-
公开(公告)号：CN115497058A
公开(公告)日：2022-12-20
申请号：CN202211076683.X
申请日：2022-09-02
Applicant: 东南大学
IPC: G06V20/54 , G06T7/187 , G06V30/24 , G06N20/00 , G06T7/62 , G06F30/17 , G06F30/27 , G01G19/02 , G06F119/14
Abstract: 本发明公开了一种基于多光谱成像技术的非接触式车辆称重方法，包括：基于OpenCV图像处理算法对像素温度矩阵数据进行处理，通过图像迭代的几何拟合和区域生长算法检测得到目标样本轮胎的力学变形参数；检测得到目标样本轮胎侧壁的压印字符，获取目标样本轮胎的轮胎尺寸和气压信息；将待检测轮胎的力学变形参数及字符信息输入至机器学习模型中，计算出待检测轮胎的荷载。本发明可以实现全天候多环境多应用场景下的车辆快速称重，用于解决现有基于计算视觉车辆称重方法的泛化能力弱，适用环境受限等问题，以及传统称重系统服役年限短，成本高昂的技术问题。
-
公开(公告)号：CN117309668B
公开(公告)日：2024-05-31
申请号：CN202311234176.9
申请日：2023-09-21
Applicant: 东南大学
Abstract: 本申请涉及一种钢丝腐蚀便携式自动检测设备及检测方法，属于土木工程桥梁检测技术领域，包括通电组件、旋转组件和滑动组件；通电组件用于给钢丝接入外部电流使得钢丝发热；旋转组件包括机架、大同步轮、固定板、延长杆和支撑板，机架设有两个，大同步轮设有两个且分别转动连接在两个机架上，固定板连接于其中一个大同步轮，延长杆连接于另一个大同步轮，且延长杆远离大同步轮的一端与支撑板相连；可以量化待检测钢丝的腐蚀程度，有助于全面评估在役桥梁拉索中钢丝腐蚀的分布情况，进而针对量大面广的全国桥梁拉索日常管养难题，可实现经济、高效、低碳、科学的决策，进而最大程度的减少不必要的拉索更换，从而从根源上降低碳排放。
-
公开(公告)号：CN114612395B
公开(公告)日：2024-06-14
申请号：CN202210186049.5
申请日：2022-02-28
Applicant: 东南大学
IPC: G06T7/00 , G06V10/94 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T17/20
Abstract: 本发明公开了一种基于Abaqus的深度学习图像批量处理与分析方法，包括以下步骤：步骤S1、建立所需检测的结构有限元模型，提取结构有限元模型的信息输入文件；步骤S2、读取信息输入文件，利用Python编制图像批量处理方法，在结构有限元模型基础上批量模拟结构内部损伤；步骤S3、将结构内部损伤全部输入到Abaqus中批量分析，得到步骤S2中结构内部损伤的表面位移与应力云图，并进行三维标注，根据经过三维标注的结构内部损伤的表面位移与应力云图建立样本库；步骤S4、基于步骤S3得到的样本库，开展目标检测神经网络模型的训练、图像识别分析，其中目标检测神经网络模型的损失函数引入三维交并比预测误差的影响，在提高图像处理效率的同时，增加了预测精度。
-
公开(公告)号：CN114612394B
公开(公告)日：2024-04-09
申请号：CN202210185613.1
申请日：2022-02-28
Applicant: 东南大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T17/20
Abstract: 本发明公开了一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，引入三维交并比概念，并将其应用于深度学习的训练中，包括以下步骤：步骤S1、构建多个梁的损伤模型和多个柱的损伤模型，构建位移云图样本库；步骤S2、构建一种新的经过优化的Yolo神经网络模型；步骤S3、基于步骤S2新的经过优化的Yolo神经网络模型，通过位移云图样本库训练新的经过优化的Yolo神经网络模型，其中损失函数考虑了三维交并比预测误差LossIoU的影响。步骤S4、利用步骤S3中通过位移云图样本库训练的优化的Yolo神经网络模型，识别出的混凝土内部损伤位置和深度，完成混凝土内部损伤的预测。本方法更准确、效率高、成本低。
-
公开(公告)号：CN115497058B
公开(公告)日：2023-09-01
申请号：CN202211076683.X
申请日：2022-09-02
Applicant: 东南大学
IPC: G06V20/54 , G06T7/187 , G06V30/24 , G06N20/00 , G06T7/62 , G06F30/17 , G06F30/27 , G01G19/02 , G06F119/14
Abstract: 本发明公开了一种基于多光谱成像技术的非接触式车辆称重方法，包括：基于OpenCV图像处理算法对像素温度矩阵数据进行处理，通过图像迭代的几何拟合和区域生长算法检测得到目标样本轮胎的力学变形参数；检测得到目标样本轮胎侧壁的压印字符，获取目标样本轮胎的轮胎尺寸和气压信息；将待检测轮胎的力学变形参数及字符信息输入至机器学习模型中，计算出待检测轮胎的荷载。本发明可以实现全天候多环境多应用场景下的车辆快速称重，用于解决现有基于计算视觉车辆称重方法的泛化能力弱，适用环境受限等问题，以及传统称重系统服役年限短，成本高昂的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN114612394A
公开(公告)日：2022-06-10
申请号：CN202210185613.1
申请日：2022-02-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，引入三维交并比概念，并将其应用于深度学习的训练中，包括以下步骤：步骤S1、构建多个梁的损伤模型和多个柱的损伤模型，构建位移云图样本库；步骤S2、构建一种新的经过优化的Yolo神经网络模型；步骤S3、基于步骤S2新的经过优化的Yolo神经网络模型，通过位移云图样本库训练新的经过优化的Yolo神经网络模型，其中损失函数考虑了三维交并比预测误差LossIoU的影响。步骤S4、利用步骤S3中通过位移云图样本库训练的优化的Yolo神经网络模型，识别出的混凝土内部损伤位置和深度，完成混凝土内部损伤的预测。本方法更准确、效率高、成本低。
-
公开(公告)号：CN114351588B
公开(公告)日：2024-06-04
申请号：CN202111459915.5
申请日：2021-12-02
Applicant: 东南大学 , 江苏东印智慧工程技术研究院有限公司
Abstract: 本发明公开了一种悬索桥主缆入鞍扭转设备及使用方法，包括机架机构、升降机构、夹持机构和扭转机构；扭转机构安装在机架机构上，升降机构安装在扭转机构上，夹持机构安装在升降机构上。本发明指出的一种悬索桥主缆入鞍扭转设备，主缆到位后，设备自动升降，居中夹持，自动开始扭转，扭转设备对应的软件程序执行扭转动作，扭转到位后，发出指令，避免了扭转不合格的现象发生，有利于扭转的稳定性，扭转的自动化程度高，扭转的工作效率高。
-
公开(公告)号：CN117309668A
公开(公告)日：2023-12-29
申请号：CN202311234176.9
申请日：2023-09-21
Applicant: 东南大学
Abstract: 本申请涉及一种钢丝腐蚀便携式自动检测设备及检测方法，属于土木工程桥梁检测技术领域，包括通电组件、旋转组件和滑动组件；通电组件用于给钢丝接入外部电流使得钢丝发热；旋转组件包括机架、大同步轮、固定板、延长杆和支撑板，机架设有两个，大同步轮设有两个且分别转动连接在两个机架上，固定板连接于其中一个大同步轮，延长杆连接于另一个大同步轮，且延长杆远离大同步轮的一端与支撑板相连；可以量化待检测钢丝的腐蚀程度，有助于全面评估在役桥梁拉索中钢丝腐蚀的分布情况，进而针对量大面广的全国桥梁拉索日常管养难题，可实现经济、高效、低碳、科学的决策，进而最大程度的减少不必要的拉索更换，从而从根源上降低碳排放。
-
公开(公告)号：CN115952704A
公开(公告)日：2023-04-11
申请号：CN202211060203.0
申请日：2022-08-30
Applicant: 东南大学
IPC: G06F30/23 , G06F30/27 , G06T7/73 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G01N3/08 , G06F111/20
Abstract: 本发明公开了基于神经网络的混凝土梁中钢筋损伤快速定位方法，包括步骤1、构建钢筋混凝土损伤模型；步骤2、构建位移云图与三维损伤信息的样本集；步骤3、样本集分类；步骤4、构建神经网络模型：输入位移云图，输出三维损伤信息；步骤5、训练神经网络模型；步骤6、测试与验证神经网络模型；步骤7、钢筋损伤定位。本发明能对Abaqus生成的位移云图进行学习，从而实现钢筋混凝土内部钢筋损伤的位置定位，能实现钢筋混凝土内部钢筋损伤的定位以及钢筋损伤的尺寸检测，能广泛地应用于装配式结构构件的病害与损伤分析中，开创性地利用结构表面的二维位移信息实现结构内部问题的三维定位，大大提高结构检测的效率、降低检测成本。
-
公开(公告)号：CN114612395A
公开(公告)日：2022-06-10
申请号：CN202210186049.5
申请日：2022-02-28
Applicant: 东南大学
IPC: G06T7/00 , G06V10/94 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06T17/20 , G06K9/62
Abstract: 本发明公开了一种基于Abaqus的深度学习图像批量处理与分析方法，包括以下步骤：步骤S1、建立所需检测的结构有限元模型，提取结构有限元模型的信息输入文件；步骤S2、读取信息输入文件，利用Python编制图像批量处理方法，在结构有限元模型基础上批量模拟结构内部损伤；步骤S3、将结构内部损伤全部输入到Abaqus中批量分析，得到步骤S2中结构内部损伤的表面位移与应力云图，并进行三维标注，根据经过三维标注的结构内部损伤的表面位移与应力云图建立样本库；步骤S4、基于步骤S3得到的样本库，开展目标检测神经网络模型的训练、图像识别分析，其中目标检测神经网络模型的损失函数引入三维交并比预测误差的影响，在提高图像处理效率的同时，增加了预测精度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
