基于深度学习的桥面数据清洗方法及系统

    公开(公告)号:CN119992127A

    公开(公告)日:2025-05-13

    申请号:CN202411953838.2

    申请日:2024-12-27

    Abstract: 本发明为基于深度学习的桥面数据清洗方法及系统,所述清洗方法使用基于乘法和ReLU函数的Resnet‑MultKAN‑Transformer模型对桥梁路面的数据库中的数据进行训练,具体步骤是:步骤一、利用携带着高清摄像头的无人机对桥梁的路面进行拍摄,拍摄的图像分为三类:桥梁的桥面、除桥面结构以外的桥梁其他结构、非桥梁结构;以所拍摄的所有图像组建桥梁路面的数据库;步骤二、构建基于乘法和ReLU函数的Resnet‑MultKAN‑Transformer模型,采用Resnet和Transformer模型的框架;步骤三、利用步骤一构建的数据库训练模型,以训练好的模型用于桥面数据的清洗分类。在Resnet结构和Transformer中加入了具有乘法和激活函数的MultKAN模块,能够解决传统数据处理方法对桥梁路面的数据清洗分类不准确,时效性差以及工作量巨大的问题。

    一种索塔施工进度监测方法及系统

    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

    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。

Patent Agency Ranking