公开(公告)号：CN115713647A

公开(公告)日：2023-02-24

申请号：CN202211326419.7

申请日：2022-10-27

Applicant: 浙江大学

Inventor： 张鹤 ,  沈芷菁 ,  杨嘉琦 ,  林圳杭 ,  程沛鹏 ,  孙中玉

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的桥梁表观信息三分级识别方法和识别系统，先将训练数据集逐级分类，得到每个桥梁部位的训练数据集、每个桥梁构件的训练数据集、每个病害类别的训练数据集；然后，用前面的训练数据集分别训练改进的VGG16模型，得到每个桥梁部位的部位识别模型、每个构件的构件识别模型和每个病害类别的病害识别模型，组成三分级识别模型；最后将待预测的桥梁表观图像输入部位识别模型，识别出该图像对应的桥梁部位，然后再输入对应桥梁部位的构件识别模型，识别出该图像对应的构件；最后输入对应构件的病害识别模型，输出待预测的包含桥梁表观信息的图像的病害类别。本发明能够提供构件定位及病害类型的全面准确的桥梁服役状态信息。

公开(公告)号：CN115713488A

公开(公告)日：2023-02-24

申请号：CN202211327686.6

申请日：2022-10-27

Applicant: 浙江大学

Inventor： 张鹤 ,  李宸翰 ,  张帆 ,  沈轩喆 ,  沈芷菁 ,  徐致远 ,  杨嘉琦

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于实例分割的桥梁表观病害像素级识别方法和系统，该方法包括分别构建每个桥梁部位、每个桥梁构件的、每个病害类别的训练数据集；基于改进的VGG16模型，分别构建部位识别模型、构件识别模型、病害识别模型，从而获得三分级预分类模型；基于改进的Mask RCNN模型，构建每个病害类别的像素级识别模型；然后分别用相应的训练数据集训练三分级预分类模型和像素级识别模型，进行在线图像识别，获得预分类后的桥梁表观图像的病害数量、面积和轮廓形状。本发明能够实现对桥梁表观图像的像素级识别，同时兼顾较高精度与高效率，为进一步判别病害的严重程度提供客观依据。