-
Patent Agency Ranking
公开(公告)号：CN115291210B
公开(公告)日：2024-04-30
申请号：CN202210881070.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
Abstract: 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理；对得到的探地雷达的三维回波图像进行人工标注，并进行置乱，然后随机分配至训练集和验证集，但是需要保证每次置乱后的训练集中每个类别的样本数保持相同；利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练，获得训练好的神经网络模型；利用得到的神经网络模型，对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题，同时通过添加注意力机制对3D‑CNN进行了改进，提高了网络模型对探地雷达三维图像的识别准确率。
-
公开(公告)号：CN117173617A
公开(公告)日：2023-12-05
申请号：CN202310971300.3
申请日：2023-08-03
Applicant: 哈尔滨工业大学
IPC: G06V20/50 , G06T7/73 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于联合CNN的三维探地雷达地下空洞目标自动识别方法。对已获取的地下空洞目标探地雷达回波图像进行直达波去除和增益控制，得到处理后的探地雷达回波图像；进行预筛选，标注明确空洞目标像素位置，制成二维检测数据集，对不同通道的二维图像重复截取固定位置得到三维检测数据集；将二维检测数据集随机分为训练集和验证集，对二维数据集采用不同主干网络的RetinaNet网络及Faster R‑CNN网络进行训练，得到二维权重模型；将三维检测数据集随机分为训练集和验证集，对三维数据集采用ResNet及Res2Net分类网络进行训练，得到三维权重模型；对二维权重模型采用二维检测数据集的验证集进行检测以缩小目标范围，然后根据二维检测的结果，从三维数据集中截取出检测位置的三维数据，利用三维权重模型进行识别。本发明解决传统方法以及二维神经网络识别地下空洞目标效率低下的问题。
-
公开(公告)号：CN115291210A
公开(公告)日：2022-11-04
申请号：CN202210881070.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
Abstract: 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理；对得到的探地雷达的三维回波图像进行人工标注，并进行置乱，然后随机分配至训练集和验证集，但是需要保证每次置乱后的训练集中每个类别的样本数保持相同；利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练，获得训练好的神经网络模型；利用得到的神经网络模型，对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题，同时通过添加注意力机制对3D‑CNN进行了改进，提高了网络模型对探地雷达三维图像的识别准确率。
-
公开(公告)号：CN113391342A
公开(公告)日：2021-09-14
申请号：CN202110577839.1
申请日：2021-05-26
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明公开了一种双电源自适应切换的地震数据采集系统及实现方法，其中，该系统包括：数采分模块和电源管理模块，其中，数采分模块用于采集地表建筑物地震时的实时加速度位移信息，将其进行打包处理，传递至云端服务器，供客户查看；电源管理模块用于根据外部电源对数采分模块的供电状态自适应切换备用电池，同时将外部电源或备用电池输入的+12V直流电压转换为+‑12V，SGND、+‑5V、FGND和5V&3.3V、GND，进行供电。该系统可自动切换的双重保障电源，保证在强震环境下可正常工作，同时开发了适用地震环境的AODV路由协议，解决强震下有线网络中断或无线路由故障时无法通信的问题，保障了整个系统稳定可靠运行。
-
公开(公告)号：CN115311531A
公开(公告)日：2022-11-08
申请号：CN202210881472.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06V10/30 , G06V10/26 , G06N3/04 , G06N3/08 , G01S7/292 , G01S7/35 , G01S7/41 , G01S13/88
Abstract: 本发明提出一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法。所述方法包括对已获取的探地雷达地下空洞目标的回波图像进行背景消除，得到横向波纹受到抑制的探地雷达回波图像；对生成的探地雷达回波图像进行增益，突出空洞目标像素位置特征；利用增益后的图像进行降噪处理，抑制杂波影响；对处理后的探地雷达回波图像进行预筛选，参照人工识别并实地确认的结果，利用labelimg对图像中的空洞进行标注；将获得的数据制成图像检测数据集；用获得的检测数据集训练RefineDet网络模型，得到网络权重参数；利用训练后的网络模型对地下空洞目标探地雷达回波图像进行目标检测。本发明解决现有方法难以检测地下空洞目标的问题。
-
-
-
-
Search Results
5
records
(took 0.04 seconds)
