公开(公告)号：CN118552495A

公开(公告)日：2024-08-27

申请号：CN202410645418.1

申请日：2024-05-23

Applicant: 昆明理工大学

Inventor： 吴云鹏 ,  徐涛 ,  袁伟钟 ,  龙思慧 ,  蔡晶 ,  杨震 ,  杨雪 ,  王春 ,  郭凤香

IPC: G06T7/00 ,  G06T7/11 ,  G06T3/4038 ,  G06V10/44 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种基于无人机图像的钢桁架缺陷检测方法，属于图像检测技术领域。本发明首先构建钢梁缺陷检测模型，所述钢梁缺陷检测模型包括分割分支和检测分支；再采集所需检测的钢桁架的原始图片，对原始图片进行图片剪拼；然后将剪拼后的图片输入钢梁缺陷检测模型的backbone内，进行特征提取；最后将提取的特征输入到分割分支和检测分支中，通过检测分支的输出结果对钢桁架中的缺陷目标完成检测。本发明极大的增强了模型对锈迹特征语义信息的提取能力，增强模型性能。为后续工作人及时维护钢桁架，增强桥梁的稳定性，方便桥梁后期安全管理打下基础。

公开(公告)号：CN119810053A

公开(公告)日：2025-04-11

申请号：CN202411866286.1

申请日：2024-12-18

Applicant: 昆明理工大学

Inventor： 吴云鹏 ,  王晓江 ,  戴家晟 ,  杨通 ,  郭凤香 ,  郭淼 ,  袁伟钟

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/764 ,  G06V10/77 ,  G06V10/52 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明属于图像数据处理技术领域，具体涉及一种基于无锚框自适应卷积网络的隧道病害检测方法及巡检机器人，S1、通过巡检机器人搭载摄像头对隧道内表面可能出现病害的位置进行图像数据采集；S2、人工标注采集的图像数据的各类缺陷，制作训练所需数据集，并将训练所需数据集分为训练集、验证集和测试集；S3、将训练集数据集输入无锚框自适应卷积算法，通过特征提取、卷积、损失函数、迭代训练和置信度学习，得到训练后的权重和模型。本发明一种集成化的检测体系，为隧道衬砌表面病害和边沟病害检测提供了更加智能化的方法，相对于现有依靠人工判别、评估病害，其工作效率有了极大的提高。