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。

公开(公告)号：CN115439657A

公开(公告)日：2022-12-06

申请号：CN202211055635.2

申请日：2022-08-31

Applicant: 浙江大学

Inventor： 吕朝锋 ,  徐致远 ,  张鹤

IPC: G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供一种基于改进残差结构的桥梁病害智能识别方法，首先获取桥梁病害历史图片数据集，将其转换成像素矩阵，再利用数据增强算法得到增强数据副本，将其合并为训练集。然后搭建卷积神经网络，并对所搭建的卷积神经网络模型进行模型训练、验证和测试，得到对所述目标桥梁病害种类的识别结果。本发明基于原有的ResNet神经网络进行改进，设计了针对桥梁病害识别的新型神经网络ResNet+，优化了网络之间的残差结构，提高了桥梁病害识别的精度。