基于主动式全景视觉的管道内部缺陷检测方法

针对管道内表面检测空间受限的约束以及同时需要检测管道内壁功能性缺陷和结构性缺陷等需求,基于主动式全景视觉检测原理提出了一种既能视觉检测管道横截面几何尺寸又能获取和分析管道内壁表面缺陷的管道内部全方位视觉检测方法。利用携带有主动式全景视觉传感器的爬行机器人进入管道内部,分别实时获取内壁全景图像及激光横断面扫描全景图像。本文重点介绍基于管道内壁全景图像的缺陷检测方法,对管道内壁全景图像进行展开、预处理并提取管道病害区域的几何特征,最后判定缺陷类别及危害程度。经本文方法获取的缺陷几何特征实验数据验证,管道内表面存在的较为普遍的裂缝、腐蚀缺陷几何特征差异明显：腐蚀缺陷的圆形度较大,而裂缝缺陷的圆形度趋于0;腐蚀缺陷的凸度普遍大于裂缝缺陷;裂缝缺陷由于弯曲程度不同其边界离心率变化率大,而腐蚀缺陷的边界离心率趋于1。实验结果表明：该系统能够有效提取疑似缺陷区域并计算各几何特征,可通过合适的阈值判定其所属类别,为管道内表面缺陷检测提供了一种新的手段。     

探讨建筑工程现代化智能电气安装中质量的监督与控制

建筑工程智能电气安装工程是整个建筑系统的核心，它的强、弱电系统安装是质量监督和控制是最为关键的环节。文章主要探讨了现代化智能电气安装的问题分析，从质量的监督到全过程控制做出了详细分析及阐述。     

基于深度卷积神经网络的车型识别方法

针对现有车辆车型视觉识别技术中的检测精度不高、难以适应天气环境变化、难以从视频图像中准确提取出用于识别的车辆图像、难以对车辆车型子类进行识别分类、难以兼顾识别精度和检测效率等不足,将深度卷积神经网络引入车辆目标定位、识别和分类（子类）问题中.利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从道路复杂背景中提取出感兴趣区域;利用softmax分类器训练特征实现车型识别;为了优化softmax在深度卷积神经网络分类过程中出现的类内间距大的问题,引入中心损失函数对softmax损失函数进行优化,提高类间分散性与类内紧密性.在BIT-Vehicle车型数据集中的实验结果显示,提出方法的平均精度为89.67%,检测和识别时间为159 ms;与传统的分类方法相比,识别精度提高约20%,效率提高10倍以上,检测鲁棒性有明显提升;与未改进前的深度卷积神经网络相比,检测精度提高0.6%,速度提高0.29倍.     

建筑智能化技术的发展及研究

建筑智能技术是房建中最为主线的技术之一，文章智能化技术的可持续发展为主线进行分析，讨论了建筑智能化技术发展的可持续性。