-
公开(公告)号：CN116993737B
公开(公告)日：2024-03-29
申请号：CN202311258176.2
申请日：2023-09-27
Applicant: 西南科技大学 , 重庆红岩建设机械制造有限责任公司
IPC: G06F17/18 , G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/0455
Abstract: 本发明公开了一种基于卷积神经网络的轻量型裂缝分割方法，属于混凝土结构损伤检测技术领域，包括：S1、采集桥塔内表面图像，进行病害筛查和分类，得到裂缝粗分割图像；S2、对裂缝粗分割图像进行图像增强与增广处理，构建裂缝图像数据集；S3、对桥塔内表面裂缝图像进行统计学分析；S4、构建并训练桥塔内表面裂缝分割网络，得到桥塔内表面裂缝精准分割模型；S5、对模型裂缝分割结果进行形态学后处理，得到桥塔内表面的裂缝分割检测结果。本发明使用模型轻量化技术设计神经网络结构，结合形态学后处理和相机成像技术，实现混凝土结构表面裂缝的精准分割和量化任务，并能随着数据集的扩充使得模型迭代出更好的检测结果。
-
公开(公告)号：CN116993737A
公开(公告)日：2023-11-03
申请号：CN202311258176.2
申请日：2023-09-27
Applicant: 西南科技大学 , 重庆红岩建设机械制造有限责任公司
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/0455 , G06F17/18
Abstract: 本发明公开了一种基于卷积神经网络的轻量型裂缝分割方法，属于混凝土结构损伤检测技术领域，包括：S1、采集桥塔内表面图像，进行病害筛查和分类，得到裂缝粗分割图像；S2、对裂缝粗分割图像进行图像增强与增广处理，构建裂缝图像数据集；S3、对桥塔内表面裂缝图像进行统计学分析；S4、构建并训练桥塔内表面裂缝分割网络，得到桥塔内表面裂缝精准分割模型；S5、对模型裂缝分割结果进行形态学后处理，得到桥塔内表面的裂缝分割检测结果。本发明使用模型轻量化技术设计神经网络结构，结合形态学后处理和相机成像技术，实现混凝土结构表面裂缝的精准分割和量化任务，并能随着数据集的扩充使得模型迭代出更好的检测结果。
-
Patent Agency Ranking
公开(公告)号：CN115393725B
公开(公告)日：2023-03-07
申请号：CN202211314399.1
申请日：2022-10-26
Applicant: 西南科技大学
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种特征增强和语义分割的桥梁裂缝识别方法，包括以下步骤：S1、采集包含裂缝的桥梁图像，构建桥梁裂缝数据集；S2、通过特征提取模型获取桥梁裂缝数据集的高维抽象语义特征；S3、采用裂缝特征增强模型对高维抽象语义特征进行增强，得到增强特征；S4、根据增强特征和高维抽象特征，对桥梁裂缝图像进行逐像素分类，得到桥梁裂缝；本发明解决了裂缝信息在处理过程中被损失，以及裂缝像素与背景像素的不均衡，造成裂缝特征识别精度不足的问题。
-
公开(公告)号：CN115393725A
公开(公告)日：2022-11-25
申请号：CN202211314399.1
申请日：2022-10-26
Applicant: 西南科技大学
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种特征增强和语义分割的桥梁裂缝识别方法，包括以下步骤：S1、采集包含裂缝的桥梁图像，构建桥梁裂缝数据集；S2、通过特征提取模型获取桥梁裂缝数据集的高维抽象语义特征；S3、采用裂缝特征增强模型对高维抽象语义特征进行增强，得到增强特征；S4、根据增强特征和高维抽象特征，对桥梁裂缝图像进行逐像素分类，得到桥梁裂缝；本发明解决了裂缝信息在处理过程中被损失，以及裂缝像素与背景像素的不均衡，造成裂缝特征识别精度不足的问题。
-
公开(公告)号：CN119164396A
公开(公告)日：2024-12-20
申请号：CN202411282334.2
申请日：2024-09-13
Applicant: 西南科技大学
Abstract: 本发明提供了一种引入剂量因子的深度强化学习核应急机器人路径规划方法，涉及机器人路径规划技术领域，该方法以深度强化学习算法为基础，利用A*算法启发式函数，引入累积辐射剂量算子和距离算子，训练得到应用于辐射环境路径规划的目标网络；利用目标网络，在辐射剂量和障碍物发生动态变化时，完成对核应急机器人路径的自适应调整。本发明通过加强核应急机器人在作业过程中与环境的交互能力，为核应急机器人提供辐射风险小的无碰撞自适应作业路径，为核应急机器人应急决策提供支持。
-
公开(公告)号：CN117197097B
公开(公告)日：2024-09-17
申请号：CN202311183447.2
申请日：2023-09-13
Applicant: 西南科技大学
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V30/10 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于红外图像的电力设备组件检测方法，包括以下步骤：将红外相机采集到的整个电力设备的图像信息进行筛选和标注，得到训练集；构建电力设备红外检测模型，并使用训练集进行训练，得到训练后的电力设备红外检测模型；获取目标电力设备的红外图像，并通过训练后的电力设备红外检测模型进行检测，得到电力设备组件位置数据；对目标电力设备的红外图像进行温度识别，得到电力设备组件的温度值，完成电力设备组件检测。本发明可以快速且准确的自动识别红外图像中的电力设备组件，并获取其温度数据，高效完成电力设备组件的检测。
-
公开(公告)号：CN117197097A
公开(公告)日：2023-12-08
申请号：CN202311183447.2
申请日：2023-09-13
Applicant: 西南科技大学
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V30/10 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于红外图像的电力设备组件检测方法，包括以下步骤：将红外相机采集到的整个电力设备的图像信息进行筛选和标注，得到训练集；构建电力设备红外检测模型，并使用训练集进行训练，得到训练后的电力设备红外检测模型；获取目标电力设备的红外图像，并通过训练后的电力设备红外检测模型进行检测，得到电力设备组件位置数据；对目标电力设备的红外图像进行温度识别，得到电力设备组件的温度值，完成电力设备组件检测。本发明可以快速且准确的自动识别红外图像中的电力设备组件，并获取其温度数据，高效完成电力设备组件的检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.047 seconds)
