-
公开(公告)号：CN117011280B
公开(公告)日：2025-01-17
申请号：CN202311069716.2
申请日：2023-08-24
Applicant: 华东交通大学
Abstract: 本发明为基于点云分割的3D打印混凝土墙质量监测方法及系统，所述监测方法包括以下内容：获取3D打印混凝土墙施工过程中的点云数据并将点云坐标进行归一化处理；构建神经网络模型PSC‑Net，获得已打印的混凝土墙施工层的边界点云；基于获得已打印的混凝土墙施工层的边界点云进行层高监测，直接跳过层高计算步骤，通过检测偏离点的数量来进行层高检测，大大提升了检测效率。可以实现实时监测和分析施工数据，及时发现问题并采取措施，优化施工方案，确保施工安全和质量。
-
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
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：CN119048938A
公开(公告)日：2024-11-29
申请号：CN202411118037.4
申请日：2024-08-15
Applicant: 华东交通大学
Abstract: 本发明为高质量的索塔大体积混凝土图像生成方法、质量检测方法，所述生成方法包括以下内容：利用无人机对索塔进行高空拍摄，获得索塔混凝土的图像，并标注图像中裂缝位置和范围；利用改进的StyleGAN‑XL生成对抗网络对获得的图像进行扩容和增强，获得高质量索塔大体积混凝土图像。利用所述的生成方法获得虚拟图像，以大量的虚拟图像作为分割网络的目标数据集R；利用目标数据集R训练改进的MAX‑DeepLab分割网络，用于大体积混凝土裂缝宽度检测。本发明能获得高质量的索塔大体积混凝土图像，能够对少量的无人机拍摄图像进行扩容和增强处理，利用生成的高质量数据扩容和增强后的数据集，提升分割模型在细微裂缝检测方面的能力。
-
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
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：CN116630282A
公开(公告)日：2023-08-22
申请号：CN202310627051.6
申请日：2023-05-31
Applicant: 华东交通大学
IPC: G06T7/00 , G06T7/60 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本发明为基于深度学习的3D打印桥预制箱梁施工质量监测系统，包括：数据(图像)收集处理模块，通过工业相机对打印区域进行图像采集及处理；数据标注与模型训练模块，与所述的数据(图像)收集处理模块连接，构建用于目标检测与测量的收敛模型；信息校准与存储模块，与所述的数据标注与模型训练模块连接，将测试集输入到训练后的目标检测算法，采用校准算法对转换函数模块中的换算比M进行修正，以校准后的换算比M’更新转换函数模块，获得校准后的收敛模型；缺陷检测与分析模块；预警与提示处理模块。不仅能够实现减少人工成本、提升打印效率、保证打印产品的质量，同时也能使追求更大规模建筑级别的3D打印实现成为可能。
-
Patent Agency Ranking
公开(公告)号：CN118864404B
公开(公告)日：2025-04-25
申请号：CN202410909802.8
申请日：2024-07-09
Applicant: 华东交通大学
IPC: G06T7/00 , G06V20/40 , G06V10/82 , G06N3/0464 , G06V10/774 , G06V10/764
Abstract: 本发明涉及钢结构桥梁腐蚀与裂缝病害测量方法及系统，包括以下步骤：钢结构桥梁腐蚀与裂缝图像数据集收集，将数据集划分为训练集、测试集、验证集，其中数据集中病害图像不少于70％；构建增强的端对端全景分割的Improved Max‑DeepLab神经网络并训练：利用数据集训练Improved Max‑DeepLab神经网络，获得病害所属类别及病害所在区域；根据预测的病害所属类别及病害所在区域，分别获得裂缝病害的宽度和腐蚀病害的面积。采用增强的端对端全景分割的Improved Max‑DeepLab神经网络有效实现了钢结构桥梁腐蚀与裂缝两种病害的高精度区分量化测量，能够准确、高效地检测出的腐蚀与裂缝缺陷并进行量化，相似度达到49％以上，为钢结构桥梁质量保障和维护提供了有效的手段。
-
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
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。
-
公开(公告)号：CN119648526A
公开(公告)日：2025-03-18
申请号：CN202411620688.3
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
IPC: G06T3/4053 , G06T3/4046 , G06T3/4007 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明为一种基于多尺度缩放的微观电镜图像处理方法及系统，所述方法包括通过微观电镜对目标物体进行图像的获取，将获取的微观电镜图像存储到文件中，并对图像进行双线性差值下采样处理，保存双线性差值下采样处理后的图像作为低分辨率图像LR；对低分辨率图像LR进行旋转、缩放、翻转、调整亮度和对比度，并添加随机噪声，从而生成额外的变体；获得微观图像数据集；构建多尺度缩放微观电镜图像超分辨率MS‑MESR网络模型。本发明能够实现灵活的缩放倍数控制，实现了缩放倍数的更多选择性结果，显著提高了微观电镜图像的分辨率和质量、以及不同缩放因子下的适用性。
-
公开(公告)号：CN118822996B
公开(公告)日：2025-03-07
申请号：CN202410954974.7
申请日：2024-07-17
Applicant: 华东交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明为基于MIU‑Transformer的装配式桥梁焊接质量检测方法，包括以下步骤：获取装配式桥梁焊接缺陷图像数据集，并对图像进行像素级标注，为每个像素分配相应的语义标签；采用MIU‑Transformer神经网络进行语义分割缺陷测量，MIU‑Transformer神经网络包括集成蒙版图像均匀性与无监督域自适应的框架、由Transformer编码器和上下文感知特征融合解码器组成的主网络；利用训练后的MIU‑Transformer神经网络获得语义分割后的图像，计算缺陷的面积。该方法能够准确、高效地检测出的钢材料焊接缝缺陷并进行量化，为装配式桥梁质量保障和维护提供了有效的手段。
-
公开(公告)号：CN119323777A
公开(公告)日：2025-01-17
申请号：CN202411835395.7
申请日：2024-12-13
Applicant: 华东交通大学
IPC: G06V20/58 , G06V20/64 , G06V10/25 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明为基于实时3D目标检测的汽车自动避障系统，所述系统包括：点云数据收集模块、图像数据收集模块、LoGoNet网络和预警与反馈模块，所述LoGoNet网络用于实现对障碍物的实时目标检测，检测是否有障碍物，并判断障碍物的类别。该系统为局部到全局的多模态数据融合网络，能进行实时3D目标检测的汽车自动避障，解决了单一模态的内在局限性，利用图像和激光雷达两者的互补特性，进行局部到全局的多模态融合，通过多源融合来提供更完整的三维环境感知能力，帮助车辆更好地感知周围环境。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.07 seconds)
