-
公开(公告)号：CN119475890A
公开(公告)日：2025-02-18
申请号：CN202411548826.1
申请日：2024-11-01
Applicant: 东南大学 , 华设设计集团股份有限公司
IPC: G06F30/23 , G06F30/27 , G06N3/0464 , G06N3/08 , G06F111/10 , G06F111/08
Abstract: 本发明公开了一种基于时序深度学习网络的桥梁动态称重识别方法，包括：进行数据统计，得到车辆荷载谱；根据车辆荷载谱，利用蒙特卡洛随机抽样技术，抽取车辆信息样本，形成随机车流信息；建立桥梁有限元模型并修正；根据随机车流中单辆车的车辆信息，基于修正后的桥梁有限元模型建立车桥耦合模型，利用车桥耦合模型模拟车辆过桥的桥梁响应，建立车辆信息映射桥梁响应数据集；搭建神经网络框架，基于车辆信息映射桥梁响应数据集训练神经网络，得到车辆信息识别的代理模型；利用代理模型从实测的车致桥梁响应中识别车辆信息。本发明方法能够准确从车致桥梁位移中估计车辆信息，且无需先验获取车辆空间坐标信息。
-
公开(公告)号：CN119223416A
公开(公告)日：2024-12-31
申请号：CN202411548819.1
申请日：2024-11-01
Applicant: 东南大学 , 华设设计集团股份有限公司
IPC: G01G19/03 , G01M5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于影响线驱动的桥梁动态称重识别方法，包括：对桥梁进行移动车辆荷载试验，识别桥梁影响线；基于当地的车辆荷载谱，生成随机车流信息；根据随机车流中的车辆信息，利用桥梁影响线虚拟加载的方法生成随机车流下的桥梁响应，建立车辆信息映射桥梁响应的数据集；搭建神经网络框架，基于车辆信息映射桥梁响应数据集训练神经网络，得到车辆信息识别的代理模型；利用代理模型从实测的车致桥梁响应中识别车辆信息。本发明利用随机车流和实测影响线虚拟加载的方法建立车辆信息映射桥梁响应的数据集，搭建神经网络框架训练代理模型，可利用该代理模型从桥梁响应中自适应地识别车辆所在车道、车速、车轴数、轴间距和轴重。
-
公开(公告)号：CN117197760A
公开(公告)日：2023-12-08
申请号：CN202311148252.4
申请日：2023-09-06
IPC: G06V20/54 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G01G19/02 , H04N7/18
Abstract: 本发明涉及一种基于视频监控的桥梁车辆荷载分布长期监测方法，短暂使用临时动态称重系统得到车辆类型与车辆荷载的统计映射关系，相较于安装永久WIM系统价格大幅降低，同时避免了长时间中断交通。单独使用视频监控设备进行后续的车辆荷载长期监测，使用阶段费用低，且因视频监控设备安装于桥侧，维修时也不需要中断交通。相较于现有技术中基于桥底布置传感器测量的桥梁响应估计车辆荷载，布置更方便，同时也避免了多轴响应混叠难以分离各轴的情况，结果更直观和准确，获取的车辆荷载分布数据有利于指导桥梁养护、维修和投资决策，适合在相关领域推广。
-
公开(公告)号：CN115144102A
公开(公告)日：2022-10-04
申请号：CN202210707255.6
申请日：2022-06-21
Applicant: 东南大学
Abstract: 本发明涉及一种基于云台摄像机的桥梁索力自动巡航监测系统及方法，首先在桥塔上布置高倍变焦云台摄像机，设置每根吊索的巡航预置位从而规划巡航路径；云台摄像机按巡航路径自动采集每根吊索振动视频；接着通过所开发的基于亚像素OCM算法对视频进行处理获得振动时程；对测得的振动时程进行傅里叶变换得到振动频率，从而计算全桥吊索索力；最后传输并储存定期得到的吊索索力数据，生成全桥吊索索力自动巡检报告；本发明无须在结构上安装复杂的传感器，可以在日常多时段进行自动监测，获得完整的每根吊索的索力监测报告，实现全桥范围内索力监测一体化和自动化的同时，能够有效地解决复杂背景下城市内部桥梁的日常监测问题。
-
公开(公告)号：CN115063680A
公开(公告)日：2022-09-16
申请号：CN202210698546.3
申请日：2022-06-20
Applicant: 东南大学
Abstract: 本发明公开一种基于标签及图像合成技术的桥梁病害识别方法，属于计算、推算或计数的技术领域。该方法：获取少量桥梁病害的图像，并使用图像标注工具标注病害的语义信息，获取病害图像标签；对病害图像和病害图像标签进行掩膜运算获取病害的前景图像；获取桥梁无病害图像；利用掩模运算后的少量病害前景图像和无病害图像大量合成桥梁病害图像，并通过记录图像合成位置的方法生成图像的标签数据；运用合成的图像数据和标签信息训练基于深度学习的病害分割网络。本发明利用少量的标注数据和一些无病害数据大量地合成具有像素级标注的桥梁病害图像，降低人工标注数据的成本，提高病害识别的准确率和效率。
-
Patent Agency Ranking
公开(公告)号：CN114937365A
公开(公告)日：2022-08-23
申请号：CN202210707277.2
申请日：2022-06-21
Applicant: 东南大学
Abstract: 本发明涉及一种基于同步多视觉传感器的桥面车辆参数识别方法，在桥面上方设置视频监控设备用于监控桥面车流，包括获取车辆类型、速度、行驶车道，以及实时轮轴位置；桥下沿跨径纵向布置布设多个视觉传感器，并以合适角度同步记录该位置横向多根主梁梁底的时程位移响应；根据桥梁固有频率将位移响应滤波得到桥梁静力位移，再根据叠加原理和影响面方法，建立当前时刻车轮力方程组并求解得到当前时刻桥面所有车轮的车轮力，最终获得桥面车辆类型、速度、行驶车道和车轮力多种车辆参数，通过低成本视觉传感器实现桥面多车辆多参数的同步识别与监测。
-
公开(公告)号：CN113532293A
公开(公告)日：2021-10-22
申请号：CN202110697571.5
申请日：2021-06-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于无人机的结构动位移测量方法及系统，结合无人机的机动性优势可实现大型结构近距离的快速位移测量，方法包括：将黑白靶标贴于待测结构表面，架设静止的激光灯射于靶标附近，调整无人机至合适位置并拍摄视频，通过对视频逐帧图像处理和计算，得到靶标与光斑间的距离，并按时间序列排列，从而得到结构的动位移。本发明的测量方法通过实时检测人工靶标的尺度信息计算无人机距离结构表面的实时位置换算关系，通过圆检测方法检测人工靶标与光斑，将标记的中心点与固定的激光投射点作差得到像素相对位移，通过比例换算获得结构的物理动位移。本发明能够切实有效地实现大型结构近距离动位移快速测量与分析，具有广阔的应用前景。
-
公开(公告)号：CN115063680B
公开(公告)日：2024-05-17
申请号：CN202210698546.3
申请日：2022-06-20
Applicant: 东南大学
Abstract: 本发明公开一种基于标签及图像合成技术的桥梁病害识别方法，属于计算、推算或计数的技术领域。该方法：获取少量桥梁病害的图像，并使用图像标注工具标注病害的语义信息，获取病害图像标签；对病害图像和病害图像标签进行掩膜运算获取病害的前景图像；获取桥梁无病害图像；利用掩模运算后的少量病害前景图像和无病害图像大量合成桥梁病害图像，并通过记录图像合成位置的方法生成图像的标签数据；运用合成的图像数据和标签信息训练基于深度学习的病害分割网络。本发明利用少量的标注数据和一些无病害数据大量地合成具有像素级标注的桥梁病害图像，降低人工标注数据的成本，提高病害识别的准确率和效率。
-
公开(公告)号：CN115439469B
公开(公告)日：2024-03-22
申请号：CN202211248234.9
申请日：2022-10-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于无人机的建筑缺陷检测方法，包括如下步骤：S01，规划测区粗略模型巡航路径；S02，无人机采集带POS数据的图像；S03，基于可见光图像完成粗略三维模型重建；S04，基于粗略三维模型制定精细化巡航路径；S05，采集红外图像建立红外精细化三维模型；S06，结合红外三维渲染模型完成建筑缺陷检测。本发明还提出了基于该方法的装置、电子设备。本发明通过同时搭载变焦与红外相机的无人机巡检方式，完成无人机精细化路径规划，能直观地在红外精细化三维模型上确定建筑围护结构缺陷位置，实现缺陷的定位、定量检测，为建筑围护结构缺陷检测工作降低了作业成本，提高了检测效率和精度。
-
公开(公告)号：CN117115708A
公开(公告)日：2023-11-24
申请号：CN202311074047.8
申请日：2023-08-24
Abstract: 本发明涉及一种基于深度学习微小运动放大技术的雾天环境桥梁索力识别方法，在桥梁结构上布置合适的传感器获取拉索振动视频；构建基于自蒸馏去雾深度学习模型，利用训练好的去雾模型对拉索振动图像去雾；构建运动放大深度学习模型，利用训练好的运动放大模型对拉索振动进行放大；利用无需标志物的S‑F图像特征匹配算法提取拉索振动位移时程；对提取到的振动时程进行傅里叶变换得到振动频率，从而计算桥梁索力。本发明结合了基于深度学习的去雾以及运动放大算法的索力识别方法，从而提高在雾霾天气下索力识别的鲁棒性和精度。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.035 seconds)
