公开(公告)号：CN119206355A

公开(公告)日：2024-12-27

申请号：CN202411387123.5

申请日：2024-09-30

Applicant: 华东交通大学

Inventor： 孙浚博 ,  王翔宇 ,  黄成浩 ,  赵宏宇 ,  郭乔明 ,  吴飞 ,  史伟翔 ,  王海红 ,  宋成伟

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/0475

Abstract: 本发明基于平衡对抗网络的3D打印混凝土的质量分类方法及系统，所述质量分类方法的步骤是：获取不同打印宽度和不同流动性的3D混凝土长丝的原始图像，采集时保证含有3D打印混凝土的检测区域照明一致；构建自编码图像数据集；按宽度和流动性对图像标签标注，获得带有分类标签的图像集合，并定义为标签数据集；构建改进的平衡对抗对抗网络，所述改进的平衡对抗对抗网络包括自编码器和对抗模块，所述对抗模块包括生成器和判别器，再利用训练后的生成器生成目标数量的增强图像，每张增强数据都带有标签；将标注数据集和带有标签的增强数据组合构成分类数据集，以分类数据集训练ResNet‑18网络，进而判别3D混凝土长丝类型，用于获得3D打印混凝土的质量分类。

公开(公告)号：CN118864424A

公开(公告)日：2024-10-29

申请号：CN202411028358.5

申请日：2024-07-30

Applicant: 华东交通大学

Inventor： 赵宏宇 ,  王翔宇 ,  章露 ,  孙浚博 ,  苗守举 ,  吴飞 ,  汪军 ,  史伟翔

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：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

Inventor： 赵宏宇 ,  王翔宇 ,  章露 ,  孙浚博 ,  苗守举 ,  吴飞 ,  汪军 ,  史伟翔

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：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

Inventor： 赵宏宇 ,  王翔宇 ,  黄渝翔 ,  孙浚博 ,  张强 ,  吴飞 ,  王雨飞 ,  李子莫 ,  张萌

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：CN119649022A

公开(公告)日：2025-03-18

申请号：CN202411621008.X

申请日：2024-11-14

Applicant: 华东交通大学 ,  重庆大学溧阳智慧城市研究院

Inventor： 王翔宇 ,  孙浚博 ,  周童童 ,  吴飞 ,  李子莫 ,  汪军 ,  赵宏宇 ,  张萌

IPC: G06V10/26 ,  G06V20/52 ,  G06V20/70 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06T7/62 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明为实时语义分割隧道超欠挖监测方法及系统，包括：获取不同的挖掘条件和地质背景下适合开挖的隧道施工过程中不同挖土面区域的高分辨率图像，并标注超挖和欠挖区域标签；数据清洗与增强，通过数据清洗与增强处理后得到若干张分辨率为512×1024的隧道超欠挖图像，组成目标数据集；构建FP‑Former语义分割深度神经网络，利用目标数据集中的图像训练FP‑Former语义分割深度神经网络，监测超挖欠挖区域，输出预测概率图；对输出的预测概率图进行二值化处理，将概率大于0.5的像素标记为超挖区域，反之则为欠挖区域。本发明能够有效地提取不同尺度的特征，从而提升分割精度，在GPU类设备上运行时，表现出较好的性能与效率平衡，使得大规模数据处理成为可能。