道路压实检测数据集成与可视化技术研究

道路的施工建设过程是一个数据容量庞大，数据特征冗杂、信息传递与交互过程复杂的施工活动，传统的施工数据存储、管理与分析依赖于纸质文件和部分电子文件，存在数据利用率不高、数据特征难以挖掘、数据价值难以体现等局限，难以有效地为施工质量把控与运营阶段的数据信息移交提供支撑与服务。因此，提出一种基于BIM的路基路面压实检测数据集成与可视化框架，通过BIM平台与数据库实现在信息模型中集成施工数据，进行数据分析与数据可视化，并结合实际工程案例应用与验证。研究表明:框架具有可行性与有效性，可为基于BIM技术的道路施工精细化建设与管理提供思路与技术参考。     

基于机器学习的RC桥梁病害检测方法

针对现有桥梁检测中人工判别病害工作量大、效率低的问题,以钢筋混凝土(RC)桥梁为对象,阐述了机器学习在RC桥梁病害检测中的应用。从现有桥梁病害检测方法、机器学习方法、机器学习在RC桥梁中的应用进展三个方面进行研究,结果表明,基于深度学习的病害检测方法能够自动从病害图像中提取特征,实现病害的分类和定位,提供了一种病害自动化检测场景,有利于桥梁智能化管养。     

一种内河船舶吃水检测系统设计

船舶在通过船闸和升船机等通航设施时因超吃水会导致安全事故,目前常见的船舶吃水检测方法均存在弊端,无法满足检测需求。结合超声波衍射原理,设计一种基于侧扫单波束阵列的吃水检测系统,详细介绍该系统的组成及功能,并在葛洲坝船闸进行安装和测试。结果表明,该系统具有水质适应性强、易于安装、维护方便等优点,能够有效检测船舶动态吃水,测量值与实际核实吃水值的标准差小于0. 086 m,对过闸船舶具有一定的预警作用。     

基于Faster-RCNN的站台端部人员入侵检测研究

铁路客运站的站台端部为非封闭式环境,存在人员非法入侵的风险。在阐述Faster-RCNN算法原理的基础上,详细描述了VGG16模型、RPN网络以及分类回归的过程。采集现场数据制作样本集,训练了可区分普通人员、施工人员以及防护人员的站端入侵检测模型。测试分析了5组不同参数下的实验数据,确定候选区队列长度等于300,推荐候选区数量等于15时为最优参数。模型对普通人员、施工人员以及防护人员3种样本的识别精确率分别为95%、99%、100%,识别召回率分别为97%、99%、100%,平均精确率均值为0.983 6,单帧检测时间为0.069 s。结果表明:算法可有效地检测普通人员、施工人员以及防护人员,满足实时检测需求,为站台端部人员入侵检测提供了新思路。     

基于FPGA的里程轮信号优选算法设计

文中通过对里程信号产生机理进行分析,提出了一种基于FPGA架构的里程优选算法,给出了实现算法的硬件架构图,并设计相应硬件电路和模拟实验。结果表明:该算法可以对3个里程轮脉冲信号进行优选采集,当里程轮处于超速或者停转状态时也能输出正确的脉冲信号。     

基于机器视觉技术的舰船行驶轨迹自动检测算法

由于传统的舰船行驶轨迹自动检测得到的目标图像局部视觉对比度低,弱小目标占据像素少,导致检测结果精度下降,无法为相关技术人员提供有效的参考价值,为此提出基于机器视觉技术的舰船行驶轨迹自动检测算法研究。利用所采集图像帧与帧之间的关联性,采集其灰度变化情况,获取有效信息,提取灰度矩阵特征,选择目标层次中的相邻帧,获得短时轨迹,计算得出灰度坐标,使所得轨迹光滑连续,分析单帧检测结果,完成基于机器视觉技术的舰船行驶轨迹自动检测算法研究。设计对照实验,验证所提出算法的应用效果,实验结果表明,在应用机器视觉技术后,检测得到的图像局部视觉对比度有着显著提高,能够证实所提出算法的行驶轨迹检测性能优于传统算法。     

盾构管片模具三维激光扫描检测关键技术

目前盾构管片模具主要采用传统的人工和激光跟踪测量技术进行检测,存在检测点位少,精度低等缺点,不能很好地指导管片模具的修复工作,直接影响到管片尺寸的生产精度,易造成盾构隧道管片破损、开裂及渗漏水等现象,为后期的运营埋下了安全隐患。宁波市轨道交通利用三维激光扫描技术对管片模具进行检测,通过理论分析、现场试验及数据分析,确定了点云数据的拼接方式、扫描分辨率、基准模型及模型对齐的方式,成功克服了现有的管片模具检测中存在的测量点位少、精度低等缺点,实现了对管片模具的全方位检测,大大提高了管片模具的检测精度。同时在参考现有规范及经验的基础上,制定出了盾构管片模具三维激光扫描检测标准,很好地指导了管片模具的修复工作,提高了盾构管片尺寸的生产精度,确保盾构隧道的施工质量。