公开(公告)号：CN113486721B

公开(公告)日：2023-08-29

申请号：CN202110644921.1

申请日：2021-06-09

Applicant: 北京科技大学

Inventor： 张庆龙 ,  邓乃夫 ,  朱燕文 ,  黄镇苹 ,  乔奥成 ,  谭靖

IPC: G06V20/00 ,  G06N3/0464 ,  G06N3/096 ,  G06F16/51 ,  G01N21/88

Abstract: 本发明提出了一种基于滚动优化裂缝分类识别模型的路面裂缝检测方法，包括以下步骤：路面图像数据静态采集与标注，静态裂缝识别模型构建；通过静态裂缝识别模型识别动态采集的路面图像，经识别判断准则判别执行静态数据库存储或图像拆分动作；对不符合识别判断准则的图像分割处理，并经图像拆分判断准则判别执行静态裂缝识别模型识别或重新进入识别判断准则判别流程；依据由静态数据库和动态数据库构成的数据库构建动态裂缝识别模型；利用构建的动态裂缝识别模型不断更新已有的静态裂缝识别模型，实现静态裂缝识别模型的滚动优化。本发明通过引入裂缝识别模型的滚动优化机制，提高了裂缝检测准确率和检测效率。

公开(公告)号：CN113628164B

公开(公告)日：2024-08-06

申请号：CN202110785735.X

申请日：2021-07-12

Applicant: 北京科技大学

Inventor： 张庆龙 ,  谭靖 ,  乔奥成 ,  朱燕文

IPC: G06T7/00 ,  G06T7/70 ,  G06T5/40 ,  G06F16/29 ,  G06T5/70 ,  G06N3/126 ,  G06N3/0985 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习与web端定位的路面裂缝检测方法，包括：拍摄路面视频并均匀抽帧提取图像进行预处理，训练基于深度学习的路面裂缝检测集成模型，实现路面损伤严重程度分类与裂缝检测；利用web端调用API获取实时地理位置信息，并依据车速和视频帧率利用云计算得出每帧对应的时间与地理位置信息，导入数据库；在云端调用数据库，完成基于深度学习的路面裂缝检测集成模型的检测，在本地生成可视化路面裂缝损伤地图图示和检测裂缝的具体位置。本发明解决了路面裂缝检测效率低，准确率低，成本高的问题，并将路面裂缝检测与地理位置定位结合，生成可视化图示，为公路养护工作提供了便利，同时还可为相似问题提供解决思想。

公开(公告)号：CN113486721A

公开(公告)日：2021-10-08

申请号：CN202110644921.1

申请日：2021-06-09

Applicant: 北京科技大学

Inventor： 张庆龙 ,  邓乃夫 ,  朱燕文 ,  黄镇苹 ,  乔奥成 ,  谭靖

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G06F16/51 ,  G01N21/88

Abstract: 本发明提出了一种基于滚动优化裂缝分类识别模型的路面裂缝检测方法，包括以下步骤：路面图像数据静态采集与标注，静态裂缝识别模型构建；通过静态裂缝识别模型识别动态采集的路面图像，经识别判断准则判别执行静态数据库存储或图像拆分动作；对不符合识别判断准则的图像分割处理，并经图像拆分判断准则判别执行静态裂缝识别模型识别或重新进入识别判断准则判别流程；依据由静态数据库和动态数据库构成的数据库构建动态裂缝识别模型；利用构建的动态裂缝识别模型不断更新已有的静态裂缝识别模型，实现静态裂缝识别模型的滚动优化。本发明通过引入裂缝识别模型的滚动优化机制，提高了裂缝检测准确率和检测效率。

公开(公告)号：CN117960396A

公开(公告)日：2024-05-03

申请号：CN202311744476.1

申请日：2023-12-18

Applicant: 北京科技大学 ,  赞比亚中色非洲矿业有限责任公司

Inventor： 班晓娟 ,  谭靖 ,  姚高辉 ,  李潇睿 ,  袁兆麟 ,  刘先春 ,  秦帅 ,  李小松

IPC: B03D1/14 ,  G06N3/0499 ,  G06N3/092

Abstract: 本发明涉及矿物浮选技术领域，特别是指一种基于物理信息强化学习的浮选多槽联动控制方法及装置，方法包括：获取待控制的多浮选槽系统的关键物理参数；将关键物理参数输入到训练好的物理信息预测网络，得到物理信息预测网络的输出特征，根据输出特征以及关键物理参数，得到物理信息状态表示；根据物理信息状态表示，构建多浮选槽系统中每个浮选槽的深度Q网络；根据每个浮选槽的深度Q网络，构建多浮选槽间的多智能体强化学习协同控制策略，得到浮选多槽联动控制结果。本发明中，不同浮选槽之间的具体连接关系，被直接输入到多智能体系统的控制中，实现精准的浮选槽间联动控制。提供了一种有效、精确和自适应的方式来优化浮选多槽的控制过程。

公开(公告)号：CN113628164A

公开(公告)日：2021-11-09

申请号：CN202110785735.X

申请日：2021-07-12

Applicant: 北京科技大学

Inventor： 张庆龙 ,  谭靖 ,  乔奥成 ,  朱燕文

IPC: G06T7/00 ,  G06T7/70 ,  G06T5/40 ,  G06T5/00 ,  G06F16/29 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习与web端定位的路面裂缝检测方法，包括：拍摄路面视频并均匀抽帧提取图像进行预处理，训练基于深度学习的路面裂缝检测集成模型，实现路面损伤严重程度分类与裂缝检测；利用web端调用API获取实时地理位置信息，并依据车速和视频帧率利用云计算得出每帧对应的时间与地理位置信息，导入数据库；在云端调用数据库，完成基于深度学习的路面裂缝检测集成模型的检测，在本地生成可视化路面裂缝损伤地图图示和检测裂缝的具体位置。本发明解决了路面裂缝检测效率低，准确率低，成本高的问题，并将路面裂缝检测与地理位置定位结合，生成可视化图示，为公路养护工作提供了便利，同时还可为相似问题提供解决思想。