相关标准测量之前，首先采用了一个去噪网络，增强注意力机制去噪网络IADNet，使用IADNet可以从不同视野对微观裂缝图像进行特征的提取，从多层次进行噪声的感知，并且进行去噪处理，大幅度提升图像质量，增强纹理细节，有利于进行分割网络的训练。将IADNet与语义分割算法联合使用，具有精细化识别图像信息的功能，可对微观裂缝识别进行量化，可以克服3D打印混凝土微观裂缝测量分析的不足，提高施工效率和质量。

公开(公告)号：CN119323757A

公开(公告)日：2025-01-17

申请号：CN202411390803.2

申请日：2024-09-30

Applicant: 华东交通大学

Inventor： 王翔宇 ,  孙浚博 ,  李艺楷 ,  田唯 ,  赵宏宇 ,  汪军 ,  刘扬清 ,  李子莫 ,  刘涵

IPC: G06V20/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  G06V10/26 ,  G06V20/70 ,  G06T7/62

Abstract: 本发明为一种索塔施工进度监测方法及系统，所述方法包括以下步骤：索塔施工高度的图像数据采集：构建基于可学习激活函数的UKAN‑Transformer模型：UKAN‑Transformer模型包括编码器、解码器和科尔莫戈洛夫‑阿诺尔德转换器模型结构；利用数据集训练基于可学习激活函数的UKAN‑Transformer模型，利用训练好的基于可学习激活函数的UKAN‑Transformer模型对索塔施工图像进行分割，获得将索塔施工进度区域标记出来的索塔施工分割图像；统计索塔施工分割图像中索塔施工进度区域的像素面积以及该区域底部的像素宽度，获得索塔施工的实际高度；通过对比索塔施工的实际高度和预期完成的索塔施工的高度，判断索塔施工的进度。能够解决传统索塔施工进度监测不准确，时效性差以及工作量巨大的问题。

公开(公告)号：CN119296079A

公开(公告)日：2025-01-10

申请号：CN202411845977.3

申请日：2024-12-16

Applicant: 华东交通大学

Inventor： 周童童 ,  姜楠 ,  王翔宇 ,  孙浚博 ,  赵宏宇 ,  李子莫

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：CN119091373A

公开(公告)日：2024-12-06

申请号：CN202411068311.1

申请日：2024-08-06

Applicant: 华东交通大学

Inventor： 赵宏宇 ,  孙浚博 ,  钱志祥 ,  王翔宇 ,  苗守举 ,  汪军 ,  王雨飞

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/44 ,  G06V10/82 ,  G06V10/48 ,  G06V10/80 ,  G06V20/10 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0499 ,  G06N3/094 ,  G06N3/0464

Abstract: 本发明公开一种基于人工智能和道路巡检机器人的路面检测方法，该检测方法采用自行设计的RCDIT网络模型，在该网络模型中提出隐式表达方法和多头交叉注意力机制，保证了图像块表达的完整性和连续性，能够有效处理图像块和位置信息的复杂交互，增强了模型对多模态数据的整合能力和信息关联性。此外，引入的位置前馈网络进一步提升了特征表示的抽象能力，有助于更有效地处理复杂特征和提升模型的表现力。将RCDIT网络模型与道路检测机器人结合起来，可以准确、快速地识别和分割路面道路龟裂缺陷，大大提高了检测的可靠性和准确度。道路检测机器人可以24/7全天候工作，不受时间和环境限制，有效节约了人力资源，并且可以实现对道路路面的持续监测。

公开(公告)号：CN116664846B

公开(公告)日：2023-10-13

申请号：CN202310946169.5

申请日：2023-07-31

Applicant: 华东交通大学

Inventor： 赵宏宇 ,  孙浚博 ,  张静 ,  王翔宇 ,  姜楠 ,  苏阳 ,  杨超 ,  邹泽峰

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。