排水管道缺陷内窥检测智能识别系统研究

目前国内各城市已普遍采用管道机器人深入管道内部摄取视频影像,有效获取到可供管道缺陷检测的一手资料,但缺陷识别依靠人工目视识别,耗时耗力,生产周期长.本文利用福州市勘测院多年累积的管道检测数据,在Pytorch框架下、基于深度学习建立了排水管道缺陷内窥检测智能识别系统,包括:数据预处理,残差神经网络设计与训练、系统集成等.重点实现了三级组合识别模型建构(二分类,类型识别,等级识别),解决了系统准确度等技术难题.经生产实践表明:模型准确率高,可有效提高管道健康状况检查质量和效率.     

排水管道闭路电视视频智能检测技术的现状与挑战

城市排水管道缺陷检测是及时发现管道安全隐患的重要保障,为管道养护、修复提供准确的科学依据.人工管道缺陷检测方法费时费力,主观误差大,与其相比,管道闭路电视检测系统(Closed Circuit Television,CCTV)管道内窥检测方法自动化程度更高,但仍处于发展的初级阶段.本文首先分析人工检测方法与传统机器学习...     

基于深度学习的人脸识别研究

基于深度学习的人脸识别技术是目前人工智能和图像领域研究的热点之一,尤其随着近年来深度神经网络的发展,人脸识别的准确性和有效性得到了极大的提高。文章首先简要阐述了人脸识别技术的研究和发展历史,接着叙述了人脸识别的技术流程,随后详细介绍了在人脸识别中常用到的卷积神经网络。由于各大企业在人脸识别领域取得丰硕的研究成果,因此,也对人脸识别的产品和公司进行了简单介绍。最后,对人脸识别技术存在的不足和发展前景进行了总结和展望。     

基于深度学习的公路裂缝病害自动识别技术研究

针对目前裂缝识别存在样本较少,识别精度受样本采集时的环境因素影响较大等问题,提出一种结合VGG网络和Seg Net网络的裂缝分割算法模型（DeepCrack）,解决了模型鲁棒性较差的缺陷,实现了裂缝的像素级（pixel-level）识别定位。基于该模型与另外6种深度学习模型在公开道路数据集CRKWH100和CrackL315上的测试结果表明：该模型不仅可以实现对裂缝的识别定位,还能准确地提取裂缝的尺度信息,研究结果可应用于实际工程检测。     

基于深度学习的疑似违法图斑快速检测研究

无人机监测是当前城市违法建设和违法用地问题治理的重要手段,但传统人工识别的方法费时费力,越来越难以满足治理需求.本文针对这一问题,研究了基于深度学习卷积神经网络模型的城市违法建设和违法用地快速检测方法:首先,分析了违法建设和违法用地的主要类型和特点,构建训练样本集;然后,构建卷积神经网络深度学习模型并对模型进行训练;最后,对两期影像分别分类并通过分类结果对比的方式快速筛查违法建设图斑.利用0.1 m分辨率的城市无人机正射影像进行的检测实验结果表明,本文方法对于违法建设问题能够快速有效地检测,对城市违法建设问题治理具有良好的支持作用.     

基于生成对抗网络和迁移学习的排水管道缺陷识别

城市排水设施的服役可靠性成为越来越重要的工程问题,高效率、自动化、大规模的管道缺陷智能检测是城市排水设施建设和管理的迫切需求和重要发展趋势。近年来深度学习技术发展迅速,为排水管道缺陷检测提供了新方法。然而,数据量不足和样本不均衡是深度学习模型普遍存在的问题,影响模型的泛化能力和识别鲁棒性。基于当前先进的生成对抗网络（StyleGAN）,提出了一种高质量的排水管道缺陷图像合成方法,以解决训练样本问题。进一步采用卷积神经网络算法,借助迁移学习和预训练模型（SqueezeNet网络）实现管道缺陷识别,提升模型识别效率,并对合成图像进行效果验证。结果表明,StyleGAN能高效合成高质量的缺陷图像,识别模型的平均精度达到90.0%（对树根、错口、残墙坝根和障碍物的精度分别为99.7%、92.3%、87.7%和81.7%）。借助生成对抗网络实现数据增强,为深度学习模型训练提供了一种有前景的方法,具有重要的应用意义。     

基于YOLOv3的深度学习交通标志识别系统

介绍采用深度学习算法中的目标检测网络模型在禁令交通标志识别研究方面的难点以及国内外对此类问题的相关研究成果;阐述基于YOLOv3目标检测网络模型以及其训练方法;通过测定平均精度及平均召回率对研究结果进行评估。     

基于深度学习的建筑用短粗拉索索力智能识别

准确识别拉索的索力大小对评估预应力结构的健康状态具有重要意义。频率振动法可以较精确地测量桥梁结构中细长拉索的索力,但对建筑用短粗拉索的索力测量精度较低。为此,对建筑中常用的密闭索及高钒索开展在预应力作用下的动态响应试验,以获取拉索在不同索力下的动态响应数据,基于试验数据提出了可智能识别建筑用拉索索力的深度学习模型。模型以采集的原始频谱数据及拉索各项几何参量为特征输入,采用多通道融合的1D卷积神经网络(CNN)及深度神经网络(DNN)。分析结果表明：训练后的模型在测试集上识别的索力值与实际索力值间的平均绝对误差值仅为5.05%,均方误差值仅为0.35%;在测试集随机的6个取样点上索力值的决定系数为0.985 4,索力误差均小于10%。与已有索力计算实用公式和机器学习算法进行对比,由索力误差百分比及决定系数的评估结果发现所提出的深度学习模型的索力识别精度更高。     

基于深度学习的皮肤影像分类

随着大数据时代的到来,深度学习技术在图像分类、检测等任务中相对传统模式识别方法均取得了令人瞩目的突破。2017年1月,斯坦福大学人工智能实验室采用深度学习方法对皮肤镜和临床皮损图像进行自动分类,并在《自然》杂志上发表了相关研究成果,代表了皮肤图像自动分析领域的最新研究进展。本文从数据库建立、研究方法设计以及试验结果分析等角度对这一研究工作进行解读,并分析国内皮肤影像计算机辅助诊断的研究现状,以及未来多源皮肤影像大数据分析与智能辅助诊断的发展空间,以期推进我国皮肤疾病的医疗诊断水平。     

基于卷积神经网络的结构损伤识别研究进展

为系统梳理基于卷积神经网络的工程结构损伤识别方法的发展脉络和研究现状,分别从结构损伤的识别目的和在不同类型结构中的应用两方面进行了归类、分析和评价。介绍了卷积神经网络的基本结构和评价指标,回顾了卷积神经网络的研究和应用历程。在损伤的识别目的方面,主要针对混凝土结构损伤的分类、定位和分割,详细介绍了基于不同类型卷积神经网络的结构损伤识别方法,即基于分类的方法、基于回归的方法和像素级的图像分割算法; 分析了各类方法所使用的卷积神经网络模型的结构特点、计算流程、训练方法和损伤识别性能。在不同类型结构的损伤识别方面,分析了卷积神经网络在砌体结构、钢结构桥梁和古建筑木结构裂缝识别中的应用。最后,基于对卷积神经网络优缺点的思考,提出了发展建议和展望。结果表明:训练样本中结构损伤的多样性对模型的损伤识别效果影响较大; 现有基于卷积神经网络的损伤分割方法模型参数较多,计算量大; 采用数据增广和迁移学习方法可有效防止模型过拟合,提高模型训练效率; 针对微小损伤和不同类型结构损伤的识别,此类方法的性能有待提高。     

非金属材质排水管线的综合探测方法研究

针对城市中最常见的非金属材质排水管线,结合徐州市城市排水系统研究——排水管网普查工作,总结出“直接、观察、辨音、询查、物探”的综合探测方法,简述各种方法的实用性及优缺点。基于探测“泰奎大沟”的实例,阐述了使用地质雷达(GPR)获得地下反射波剖面,并分析排水管线反射特征来确定平面位置及深度,得到了很好的效果。五种方法可以综合使用,以获得排水管线埋深、管径、流向、空间位置等属性数据,提高管线探测的准确率,为管线探测者提供宝贵的经验。     

基于AutoCAD的排水管线缺陷类型自动标记成图系统设计与实现

为了快速及时更新外业采集的地下管线空间数据,本文针对AutoCAD进行二次开发,采用目前主流的AutoCAD开发语言Visual Lisp,结合外业人员最新的需求对常用工具作了扩展补充,开发了一套高效、丰富、友好的缺陷类型自动标记成图软件,该软件自动化程度,能高效地完成作业、减轻内业工作量,提高工作效率。     

特深地下管线探测的理论研究与应用实践

在最近几年间,由于非开挖管线施工工艺技术的先进性、优越性所带来的经济效益和社会效益,非开挖技术特别是水平定向钻（HDD）技术越来越多地应用于穿越江河、建筑等各种地下管线施工,这就意味着长距离和深的管线,常有大于300n1长和5m深的管线。它向我们提出了探测地下管线技术的挑战。本文研究了探测这类特深管线在不同深度、不同电流情况的H,H2磁场分量剖面曲线,列举了在广州市2个埋深〉5ITI的管线探测的实例。     

轨道交通管线详查方法研究

根据宁波市轨道交通建设过程中对管线详查的特殊要求,介绍了相应管线探测的主要技术方法,并成功解决了深埋金属管线和深埋非封闭非金属管线的探测技术方法,同时优化了数据处理技术,提高了数据查询效率。     

深埋非开挖管线精确定位的理论研究与实践

介绍了电磁感应法、磁梯度法、触探法探测管线的相关理论、探测效果及适用性。提出了运用磁梯度法和触探相结合的方法,对特大埋深非开挖管线精确定位。该方法在实际工程应用中取得了良好的效果。     

卷积神经网络在结构损伤诊断中的应用

对卷积神经网络(CNN)在工程结构损伤诊断中的应用进行了深入探讨; 以多层框架结构节点损伤位置的识别问题为研究对象,构建了可以直接从结构动力反应信号中进行学习并完成分类诊断的基于原始信号和傅里叶频域信息的一维卷积神经网络模型和基于小波变换数据的二维卷积神经网络模型; 从输入数据样本类别、训练时间、预测准确率、浅层与深层卷积神经网络以及不同损伤程度的影响等多方面进行了研究。结果表明:卷积神经网络能从结构动力反应信息中有效提取结构的损伤特征,且具有很高的识别精度; 相比直接用加速度反应样本,使用傅里叶变换后的频域数据作为训练样本能使CNN的收敛速度更快、更稳定,并且深层CNN的性能要好于浅层CNN; 将卷积神经网络用于工程结构损伤诊断具有可行性,特别是在大数据处理和解决复杂问题能力方面与其他传统诊断方法相比有很大优势,应用前景广阔。     

在役天然气管道缺陷检测新技术概述

分析了传统的管道缺陷检测技术的缺点,论述了超声导波检测技术、超声相控阵检测技术、衍射时差检测技术的工作原理和优点。