检索结果-南通市图书馆

同方期刊数据库

融合自适应光照预处理和深度学习的钢桥腐蚀检测方法

在线全文

学校读者我要写书评

暂无评论

中国公路学报 2024年第2期37卷 110-124页

作者：吴乐谋张清华郑秋松邵少兵崔闯西南交通大学桥梁智能与绿色建造全国重点实验室四川成都610031 西南交通大学桥梁工程系四川成都610031

针对钢结构桥梁实桥腐蚀图像往往由于光照条件较差或光照不均匀导致腐蚀区域检测困难的问题,提出了一种融合自适应光照预处理方法和深度学习的钢桥腐蚀检测方法。首先,采用Global and Local Fusion(GLF)对比度增强算法结合KinD++低光增... 详细信息

针对钢结构桥梁实桥腐蚀图像往往由于光照条件较差或光照不均匀导致腐蚀区域检测困难的问题,提出了一种融合自适应光照预处理方法和深度学习的钢桥腐蚀检测方法。首先,采用Global and Local Fusion(GLF)对比度增强算法结合KinD++低光增强模型的方法,对图像进行预处理;其次,采用粗标注结合K-means算法标注腐蚀区域得到分割标签;最后,采用原始图像和预处理后图像分别对UNet++网络进行了训练和测试,验证了所提出的预处理方法的有效性和优越性。结果表明:所提出的自适应光照预处理方法有效改善了实桥腐蚀图像的光照不均和低光照问题,修复和增强了细节和纹理特征信息,颜色保真度较高;所提出的数据标注方法能够精准标注腐蚀区域,减少边缘描绘工作;与原始图像相比,该方法预处理后的图像训练的模型在准确率、精确率、召回率、F1-score、交并比IoU和AUC上分别提高了5.2%、2.7%、22.5%、19.4%、25.4%和10.5%;对于光照良好的均匀腐蚀图像,预处理对分割精度提高有限,对于点蚀图像,分割精度有较大的提高,对于低光照或光照均匀性较差的图像,分割精度得到了大幅提高。

关键词：桥梁工程腐蚀检测光照处理钢结构桥梁深度学习语义分割

在线全文

学校读者我要写书评

暂无评论

融合对比度拉伸的地铁隧道环境图像复原算法

计算机工程 2024年第1期50卷 224-231页

作者：杨康任愈吴学杰西南交通大学牵引动力国家重点实验室四川成都610031

由于地铁隧道环境图像对比度低且细节模糊,在后续图像处理过程中难以从图像中准确提取关键的环境信息。为了解决该问题,提出一种融合对比度拉伸的模糊图像复原算法。将隧道图像转换到HSV颜色空间,根据V分量的灰度分布特点构建对比度拉... 详细信息

由于地铁隧道环境图像对比度低且细节模糊,在后续图像处理过程中难以从图像中准确提取关键的环境信息。为了解决该问题,提出一种融合对比度拉伸的模糊图像复原算法。将隧道图像转换到HSV颜色空间,根据V分量的灰度分布特点构建对比度拉伸模型对V分量进行增强,避免了传统低照度增强算法出现的过度增强问题,且能够自适应增强图像对比度。对增强后的V分量进行模糊类型分析,从而确定地铁隧道图像模糊类型,在此基础上将增强后的V分量图像划分为不同的区域,在各个区域分别选择符合条件的刀刃边缘线并对其扩散函数进行估计,同时以点扩散函数作为先验信息,采用非盲去卷积算法对各区域进行去模糊处理。融合H、S、V 3个分量,完成隧道环境低照度图像整体增强与复原。实验结果表明,所提算法能有效提高隧道图像整体及局部对比度,减少由高斯噪声引起的图像模糊,恢复图像中的细节信息。

关键词：图像复原刀刃法低照度对比度拉伸自适应增强

在线全文

学校读者我要写书评

暂无评论

高铁司机警觉度监测与干预穿戴装置研制

实验技术与管理 2024年

作者：史磊周文慧魏方传陈志涛周昱王理安西南交通大学交通运输与物流学院西南交通大学综合运输四川省重点实验室西南交通大学利兹学院西南交通大学信息科学与技术学院

为准确识别、分析高铁司机疲劳状态并进行有效干预，该研究提出一种基于脑电信号特征的疲劳识别与干预方法，并研制了集实时监测、疲劳检测和智能干预于一体的可穿戴警觉度干预装置。装置由采集终端、Web端疲劳检测设备、疲劳干预模块... 详细信息

为准确识别、分析高铁司机疲劳状态并进行有效干预，该研究提出一种基于脑电信号特征的疲劳识别与干预方法，并研制了集实时监测、疲劳检测和智能干预于一体的可穿戴警觉度干预装置。装置由采集终端、Web端疲劳检测设备、疲劳干预模块和警觉度预警平台组成：采集终端实时收集、分析脑电数据；Web端疲劳检测设备使用Welch法提取7个脑电特征指标计算疲劳阈值并以优化随机森林分类器识别司机疲劳状态并发送干预指令；最终将采集终端与疲劳干预模块集成为柔性可穿戴衣物，并设计警觉度预警平台对各模块运行状态进行可视化显示。实验结果显示，装置的疲劳检测准确率超过90%，脑电指标显示装置疲劳干预效果良好，并具备稳定的通信性能。

关键词：高铁司机实时监测脑电信号警觉度智能干预可穿戴设备

基于机器学习的增材制造合金材料力学性能预测研究进展与挑战

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

力学学报 2024年第7期56卷 1892-1915页

作者：胡雅楠余欢吴圣川奥妮阚前华吴正凯康国政西南交通大学力学与航空航天学院西南交通大学轨道交通运载系统全国重点实验室

增材制造是现代高端装备制造领域的革命性突破技术之一.其中,增材构件的大批量生产和高可靠应用,关键在于制造可重复性、质量可靠性与性能可预测性.而在各向异性组织、广域分布缺陷、深部残余应力和复杂表面粗糙度等诸多因素的共同影响... 详细信息

增材制造是现代高端装备制造领域的革命性突破技术之一.其中,增材构件的大批量生产和高可靠应用,关键在于制造可重复性、质量可靠性与性能可预测性.而在各向异性组织、广域分布缺陷、深部残余应力和复杂表面粗糙度等诸多因素的共同影响下,基于传统经验模型和有限数据的增材制造金属力学性能预测效率与准确性面临着严峻挑战.近年来,作为大数据与人工智能发展到一定阶段的必然产物,机器学习(machine learning, ML)方法为有效处理高维物理量之间的复杂非线性关系提供了契机,在增材制造合金材料力学性能预测领域得到持续关注.文章综述了机器学习在增材制造材料及构件力学性能预测中的国内外研究进展.首先简述了常见的机器学习算法和通用的机器学习流程,重点分析了融合物理信息的机器学习(physics-informed machine learning, PIML)方法的特点与构造方式;然后概述了增材制造合金材料力学性能4大影响因素的形成原因及机器学习在这些影响因素预测中的应用现状;重点介绍了ML和PIML在拉伸性能和疲劳断裂性能预测中的代表性研究成果;最后指出当前机器学习在力学性能预测中的局限性,并探讨了发展趋势和技术前景.

关键词：数据驱动机理驱动微观组织缺陷演化疲劳寿命

车轮非圆化信号平滑处理方法及其对多边形磨耗预测的影响研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

西南交通大学学报 2024年

作者：杨晓璇陶功权温泽峰西南交通大学轨道交通运载系统全国重点实验室

车轮踏面通常存在麻坑等缺陷，实测车轮非圆化信号往往包含高频噪声干扰，有时也会因为客观因素致使信号首尾端点不闭合。车轮非圆化是车辆—轨道耦合动力学模型中重要的轮轨界面激扰，对轮轨动力相互作用仿真和车轮非圆化磨耗预测具有... 详细信息

车轮踏面通常存在麻坑等缺陷，实测车轮非圆化信号往往包含高频噪声干扰，有时也会因为客观因素致使信号首尾端点不闭合。车轮非圆化是车辆—轨道耦合动力学模型中重要的轮轨界面激扰，对轮轨动力相互作用仿真和车轮非圆化磨耗预测具有重要影响，选取合适的平滑方法是保证仿真结果准确性的关键。本文研究了基于EN 15610标准、傅里叶级数、移动平均和形态学滤波等四种常用方法在实测车轮非圆化信号处理中的平滑效果，并讨论了四种平滑方法在车轮多边形磨耗预测中的适用性。结果表明，在处理实测非圆化信号时，傅里叶级数和移动平均两种方法既能达到良好的平滑去噪效果、保留原始信号的波形特征，又能保证车轮不圆数据首尾闭合。此外，这两种方法也适合在多边形磨耗预测中使用，使用时建议傅里叶级数的阶数取值大于60，移动平均的平滑窗口长度取17 mm左右。

关键词：车轮非圆化数据平滑傅里叶级数移动平均形态学滤波多边形磨耗预测

基于数字图像技术振动台试验结构位移信息捕捉技术研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

振动与冲击 2024年第5期43卷 139-148,158页

作者：常铭宇申玉生张熙高登骆阳王浩鱇西南交通大学交通隧道工程教育部重点实验室成都610031 西南交通大学陆地交通地质灾害防治技术国家工程研究中心成都610031

针对振动台试验模型箱位移、围岩错动以及隧道衬砌变形监测的需求,将YOLO-V2、改进Canny边缘检测、Hough变换及倾斜矫正技术相结合,提出了一种倾斜影像的自动矫正技术,实现了将倾斜影像修正为相机光轴垂直于测点运动平面的图像分析;提... 详细信息

针对振动台试验模型箱位移、围岩错动以及隧道衬砌变形监测的需求,将YOLO-V2、改进Canny边缘检测、Hough变换及倾斜矫正技术相结合,提出了一种倾斜影像的自动矫正技术,实现了将倾斜影像修正为相机光轴垂直于测点运动平面的图像分析;提高了试验数据结果的处理精度,扩大了目标追踪算法在结构位移和变形监测的使用范围。同时通过核相关滤波技术完成对修正后的影像进行追踪,形成一套完整的地震动信号捕捉与监测系统。采用该系统进行了强震作用下穿越断层隧道韧性结构减震抗错性能试验研究,分别对模型箱位移、围岩错动和隧道衬砌变形进行信号识别与捕捉,同时对比分析了高精度拉线式位移计和位移传感器采集的数据,验证了系统的可靠性。结果表明:在监测点位设有标记物时,首先对采集结果进行倾斜矫正后追踪,通过监测结果与位移传感器进行对比,两者的2-范数小于0.005;而在无标记物时对结构表面特征物进行追踪,精度达到了97.5%;试验数据证明通过倾斜影像自动矫正技术来完成非对正对标记物时的影像进行追踪具有较高可靠性。

关键词：振动台试验变形监测 Canny边缘检测倾斜影像自动修正目标追踪

基于机器学习的增材制造金属力学性能预测研究进展与挑战

在线全文

学校读者我要写书评

暂无评论

力学学报 2024年

作者：胡雅楠余欢吴圣川奥妮阚前华吴正凯康国政西南交通大学力学与航空航天学院西南交通大学轨道交通运载系统全国重点实验室

增材制造是现代高端装备制造领域的革命性突破技术之一。其中，增材构件的大批量生产和高可靠应用，关键在于制造可重复性、质量可靠性与性能可预测性。而在各向异性组织、广域分布缺陷、深部残余应力和复杂表面粗糙度等诸多因素的共同... 详细信息

增材制造是现代高端装备制造领域的革命性突破技术之一。其中，增材构件的大批量生产和高可靠应用，关键在于制造可重复性、质量可靠性与性能可预测性。而在各向异性组织、广域分布缺陷、深部残余应力和复杂表面粗糙度等诸多因素的共同影响下，基于传统经验模型和有限数据的增材制造金属力学性能预测效率与准确性面临着严峻挑战。近年来，作为大数据与人工智能发展到一定阶段的必然产物，机器学习（Machine learning, ML）方法为有效处理高维物理量之间的复杂非线性关系提供了契机，在增材制造力学性能预测领域得到持续关注。本文综述了机器学习在增材制造材料及构件力学性能预测中的国内外研究进展。首先简述了常见的机器学习算法和通用的机器学习流程，重点分析了融合物理信息的机器学习（Physics-informed machine learning, PIML）方法的特点与构造方式；然后概述了增材制造力学性能四大影响因素的形成原因及机器学习在这些影响因素预测中的应用现状；重点介绍了ML和PIML在增材制造拉伸性能和疲劳断裂性能预测中的代表性研究成果；最后指出当前机器学习在增材制造力学性能预测中的局限性，并探讨了发展趋势和技术前景。

关键词：数据驱动机理驱动微观组织缺陷演化疲劳寿命

基于计算机视觉与混合测量技术的结构裂缝识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

西南交通大学学报 2024年

作者：李泽伟杨永清廖曼谢明志刘雨黄胜前西南交通大学土木工程学院西南交通大学桥梁智能与绿色建造全国重点实验室

混凝土表面裂缝的检测为桥梁结构的运维提供了关键的技术资料与决策要素。然而，裂缝识别作为结构裂缝检测的重要步骤，存在裂缝目标识别与裂缝信息提取集成度不高的问题。为此，提出一种基于计算机视觉与混合测量技术的结构裂缝识别方... 详细信息

混凝土表面裂缝的检测为桥梁结构的运维提供了关键的技术资料与决策要素。然而，裂缝识别作为结构裂缝检测的重要步骤，存在裂缝目标识别与裂缝信息提取集成度不高的问题。为此，提出一种基于计算机视觉与混合测量技术的结构裂缝识别方法。首先，利用YOLOv8目标识别算法，实现了结构裂缝的快速识别与定位。并基于稠密的深度反向投影网络（D-DBPN）和UNet网络构建SR-UNet裂缝分割模型。引入边界损失对原有的损失函数进行改进，降低正负样本不平衡的影响，实现了像素级裂缝提取。在裂缝分割结果的处理方面，结合连通域去噪、边缘检测等形态学技术，采用基于最短距离法与正交骨架法的混合方法对裂缝进行像素宽度测量。研究利用LabelImg软件制作了包含3123张裂缝图像的识别定位数据集进行模型训练与测试。研究结果表明，YOLOv8模型在裂缝测试集上的准确率为83.41%、召回率为84.93%和F1分数为84%；裂缝像素宽度混合测量方法的拟裂缝宽度测量结果与人工识别方法基本一致，相对误差低于7.1%；本文方法能够实现裂缝识别定位、裂缝分割和像素宽度测量的一体化处理，对于桥梁裂缝检测的发展具有较强的研究价值与应用前景。

关键词：裂缝识别裂缝测量 YOLOv8 UNet 超分辨图像

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于最大平均峭度盲解卷积的直升机故障诊断

振动．测试与诊断 2024年第3期44卷 480-485,617页

作者：张新赵艺珂王家序王景霖重庆大学高端装备机械传动全国重点实验室重庆400044 西南交通大学机械工程学院成都610031 故障诊断与健康管理技术航空科技重点实验室上海201601

针对最小熵解卷积(minimum entropy deconvolution,简称MED)应用于故障诊断时倾向于恢复少量主导冲击而非周期性故障冲击的问题,定义一种滤波器系数求解指标——平均峭度,提出了最大平均峭度盲解卷积方法。首先,通过对故障信号进行均等... 详细信息

针对最小熵解卷积(minimum entropy deconvolution,简称MED)应用于故障诊断时倾向于恢复少量主导冲击而非周期性故障冲击的问题,定义一种滤波器系数求解指标——平均峭度,提出了最大平均峭度盲解卷积方法。首先,通过对故障信号进行均等分割,取各分割段信号峭度的均值,得到信号的平均峭度;其次,将平均峭度作为信号盲解卷积指标,求解滤波器系数;最后,完成信号滤波,提取周期性故障冲击。仿真信号与直升机故障诊断案例分析结果表明:所提最大平均峭度盲解卷积方法能从含复杂干扰成分的故障信号中恢复故障冲击序列,为故障诊断提供可靠信息;相比于MED等传统盲解卷积方法,所提方法具有较强的普适性。

关键词：直升机齿轮箱故障诊断盲解卷积平均峭度