排序方式: 共有14条查询结果,搜索用时 31 毫秒
1.
2.
3.
4.
5.
6.
随着无人机与数字图像处理技术的发展,基于机器视觉的表面病害识别方法因具有安全与快速性,广泛应用于桥梁和道路等方面。由于码头剥落病害图像较复杂,目前该方法难以实现码头表观剥落病害的精确分割与定量分析。提出一种基于零样本深度学习模型SAM(Segment Anything Model)与图像透射变换矫正等技术相结合的码头表观剥落病害区域分割与量化计算方法。SAM算法能够有效克服混凝土剥落图像背景噪声多、灰度差异小的问题,分割方法精度更高、受噪声影响更小;进一步通过矫正、去噪、转换等图像处理操作,实现了对剥落病害关键几何特征的量化计算。经实验室模型与现场图像验证表明,新构建的方法泛化能力强、准确性高,能够实现对码头混凝土建筑表观病害的准确和快速检测,具有广泛的应用前景。 相似文献
7.
无损、快速的高桩码头桩基检测方法是工程界的研究热点.设计了高桩码头桩基动力损伤识别模型,通过有限元模拟计算和物理模型试验研究模态柔度在高桩码头损伤识别中的适用性.研究结果表明:1)在有限元模拟中模态柔度可准确识别损伤所处位置,损伤程度越大模态柔度变化越大,模态柔度变化量可定性反映结构损伤程度.2)基于试验振型得到的模态柔度可反映损伤位置,但由于测试噪声和试验误差的存在,损伤识别效果没有基于数值模拟计算理想,且不能反映损伤程度.高桩码头桩基模态柔度损伤识别的广泛应用还需要动力测试技术和模态分析技术的进一步发展. 相似文献
8.
9.
10.