基于机器视觉的隧道智能检测技术研究现状及技术分析

基于机器视觉的隧道检测技术可实现隧道病害的快速采集、自动识别和管理,由于采集速度快、识别精度高,是目前最受关注的隧道快速检测手段。介绍了国内外几款具有代表性的隧道快速检测设备,并对各家产品进行了分析比较,探讨了未来隧道检测设备研发方向。     

基于机器视觉的公路隧道衬砌检测系统研究

以人工方式为主的公路隧道检测已经不能满足快速发展的要求。针对该问题,笔者基于机器视觉技术提出一套公路隧道车载检测系统,对其实施方法与工作原理进行了阐述。根据检测任务需求,对系统的硬件设备进行了选型,并搭建了一套车载试验样机系统。通过隧道内的测试,获取了完整的隧道衬砌图片,满足了快速检测的要求。     

基于机器视觉的桥梁检测技术现状及发展

基于机器视觉的桥梁检测技术相对传统检测技术具有自动化程度高、检测效率好、检测成本低、不影响交通以及高耸构件检测便捷等优点。文中分析了采用机器视觉进行桥梁检测的研究应用现状;梳理了进行图像采集、病害自动识别以及裂缝测量的技术手段与方法,并分析了每种手段与方法的优缺点与适用范围。最后提出了该技术的发展方向:重点发展高效的图像获取手段与细微裂缝的自动识别算法。     

机器视觉新技术在自动表面检测中的探讨

介绍了机器视觉的作用、应用领域与国内外研究现状,提出了机器视觉新技术的研究及其在自动表面检测中的应用.     

基于机器视觉的接触网几何参数检测方法

提出了一种基于机器视觉技术的接触网几何参数检测方法。检测过程中,通过线阵相机对锚段关节、支柱等关键零部件的识别,实现检测数据精确定位,同时采用振动补偿技术消除由检测车体振动所造成的检测误差.检测结果表明,该方法能够有效地提高接触网动态几何参数检测精度,具有实际意义.     

基于机器视觉的螺母垫圈分拣系统设计

介绍了基于机器视觉的螺母垫圈自动分拣系统的工作原理、系统组成及检测算法.该系统能够对生产线上螺母垫圈的内外圆直径、同轴度等进行实时动态检测.并触发分拣子系统对螺母垫圈废品予以剔除,实现了产品关键尺寸快速检测和等级分类.     

基于机器视觉的公路交通标志自动化巡检系统

针对既有交通标志巡检的调查手段和分析方法存在的成本高、效率低、精度低的弊端,提出了一种基于机器视觉的公路交通标志自动化巡检系统,实现对公路交通标志的移动式实时检测与分析。首先利用YOLO （You Only Look Once） 算法,将机器视觉技术运用到交通标志的检测中,加快了检测速度。然后给出了交通标志自动化巡检系统的系统构架、系统结构与功能及数据管理方案。最后利用该系统进行实测。实测结果显示,该自动化巡检系统能够准确地检测交通标志、道路标线及路面坑塘,具有较高的测试精度及较好的测试效果。     

基于机器视觉的行车安全综合保障系统研究

驾驶员疲劳驾驶或精神分散容易导致发生车道偏离以及追尾碰撞等恶性交通事故,利用机器视觉技术监测驾驶员的眼部、嘴部、头部等器官的运动特征,建立基于驾驶员面部视觉信息的疲劳与精神分散状态综合量化评价模型,实现实时有效的动态监测和预警,并系统研究了本车前方车辆探测方法和安全车距的评定准则,实现防追尾碰撞预警。初步试验表明：当驾驶员疲劳驾驶、无意识车道偏离以及行车安全车距过小时,该行车安全综合保障系统能有效地对驾驶员进行警示。此外,根据行车安全保障技术领域的研究现状,还开展了道路上行人检测的技术研究,并取得初步成果。     

基于机器视觉的路桥裂缝病害自动检测技术

为解决路桥表面因荷载作用、疲劳与腐蚀效应、材料老化以及维修养护不及时等原因产生裂缝病害的问题,进一步提高日常养护工作效率,对机器视觉技术、图像处理技术在路桥裂缝病害检测工作中的应用进行了研究.采用对比分析和数据验证相结合的方法,重点针对利用机器视觉技术实现病害特征提取、特征识别和量化计算算法进行了比较研究.研究结果显示...     

路面检测车无损检测技术现状

先进路面检测车能够完成对道路路况的多种无损检测,快速准确地获取道路使用信息,在道路的养护管理工作中发挥着巨大的作用,但是在使用过程中也存在着一些问题需要解决.     

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性.     

基于模糊神经网络的员工晋升辅助决策系统

为定量地分析企业员工晋升决策过程的影响因素，用基于实例的模糊神经网络方法，通过划分非模糊化和模糊化输入变量。改进了Takagi-Sugeno模糊模型．用包含求和、求积和求极小运算节点的扩展的pi-sigma神经网络学习算法确定结论参数和前提参数。自适应地从员工数据库中归纳出模糊逻辑关系，建立企业晋升决策的辅助系统．经算例验证准确率达75％以上．     

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.     

����������ı�����· ��ͨ������Ԥ���о�

在总结交通流短期预M方法发展趋势的基础上，分别介绍了基于常规的BP神经网络和基于RBF神经网络的交通流量短期预测模型，并重点研究RBF网络模型的预测性能，确定了关健参数、的最优值.最后应用两种模型时北京环路实测交通流数据进行了预刚分析，实验结果表明，两种模型都可以满足实际交通流诱导的需要，BP模型在预则精度上稍优于RBF模型，但后者在学习速度和学习稳定性等方面明显优于前者.     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于神经网络的混沌时序数据失真检测方法研究

介绍了时序数据的混沌识别方法,并根据混沌时序数据的可预测性,提出了一种基于神经网络的混沌时序数据失真检测方法.通过实例证明该方法能准确地检测出混沌时序数据的失真点,并将其还原.该方法既是检测过程同时也是修复的过程,在数据处理领域有一定的应用前景.     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.