公开(公告)号：CN117151680A

公开(公告)日：2023-12-01

申请号：CN202310691964.4

申请日：2023-06-13

Applicant: 大连理工大学

Inventor： 林笑旭 ,  王兆宁 ,  任铮钺 ,  王波

IPC: G06Q10/20 ,  G05D1/10 ,  G06Q50/08 ,  G06V20/17 ,  G06V10/82 ,  G06V10/774 ,  G06N3/08

Abstract: 本发明提供了一种基于YOLOv6的桥梁病害巡检方法及系统，涉及桥梁病害检测技术领域，方法包括如下步骤：S1、规划无人机的航行路径；S2、采集无人机的训练数据；S3、建立并训练YOLOv6桥梁病害识别模型；S4、进行无人机自动巡检与桥梁病害识别；本发明为了解决传统桥梁检测成本高、效率低、影响交通正常运行等问题，采用基于无人机智能机场的桥梁病害巡检系统，实现桥梁病害检测结果的实时标定和显示，并可用于一定范围桥梁病害的定期巡检。本发明采用基于人工智能的桥梁病害图像自动识别技术YOLOv6模型进行桥梁病害自动检测工作，通过与前述巡检系统的交互，大幅度提高识别效率与识别精度。

公开(公告)号：CN116883806A

公开(公告)日：2023-10-13

申请号：CN202310647768.7

申请日：2023-06-02

Applicant: 大连理工大学

Inventor： 王兆宁 ,  林笑旭 ,  王波 ,  任铮钺

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V20/17 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于无人机智能平台与YOLO目标检测模型的路面病害巡检方法，属于目标检测技术领域。技术方案：通过无人机对数据进行采集；通过YOLOv6路面病害识别模型对采集到的数据进行训练；所述YOLOv6路面病害识别模型包括：骨干网络EfficientRepBackbone、neck框架Rep‑PAN、head模块Efficient decoupledhead；通过步骤S2获得的高效识别路面病害的目标检测模型开展路面病害识别。有益效果：本发明使用无人机智能机场进行空中自动起降、自动拍摄，获取高空视频数据进行有效识别，实现无人化、智能化、高效路面病害视频数据采集工作；本发明使用YOLOv6模型，采用预先采集部分路段的视频数据进行模型训练工作，并利用YOLOv6模型进行路面病害自动检测工作，实现准确率高，识别速度快的路面病害实时检测。