-
公开(公告)号：CN119089124A
公开(公告)日：2024-12-06
申请号：CN202411281506.4
申请日：2024-09-13
Applicant: 贵州大学
IPC: G06F18/15 , G06F18/2131 , G06F18/2135 , G06F18/25 , G06N3/04 , G06F21/64 , G06F21/31 , G06F11/14 , H04W4/38 , H04W12/00 , H04W12/03 , H04W12/106 , H04L9/32
Abstract: 本发明提供一种基于多传感器数据融合的智能AI识别方法，涉及智能AI识别方法领域。该基于一种基于多传感器数据融合的智能AI识别方法，包括，S1、在桥梁结构上安装多种传感器，用于实时采集桥梁的运行数据，将采集到的数据通过加密无线传输发送至中央数据处理中心，S2、在中央数据处理中心，使用自适应学习模块对接收到的数据进行初步的筛选和清洗。本发明提出基于参数优化的小波阈值分解，该方法改进和优化了传统的小波阈值函数，通过随机优化算法引入了两个调节参数和来适应不同的小波分解层数，从而进一步去除噪声信号，提出了基于传感器数据挖掘的特征工程方法使用快速傅里叶变换和滑动窗口提取模态频率。
-
公开(公告)号：CN110619928A
公开(公告)日：2019-12-27
申请号：CN201910762059.7
申请日：2019-08-19
Applicant: 贵州大学
Abstract: 本发明公开了一种键基近场动力学的并行立方晶格积分法，主要针对循环计算进行并行化处理；对三个循环进行分析可知，在时间步循环中，前后时间步间具有依赖关系，即下一时间步需要使用前一时间步的计算结果，故不可并行，而在点单元间的循环和每个点单元的所有键的循环中，点单元间的计算和每个点单元的所有键的计算都是独立的，因此可进行并行化处理，并行化处理后的数值计算过程如图3所示，其中将单元点循环和键循环采用多进程的并行计算方式，可有效提高数值计算速度，且计算结果与不采用并行计算时的结果一致。选择适当的并行进程数量可在一定的硬件条件下有效提高计算效率，适用性较广。
-
公开(公告)号：CN118230080B
公开(公告)日：2024-07-19
申请号：CN202410659635.6
申请日：2024-05-27
Applicant: 贵州大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种基于Transformer和CNN双骨干的桥梁结构表面裂缝检测方法，该方法结合卷积神经网络CNN和Transformer的双骨干结构，用于同时捕获裂缝图像的局部特征和全局特征；以及设计了一个特征融合模块，该模块能够将CNN和Transformer捕获的特征进行融合，以获取更丰富的语义特征；以及在CNN分支中采用动态蛇形卷积，并设计了特征增强模块；以及利用聚焦的线性注意力优化了Transformer结构，将原本的平方级复杂度优化为线性复杂度。该方法有效地提高了模型抵抗图像噪声干扰的性能，并且降低了Transformer处理过程中因损失局部细节而造成的细粒度裂缝检测精度下降。
-
公开(公告)号：CN118351109A
公开(公告)日：2024-07-16
申请号：CN202410694613.3
申请日：2024-05-31
Applicant: 贵州大学
IPC: G06T7/00
Abstract: 本发明公开了一种改进型钢表面缺陷检测方法，包括以下步骤：采集钢板图像，裁剪所述图像并进行标记，将所有标记完成的所述图像分为钢板表面缺陷检测模型的训练集和验证集；将训练集中的图像输入表面缺陷检测模型，模型利用原生骨干网进行特征提取，获得各缺陷的特征；获取鲁棒的缺陷特征，在卷积核中加入offset参数，形成离散卷积核采样点；将融合后的特征图像输入一个带有跳跃连接的解码器，将图像的分辨率恢复并输出检测后的缺陷图像，利用输出图像计算模型损失函数并更新模型的参数；将验证集中的图像输入模型并计算缺陷检测的精度；更新模型参数并验证模型的检测能力，得到模型最后的训练结果。
-
公开(公告)号：CN114563150B
公开(公告)日：2023-04-07
申请号：CN202111592343.8
申请日：2021-12-23
Applicant: 贵州大学
Abstract: 本发明提供一种桥梁健康在线检测模块生成方法、检测方法、工具箱及装置，通过传感器采集加速度作为结构动力响应信号。对结构响应数据的原始数据进行极值统计，进一步对结构响应数据降噪和快速傅里叶变换后再进行极值统计，合并两次统计结果以获取数据特征，能够准确捕捉桥梁的损伤特性。通过多种机器学习算法模型进行训练和学习得到能够完成桥梁损伤识别分类的桥梁损伤识别分类模型，并整合成一个桥梁损伤检测模块，自由调用。同时，计算各桥梁损伤识别分类模型的评价指标，以指导选用最优的或结合多种桥梁损伤检测模块进行识别检测，提高损伤识别精度。基于全自动化的智能处理方式，极大提升了对桥梁损伤的检出速度和精度，实现全天候实时检测。
-
Patent Agency Ranking
公开(公告)号：CN115511787A
公开(公告)日：2022-12-23
申请号：CN202211039587.8
申请日：2022-08-29
Applicant: 贵州大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06N20/00 , G06V10/22 , G06V10/26 , G06V10/82 , G06V20/10 , G06V20/70
Abstract: 本发明公开了一种融合注意力机制的轻量化桥梁表面裂纹分割方法及设备，包括：构建初始语义分割网络模型，将注意力模块融入至所述初始语义分割网络模型中，得到改进后的语义分割网络模型；获取桥梁裂纹图像数据集，基于所述桥梁裂纹图像数据集对所述语义分割网络模型进行训练，得到训练好的裂纹分割网络；利用所述裂纹分割网络实时识别桥梁裂纹。利用训练好的网络进行桥梁裂纹的实时检测；该方法采用基于注意力模块的改进型PSPNet语义分割网络进行裂纹分割，分割精度高、速度快、计算成本低，对硬件设备要求较低，可以部署在计算力相对较低的硬件设备中实时运行，满足工业需求。
-
公开(公告)号：CN114429032A
公开(公告)日：2022-05-03
申请号：CN202111592341.9
申请日：2021-12-23
Applicant: 贵州大学
IPC: G06F30/20 , G06K9/62 , G06F16/215 , G06F16/2455 , G06F16/28 , G06F17/11 , G06F119/02
Abstract: 本发明提供一种桥梁健康在线智能监测系统，设置数据分析模块装载基于机器学习得到的桥梁损伤识别分类模型，对加速度传感器采集到的数据进行异常检测，能够实时自动化对桥梁健康状态进行监测。设置损伤可视化模块，在检出待分析桥梁异常的情况下，基于近场动力学对待分析桥梁进行损伤分析，并进行可视化展示，更直观地呈现待分析桥梁健康状态。
-
公开(公告)号：CN119888434A
公开(公告)日：2025-04-25
申请号：CN202411651133.5
申请日：2024-11-18
Applicant: 贵州大学
IPC: G06V10/82 , G06V10/141 , G06V10/34 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/082
Abstract: 本发明提供一种轻量级混凝土结构裂纹自动检测方法。该轻量级混凝土结构裂纹自动检测方法，S1、使用至少一个高分辨率摄像头在多种光照条件下捕捉混凝土结构的图像，S2、对捕获的图像进行预处理，以增强在低光照条件下的裂纹可视性，S3、利用基于裂纹自动检测网络V3和Bottleneck Transformer的主干网络进行图像的特征提取，S4、应用特征金字塔网络和路径聚合网络进行特征的多尺度融合。该轻量级混凝土结构裂纹自动检测方法，该轻量级混凝土结构裂纹自动检测方法，搭建了一个轻量化的裂纹特征自动提取网络，该网络使用了裂纹自动检测网络V3和Transformer，Transformer的加入很好的增强了裂纹特征提取的效果，通道注意力机制的引入使得网络更加注重裂纹特征。
-
公开(公告)号：CN118230080A
公开(公告)日：2024-06-21
申请号：CN202410659635.6
申请日：2024-05-27
Applicant: 贵州大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种基于Transformer和CNN双骨干的桥梁结构表面裂缝检测方法，该方法结合卷积神经网络CNN和Transformer的双骨干结构，用于同时捕获裂缝图像的局部特征和全局特征；以及设计了一个特征融合模块，该模块能够将CNN和Transformer捕获的特征进行融合，以获取更丰富的语义特征；以及在CNN分支中采用动态蛇形卷积，并设计了特征增强模块；以及利用聚焦的线性注意力优化了Transformer结构，将原本的平方级复杂度优化为线性复杂度。该方法有效地提高了模型抵抗图像噪声干扰的性能，并且降低了Transformer处理过程中因损失局部细节而造成的细粒度裂缝检测精度下降。
-
公开(公告)号：CN115439412A
公开(公告)日：2022-12-06
申请号：CN202210936787.7
申请日：2022-08-05
Applicant: 贵州大学
Abstract: 本发明公开了一种轻量化卷积网络的桥梁表面裂纹检测方法及设备，包括：构建轻量化卷积网络模型；其中，所述轻量化卷积神经网络为基于MobileNet的YOLOv4网络；获取桥梁裂纹图像数据集，基于所述桥梁裂纹图像数据集对所述轻量化卷积网络模型进行训练，得到训练好的裂纹检测网络；利用所述裂纹检测网络实时检测桥梁裂纹。本发明通过构建基于MobileNet的YOLOv4网络，基于MobileNet YOLOv4的轻量化，实现对获取桥梁裂纹图像数据集对所述基于MobileNet的YOLOv4网络进行训练，利用训练好的网络进行桥梁裂纹的实时检测；本方法能够有效克服现有基于机器学习的裂纹检测方法存在的检测精度低、检测速度慢的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
