一种大坝裂缝检测模型
    1.
    发明公开

    公开(公告)号:CN117994206A

    公开(公告)日:2024-05-07

    申请号:CN202410049328.6

    申请日:2023-03-09

    Applicant: 三峡大学

    Abstract: 一种大坝裂缝检测模型,图像通过ResNet50残差网络结构进行特征提取,在UNet模型跳跃连接中设置多层并行残差注意力模块MPRAttention获取更多语义信息以增强模型的特征表达能力,最后通过UNet解码器预测对图像裂缝。本发明的目的是为了解决现有技术存在的坝面数据图像采集困难、数据标注人工成本高,使大坝裂缝数据集缺乏导致模型训练欠拟合、不充分、检测精度低以及现有方法对微小裂缝所占的像素点少、裂缝与周边环境对比度低,导致模型对坝面裂缝特征信息提取能力弱、细小裂缝分割能力弱、像素准确率低的技术问题,而提供的一种基于像素级深度学习的混凝土坝表面裂缝检测方法及大坝裂缝检测模型。

    一种面板堆石坝坝面性能检测智能平台及方法

    公开(公告)号:CN115492042A

    公开(公告)日:2022-12-20

    申请号:CN202211047780.6

    申请日:2022-08-30

    Applicant: 三峡大学

    Abstract: 一种面板堆石坝坝面性能检测智能平台及方法,包括两个控制装置和一个检测平台,两个控制装置分别通过拉线与检测平台连接,控制装置通过协同控制收放拉线,使检测平台移动;在使用状态下,控制装置设置于面板堆石坝的坝顶两侧,检测平台设置于面板堆石坝的坝面,检测平台通过控制装置稳定在坝面上,控制装置对拉线的协同收放控制,使检测平台在倾斜的坝面上移动,用于对坝面进行检测的检测仪器安装在检测平台上,通过检测平台的移动对坝面进行检测。通过上述结构,检测仪器通过检测平台在整个坝面上移动,具有检测方便,检测区域全面,工作效率高等优点,不需要人工攀爬坝面,大大降低了检测劳动强度,并消除了人工在坝面上检测带来的安全隐患。

    一种基于智能无人机的大坝裂缝检测方法

    公开(公告)号:CN116433580A

    公开(公告)日:2023-07-14

    申请号:CN202310098296.4

    申请日:2023-02-10

    Applicant: 三峡大学

    Abstract: 本发明提供一种基于智能无人机的大坝裂缝检测方法,包括如下步骤:一、数据集构建:利用无人机对大坝表面拍摄工程真实情况下裂缝图片或录制视频,将拍摄到的视频进行分帧得到裂缝图像,获得数据集;二、大坝裂缝检测模型构建;三、大坝裂缝检测模型权重转化;四、计算处理器边缘部署:在一台主机实现计算处理器的镜像烧录,再将步骤三处理后的模型进行迁移部署;五、无人机大坝表面裂缝检测:将计算处理器搭载在智能无人机上,智能无人机航拍过程中,将拍摄到的视频图像直接输入至经过部署后的计算处理器中进行处理,通过GE‑YOLOv5检测出大坝表面裂缝。该检测方法通过对YOLOv5进行了修改,提高裂缝检测的准确率和效率,能够实现实时检测。

    一种透水混凝土渗透系数测定装置及其测定方法

    公开(公告)号:CN114577703A

    公开(公告)日:2022-06-03

    申请号:CN202210290097.9

    申请日:2022-03-23

    Applicant: 三峡大学

    Abstract: 本发明提供一种透水混凝土渗透系数测定装置及其测定方法,该测定装置包括工作台,工作台上设有支架,支架上设有溢流桶,供水管与水源连通对溢流桶进行供水,溢流桶侧壁设有溢流管,溢流桶底部通过渗流供水管与试样固定盒的进水口连通,试样固定盒的出水口与渗流排水管连接,出水口的高度高于透水混凝土试样的高度,皮托管测速装置的测试口与渗流排水管的管壁连接。该测定装置和测定方法操作方便,消除了人工读取时间末渗流水体质量造成的实验误差,使得实验结果更为精确。

    一种面板堆石坝坝面性能检测智能平台及方法

    公开(公告)号:CN115492042B

    公开(公告)日:2024-12-20

    申请号:CN202211047780.6

    申请日:2022-08-30

    Applicant: 三峡大学

    Abstract: 一种面板堆石坝坝面性能检测智能平台及方法,包括两个控制装置和一个检测平台,两个控制装置分别通过拉线与检测平台连接,控制装置通过协同控制收放拉线,使检测平台移动;在使用状态下,控制装置设置于面板堆石坝的坝顶两侧,检测平台设置于面板堆石坝的坝面,检测平台通过控制装置稳定在坝面上,控制装置对拉线的协同收放控制,使检测平台在倾斜的坝面上移动,用于对坝面进行检测的检测仪器安装在检测平台上,通过检测平台的移动对坝面进行检测。通过上述结构,检测仪器通过检测平台在整个坝面上移动,具有检测方便,检测区域全面,工作效率高等优点,不需要人工攀爬坝面,大大降低了检测劳动强度,并消除了人工在坝面上检测带来的安全隐患。

    一种基于像素级深度学习的混凝土坝表面裂缝检测方法

    公开(公告)号:CN116485717A

    公开(公告)日:2023-07-25

    申请号:CN202310223406.5

    申请日:2023-03-09

    Applicant: 三峡大学

    Abstract: 一种基于像素级深度学习的混凝土坝表面裂缝检测方法,包括以下步骤:步骤1:获取混凝土坝表面裂缝图像和两阶段迁移学习训练方式;步骤2:构建大坝裂缝检测模型;步骤3:采用大坝裂缝检测模型对混凝土坝表面裂缝图像中的每个像素点进行识别,并获取混凝土坝的裂缝形状检测结果。本发明的目的是为了解决现有技术存在的坝面数据图像采集困难、数据标注人工成本高,使大坝裂缝数据集缺乏导致模型训练欠拟合、不充分、检测精度低以及现有方法对微小裂缝所占的像素点少、裂缝与周边环境对比度低,导致模型对坝面裂缝特征信息提取能力弱、细小裂缝分割能力弱、像素准确率低的技术问题,而提供的一种基于像素级深度学习的混凝土坝表面裂缝检测方法。

    一种基于像素级深度学习的混凝土坝表面裂缝检测方法

    公开(公告)号:CN116485717B

    公开(公告)日:2024-03-12

    申请号:CN202310223406.5

    申请日:2023-03-09

    Applicant: 三峡大学

    Abstract: 一种基于像素级深度学习的混凝土坝表面裂缝检测方法,包括以下步骤:步骤1:获取混凝土坝表面裂缝图像和两阶段迁移学习训练方式;步骤2:构建大坝裂缝检测模型;步骤3:采用大坝裂缝检测模型对混凝土坝表面裂缝图像中的每个像素点进行识别,并获取混凝土坝的裂缝形状检测结果。本发明的目的是为了解决现有技术存在的坝面数据图像采集困难、数据标注人工成本高,使大坝裂缝数据集缺乏导致模型训练欠拟合、不充分、检测精度低以及现有方法对微小裂缝所占的像素点少、裂缝与周边环境对比度低,导致模型对坝面裂缝特征信息提取能力弱、细小裂缝分割能力弱、像素准确率低的技术问题,而提供的一种基于像素级深度学习的混凝土坝表面裂缝检测方法。

Patent Agency Ranking