公开(公告)号：CN117092029A

公开(公告)日：2023-11-21

申请号：CN202310901848.0

申请日：2023-07-21

Applicant: 同济大学

Inventor： 张伟平 ,  王瑞琳 ,  余有灵 ,  姜超

IPC: G01N21/01 ,  G01N21/88 ,  G01B11/02 ,  G01M5/00 ,  G01M3/38 ,  G06T7/00 ,  G06T7/60 ,  G06T7/13 ,  G06T7/12 ,  G06T7/136

Abstract: 本发明涉及一种用于工程结构表面损伤检测的数据采集系统，包括：视觉‑惯性定位模块：包括深度相机和IMU，用于采用深度相机持续采集工程结构场景的图像和采用IMU获取IMU数据；变焦相机：用于拍摄工程结构表面损伤的精细图像；微控制器：分别与视觉‑惯性定位模块、变焦相机和上位机连接，用于接收IMU数据并记录所有类型数据的时间戳，并将这些信息打包为数据包发送至上位机；上位机：分别与微控制器、深度相机和变焦相机连接，用于接收并储存微控制器发送的所有数据包、变焦相机拍摄的损伤图像以及深度相机采集的场景图像。与现有技术相比，本发明数据采集方便且利用采集的数据能够实现损伤识别、量化与定位。

公开(公告)号：CN115511817A

公开(公告)日：2022-12-23

申请号：CN202211147759.3

申请日：2022-09-19

Applicant: 同济大学

Inventor： 张伟平 ,  王瑞琳 ,  余有灵 ,  姜超 ,  聂伟强

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明涉及一种基于旋转目标检测技术的混凝土表面裂缝识别方法，包括以下步骤：S1建立针对裂缝目标的数据集，对裂缝区域进行数据标注；S2对数据集进行数据增强操作；S3在数据集上对标注信息进行K均值聚类分析，确定锚框参数；S4按照设定比例随机划分数据集，形成训练集与测试集；S5基于Crack‑RRPN网络构建用于裂缝检测的深度学习模型；S6对Crack‑RRPN网络进行迁移学习训练；S7对训练好的网络进行测试，进行超参数的调优；S8使用测试中表现最好的Crack‑RRPN网络进行结构表面裂缝检测。与现有技术相比，本发明提供的基于旋转目标检测技术的混凝土结构裂缝识别方法，既可以避免传统目标检测结果不够精确的问题，也可以提升卷积神经网络对裂缝这类长宽比悬殊目标的检测效果。

公开(公告)号：CN115512247A

公开(公告)日：2022-12-23

申请号：CN202211184445.0

申请日：2022-09-27

Applicant: 同济大学

Inventor： 张伟平 ,  王瑞琳 ,  姜超 ,  陈晓希 ,  贾东峰

IPC: G06V20/17 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V20/10

Abstract: 本发明涉及一种基于图像多参数提取的区域建筑损伤等级评定方法，其特征在于，包括以下步骤：S1使用无人机获取待评估区域建筑的图像数据；S2使用面向对象的图像分析、归一化数字表面模型重建以及立面图像分类分析方法，从步骤S1获取的无人机图像数据中提取震后建筑面积、高度变化以及屋顶、立面破损情况四类建筑震害参数并计算对应特征值；S3输入四类状态特征值，使用预先训练的模糊系统进行推断，将输出R映射为损伤等级，集成所有建筑的评定结果，得到区域范围内建筑的破坏程度与空间分布信息。与现有技术相比，本发明具有评定结果可靠、概念清晰、可行性较高的优点，可以在震后快速准确获取区域建筑损伤情况，为震后救援安置工作提供依据。