CN113408396A - 一种基于云计算的桥梁智能感知系统 - Google Patents
一种基于云计算的桥梁智能感知系统 Download PDFInfo
- Publication number
- CN113408396A CN113408396A CN202110663291.2A CN202110663291A CN113408396A CN 113408396 A CN113408396 A CN 113408396A CN 202110663291 A CN202110663291 A CN 202110663291A CN 113408396 A CN113408396 A CN 113408396A
- Authority
- CN
- China
- Prior art keywords
- bridge
- state
- module
- monitoring
- cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于云计算的桥梁智能感知系统,包括传感器监测模块、云端数据处理模块、无人机监测模块、状态预警模块和显示模块;传感器监测模块用于获取桥梁的状态数据;云端数据处理模块用于对状态数据进行处理,判断桥梁的状态是否异常;无人机监测模块用于在桥梁处于异常状态时,获取桥梁的监测区域的表面图像;云端数据处理模块还用于对表面图像进行处理,获取桥梁存在的表面缺陷;状态预警模块用于在桥梁处于异常状态时,采用预先设置的预警方式发出预警提示;显示模块用于展示表面缺陷。本发明能够有效地综合获取桥梁的多个方面的状态情况。从而方便工作人员及时对桥梁的异常情况作出处理。
Description
技术领域
本发明涉及感知领域,尤其涉及一种基于云计算的桥梁智能感知系统。
背景技术
现有技术中,对桥梁的远程监测感知一般是仅仅对桥梁的形变进行监测,但是,桥梁的安全隐患除了形变之外,还有裂缝、空洞等,依靠传统的无线传感器节点,显然是无法实现对这些安全隐患进行监测的,而如果采用人工检测的方式,显然成本过高。
发明内容
鉴于上述问题,本发明的目的在于提供一种基于云计算的桥梁智能感知系统,包括传感器监测模块、云端数据处理模块、无人机监测模块、状态预警模块和显示模块;
所述传感器监测模块用于获取桥梁的状态数据,并将所述状态数据传输至所述云端数据处理模块;
所述云端数据处理模块用于对所述状态数据进行处理,判断桥梁的状态是否异常;
所述无人机监测模块用于在桥梁处于异常状态时,获取桥梁的监测区域的表面图像,并将所述表面图像传输至所述云端数据处理模块;
所述云端数据处理模块还用于对所述表面图像进行处理,获取所述桥梁存在的表面缺陷;
所述状态预警模块用于在桥梁处于异常状态时,采用预先设置的预警方式发出预警提示;
所述显示模块用于展示所述表面缺陷。
作为优选,所述传感器监测模块包括数据采集节点和数据预处理装置;
所述数据采集节点用户获取桥梁的状态数据,并将所述状态数据传输至所述数据预处理装置;
所述数据预处理装置用于对所述状态数据进行初步筛选,判断所述状态数据是否符合预设的筛选条件,若是,则将所述状态数据发送至所述云端数据处理模块;若否,则将所述状态数据丢弃。
作为优选,所述无人机监测模块包括监测任务生成单元和监测无人机;
所述监测任务生成单元用于在桥梁处于异常状态时,生成监测任务;
所述监测无人机用于执行所述监测任务。
作为优选,所监测任务包括需要进行拍摄的监测区域、拍摄的时间、拍摄的距离。
作为优选,所述执行所述监测任务,包括:
所述监测无人机用于根据所述监测任务获取桥梁的监测区域的表面图像,并将所述表面图像传输至所述云端数据处理模块。
作为优选,所述表面缺陷包括缺陷的类型、缺陷的坐标和缺陷的紧急程度。
作为优选,所述采用预先设置的预警方式发出预警提示,包括:
通过语音预警的方式或通过文字预警的方式发出预警提示。
本发明先获取桥梁的状态数据,然后再根据状态数据决定是否需要获取表面图像,然后基于表面图像对桥梁再次进行分析,能够有效地综合获取桥梁的多个方面的状态情况。从而方便工作人员及时对桥梁的异常情况作出处理。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1,为本发明一种基于云计算的桥梁智能感知系统的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示的一种实施例,本发明提供了一种基于云计算的桥梁智能感知系统,包括传感器监测模块、云端数据处理模块、无人机监测模块、状态预警模块和显示模块;
所述传感器监测模块用于获取桥梁的状态数据,并将所述状态数据传输至所述云端数据处理模块;
所述云端数据处理模块用于对所述状态数据进行处理,判断桥梁的状态是否异常;
所述无人机监测模块用于在桥梁处于异常状态时,获取桥梁的监测区域的表面图像,并将所述表面图像传输至所述云端数据处理模块;
所述云端数据处理模块还用于对所述表面图像进行处理,获取所述桥梁存在的表面缺陷;
所述状态预警模块用于在桥梁处于异常状态时,采用预先设置的预警方式发出预警提示;
所述显示模块用于展示所述表面缺陷。
具体地,通过下述方式判断桥梁的状态是否异常:
判断状态数据是否处于正常值区间,若是,则表示桥梁处于正常状态,若否,则表示桥梁处于异常状态。
具体地,状态数据包括形变量、振动频率、温度等。
本发明先获取桥梁的状态数据,然后再根据状态数据决定是否需要获取表面图像,然后基于表面图像对桥梁再次进行分析,能够有效地综合获取桥梁的多个方面的状态情况。从而方便工作人员及时对桥梁的异常情况作出处理。
这种处理方式相较于派出人员去实地监测的方式,成本更低、而且效率更高。而且无人机监测模块是在有需求的时候才进行拍摄任务,因此,可以低成本地对大量的桥梁进行高效且全面的监测。
具体地,云端数据数据处理模块设置在公有云中。
具体地,云端数据处理模块通过以下方式对所述表面图像进行处理,获取所述桥梁存在的表面缺陷:
对所述表面图像进行图像调节处理,获得调节图像;
对所述调节图像进行灰度化处理,获得灰度图像;
对所述灰度图像进行滤波处理,获得滤波图像;
使用预设的特征提取算法获取滤波图像中包含的特征信息;
将所述特征信息与预先存储的各种缺陷类型的标准特征信息进行匹配,获取所述表面图像中包含的表面缺陷。
具体地,通过以下方式进行图像调节处理:
获取表面图像在Lab颜色空间中的L分量图像,将L分量图像记为photoL;
对L分量图像photoL进行调节处理,获得处理后的L分量图像photo'L;
获取表面图像在HSI颜色空间中的I分量图像,将I分量图像记为photoI;
对I分量图像photoI进行调节处理,获得处理后的I分量图像photo'I;
对处理后的L分量图像photo'L和处理后的I分量图像photo'I进行图像合并处理,获得调节图像:
adjimg=q×photo'L+(1-q)×photo'I
式中,adjimg表示调节图像,q表示比例参数,q∈(0,1)。
由于拍摄的条件不同,表面图像中可能存在亮度分布不均匀的情况,容易导致后续的识别不准确。因此,本发明通过分别对表面图像的L分量图像和I分量图像进行调节处理,然后再将调节处理的结果进行合并,从而得到准确的图像调节结果,能够有效地平衡表面图像中的亮度分布情况。传统的亮度调节方式为单一的调节方式,单一的调节方式并不能很好地适应不同环境情况的调节需求,因此,本发明通过设置两种调节方式,分别针对亮度高的环境和亮度低的环境进行调节处理,因而能够获得相较于现有技术更为准确的调节效果。
具体地,通过以下方式对L分量图像photoL进行调节处理:
对photoL中的所有像素点进行调节处理,获得第一调节处理图像firstcdp;
对photoL中的筛选像素点进行调节处理,获得第二调节处理图像photoL,2;
基于第一调节处理图像photoL,1和第二调节处理图像photoL,2得到处理后的L分量图像photo'L。
具体地,通过以下方式对photoL中的所有像素点进行调节处理,获得第一调节处理图像:
通过以下方式对photoL中的像素点pixL进行调节处理:
hq=photoL,g(w)-ave(nu,2)
式中,δ表示控制系数,photoL(pixL)表示photoL中的像素点pixL的像素值,photoL,1(pixL)表示photoL中的像素点pixL在photoL对应的的反射分量图像photoL,1上对应的像素点的像素值,lp(pixL)表示像素点pixL在photoL对应的亮度分量图像lp上的像素点的像素值,
nu表示pixL的h×h大小的邻域中包含的像素点的集合,v表示pixL中包含的像素点,nv表示v的h×h大小的邻域中包含的像素点的集合,w表示nv中包含的像素点,photoL(w)表示photoL中的像素点w的像素值,photoL,g(w)表示像素点w在photoL,g中对应的像素点的像素值,ave(nu,1)表示在photoL中,nu中的像素点的像素值的均值,ave(nu,2)表示nu中的像素点在photoL,g中对应的像素点的像素值的均值,nofnu表示nu中包含的像素点的数量,nofnv表示nv中包含的像素点的数量,stc(nu)表示nu中的像素点在photoL,g中对应的像素点的像素值的标准差,ltc表示亮度系数,stc(photoL)表示photoL中所有的像素点的像素值的标准差,stc(photoL,g)表示photoL,g中所有的像素点的像素值的标准差,z表示预设的常数参数,photoL,g为使用NLM滤波算法对photoL进行处理获得的图像;
对photoL,1中的像素点进行以下处理,获得第一调节处理图像:
firstcdp(pixL)=ε×photoL,1(pixL)
式中,firstcdp(pixL)表示像素点pixL在第一调节图像firstcdp上对应的像素点的像素值,ε表示预设的比例系数。
第一调节处理图像的获取过程是对所有的像素点进行处理,本发明在进行处理时,通过获取亮度分量图像,然后再对亮度分量图像进行比例调节获得第一调节处理图像。在获取亮度分量图像时,本发明针对现有技术进行了优化,通过photoL,g作为辅助图像,根据photoL中的像素点和photoL,g中的像素点之间的关系来获得亮度分量图像,由于辅助图像经过了NLM滤波算法的处理,因此,获得的亮度分量图像能够很好地避免噪声的影响,从而使得获取的第一调节处理图像更为准确。
具体地,对photoL中的筛选像素点进行调节处理,获得第二调节处理图像photoL,2,包括:
通过以下方式确定筛选像素点:
对于photoL中的像素点,若其像素值小于第一判断阈值thre1或大于第二判断取值thre2,则将所述像素点作为筛选像素点;
使用下述公式就算筛选像素点的新像素值:
式中,newpv(pix')表示筛选像素点pix'的新像素值,tcs表示预设的常数系数,tcs∈[80,100],hc表示程度控制系数,hc∈(2.9,3.2),和表示预设的两个权重参数,avephotoL表示photoL中的像素点的像素值的平均值,photoL(pix')表示pix'在photoL中的像素值,bcs(pix')表示以pix'为中心的k×k大小的窗口中的像素点的像素值的标准差;ft表示符号函数;
使用新像素值代替photoL中的筛选像素点原有的像素值,从而得到第二调节处理图像photoL,2。
第二调节处理图像的获取过程是只对符合条件的像素点进行处理,而筛选条件是将像素点过小或过大的像素点筛选出来,因此,能够进一步平衡最后获得的图像photo'L中的亮度分布情况。在获取新像素值时,充分考虑了邻域窗口内像素点的影响以及整体的像素值的大小的影响,能够更好地地突出最终获得的第二调节处理图像中的边缘信息。
具体地,基于第一调节处理图像photoL,1和第二调节处理图像photoL,2得到处理后的L分量图像photo'L,包括:
通过下述公式获取photo'L:
式中,photo'L(pix”)表示像素点pix”在处理后的L分量图像photo'L中的像素值,w1和w2为预设的比例系数,w1+w2=1,jd(pix”)=1表示pix”在photoL,2(pix”)中对应的像素点为筛选像素点,jd(pix”)≠1表示pix”在photoL,2(pix”)中对应的像素点不是筛选像素点。
对于非筛选像素点,本发明并不做处理,因此,能够更好地缩短处理的时间,从而提升本发明的响应速度。
具体地,对I分量图像photoI进行调节处理,获得处理后的I分量图像photo'I,包括:
使用Laplace变换算法对I分量图像photoI进行调节处理,获得处理后的I分量图像photo'I。
作为优选,所述传感器监测模块包括数据采集节点和数据预处理装置;
所述数据采集节点用户获取桥梁的状态数据,并将所述状态数据传输至所述数据预处理装置;
所述数据预处理装置用于对所述状态数据进行初步筛选,判断所述状态数据是否符合预设的筛选条件,若是,则将所述状态数据发送至所述云端数据处理模块;若否,则将所述状态数据丢弃。
进行初步筛选后,能够降低云端数据处理模块的处理压力。
具体地,通过下述方式判断所述状态数据是否符合预设的筛选条件:
将数据采集节点s获得的状态数据表示为ztds,通过下述方式获取ztds的偏离程度参数:
式中,devipare表示ztds的偏离程度参数,sn表示与s之间距离小于disthre的其它数据采集节点的集合,u表示sn中包含的数据采集节点,ztdu表示u获得的状态数据,numsn表示sn中包含的元素的数量,longtbu表示u与数据预处理装置之间的距离,longtbs表示s与数据预处理装置之间的距离,
若|devipare-devthre|≤stda,则表示状态数据ztds符合预设的筛选条件;若|devipare-devthre|>stda,则表示状态数据ztds不符合预设的筛选条件;devthre表示预先设定的偏离程度参数比较值,stda表示预先设定的比较值阈值。
现有技术一般是直接将状态数据与设定的阈值进行对比,从而判断状态数据是否异常,但是这种设置方式很容易错误地将正确的状态数据判断为错误的状态数据。例如,若设定的阈值设置的过小,而状态数据过大,则很容易将正确的状态数据判断为错误的数据,但是如果阈值设置过大,则起不到筛选的效果。而本发明则是通过获取偏离程度参数,然后根据偏离程度参数和偏离程度参数比较值之间的误差来判断是否为错误的状态数据。这种设置方式,由于偏离程度参数计算时是与sn中的元素获取的状态数据进行参考,因此,并不会因为数据过大而造成误判,因为若s获得的数据比较大,那么sn中的元素获取的状态数据也会相应的变大,因此,若偏离程度参数处于正常的范围中,则可以认为s获得的数据为正常数据,从而不会犹豫状态数据过大或过小而造成误判。
作为优选,所述无人机监测模块包括监测任务生成单元和监测无人机;
所述监测任务生成单元用于在桥梁处于异常状态时,生成监测任务;
所述监测无人机用于执行所述监测任务。
作为优选,所监测任务包括需要进行拍摄的监测区域、拍摄的时间、拍摄的距离。
具体地,通过下述方式确定监测区域:
获取异常状态对应的状态数据;
获取采集所述状态数据的数据采集节点的编号;
获取所述编号对应的桥梁结构部件;
根据所述桥梁结构部件确定监测区域。
具体地,拍摄的时间可以根据桥梁所在地域的天气情况来确定,如果遇到雨天,则延迟拍摄的时间,如果是晴天,则是安排尽可能早的拍摄时间。
具体地,拍摄的距离和桥梁的结构部件有关,不同的结构部件对应不同的拍摄距离。
作为优选,所述执行所述监测任务,包括:
所述监测无人机用于根据所述监测任务获取桥梁的监测区域的表面图像,并将所述表面图像传输至所述云端数据处理模块。
作为优选,所述表面缺陷包括缺陷的类型、缺陷的坐标和缺陷的紧急程度。
具体地,缺陷的坐标是一系列三维坐标的集合,缺陷的紧急程度包括优先、中等和普通三个等级,优先这个等级的紧急程度最高,普通这个等级的紧急程度最低。
作为优选,所述采用预先设置的预警方式发出预警提示,包括:
通过语音预警的方式或通过文字预警的方式发出预警提示。
具体地,可以通过向工作人员拨打预警电话来实现语音预警,文字预警则是可以通过智能设备的消息推送来实现。
尽管已经示出和描述了本发明的实施例,本领域技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种基于云计算的桥梁智能感知系统,其特征在于,包括传感器监测模块、云端数据处理模块、无人机监测模块、状态预警模块和显示模块;
所述传感器监测模块用于获取桥梁的状态数据,并将所述状态数据传输至所述云端数据处理模块;
所述云端数据处理模块用于对所述状态数据进行处理,判断桥梁的状态是否异常;
所述无人机监测模块用于在桥梁处于异常状态时,获取桥梁的监测区域的表面图像,并将所述表面图像传输至所述云端数据处理模块;
所述云端数据处理模块还用于对所述表面图像进行处理,获取所述桥梁存在的表面缺陷;
所述状态预警模块用于在桥梁处于异常状态时,采用预先设置的预警方式发出预警提示;
所述显示模块用于展示所述表面缺陷。
2.根据权利要求1所述的一种基于云计算的桥梁智能感知系统,其特征在于,所述传感器监测模块包括数据采集节点和数据预处理装置;
所述数据采集节点用户获取桥梁的状态数据,并将所述状态数据传输至所述数据预处理装置;
所述数据预处理装置用于对所述状态数据进行初步筛选,判断所述状态数据是否符合预设的筛选条件,若是,则将所述状态数据发送至所述云端数据处理模块;若否,则将所述状态数据丢弃。
3.根据权利要求1所述的一种基于云计算的桥梁智能感知系统,其特征在于,所述无人机监测模块包括监测任务生成单元和监测无人机;
所述监测任务生成单元用于在桥梁处于异常状态时,生成监测任务;
所述监测无人机用于执行所述监测任务。
4.根据权利要求3所述的一种基于云计算的桥梁智能感知系统,其特征在于,所监测任务包括需要进行拍摄的监测区域、拍摄的时间、拍摄的距离。
5.根据权利要求4所述的一种基于云计算的桥梁智能感知系统,其特征在于,所述执行所述监测任务,包括:
所述监测无人机用于根据所述监测任务获取桥梁的监测区域的表面图像,并将所述表面图像传输至所述云端数据处理模块。
6.根据权利要求1所述的一种基于云计算的桥梁智能感知系统,其特征在于,所述表面缺陷包括缺陷的类型、缺陷的坐标和缺陷的紧急程度。
7.根据权利要求1所述的一种基于云计算的桥梁智能感知系统,其特征在于,所述采用预先设置的预警方式发出预警提示,包括:
通过语音预警的方式或通过文字预警的方式发出预警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663291.2A CN113408396B (zh) | 2021-06-15 | 2021-06-15 | 一种基于云计算的桥梁智能感知系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663291.2A CN113408396B (zh) | 2021-06-15 | 2021-06-15 | 一种基于云计算的桥梁智能感知系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113408396A true CN113408396A (zh) | 2021-09-17 |
CN113408396B CN113408396B (zh) | 2022-03-18 |
Family
ID=77684030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110663291.2A Active CN113408396B (zh) | 2021-06-15 | 2021-06-15 | 一种基于云计算的桥梁智能感知系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113408396B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115479949A (zh) * | 2022-09-14 | 2022-12-16 | 交铁检验认证实验室(成都)有限公司 | 一种基于大数据的桥梁安全监测预警方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200735671A (en) * | 2006-03-08 | 2007-09-16 | Marketech Int Corp | Apparatus and method for adjusting saturation of image |
US20110044509A1 (en) * | 2009-08-24 | 2011-02-24 | National Applied Research Laboratories | Bridge structural safety monitoring system and method thereof |
US20120002852A1 (en) * | 2010-07-01 | 2012-01-05 | Nir Karasikov | Advanced Digital Pathology and Provisions for Remote Diagnostics |
CN107563971A (zh) * | 2017-08-12 | 2018-01-09 | 四川精视科技有限公司 | 一种真彩高清夜视成像方法 |
CN108765894A (zh) * | 2018-06-22 | 2018-11-06 | 核工业西南勘察设计研究院有限公司 | 一种桥梁健康状况监测报警系统 |
CN109168140A (zh) * | 2018-09-04 | 2019-01-08 | 广州巨枫科技有限公司 | 桥梁结构健康智能管理系统 |
CN109271406A (zh) * | 2018-09-26 | 2019-01-25 | 东莞幻鸟新材料有限公司 | 一种基于大数据的桥梁结构健康监测系统 |
CN110351663A (zh) * | 2019-05-31 | 2019-10-18 | 西安电子科技大学 | 多网络融合的无人机、物联网监测系统及方法 |
CN110411686A (zh) * | 2019-03-13 | 2019-11-05 | 周劲宇 | 桥梁静动影像全息性态健康监测诊断方法及系统 |
CN110766095A (zh) * | 2019-11-01 | 2020-02-07 | 易思维(杭州)科技有限公司 | 基于图像灰度特征的缺陷检测方法 |
CN111127417A (zh) * | 2019-12-20 | 2020-05-08 | 江苏理工学院 | 一种基于sift特征匹配和改进的ssd算法的软包装卷料印刷缺陷检测方法 |
CN111489056A (zh) * | 2020-03-17 | 2020-08-04 | 上海瀚正信息科技股份有限公司 | 一种执法监督系统 |
CN111681239A (zh) * | 2020-06-16 | 2020-09-18 | 广州喆喆科技有限公司 | 一种桥梁结构健康智能监测系统 |
CN111999298A (zh) * | 2020-06-30 | 2020-11-27 | 南京林业大学 | 一种基于5g技术的无人机快速巡检桥梁系统 |
CN112184628A (zh) * | 2020-09-04 | 2021-01-05 | 埃洛克人工智能科技(南京)有限公司 | 一种红外双波图像及云端预警的巡堤防汛查险系统及方法 |
WO2021016896A1 (zh) * | 2019-07-30 | 2021-02-04 | 深圳市大疆创新科技有限公司 | 图像处理方法、系统、设备、可移动平台和存储介质 |
CN112325934A (zh) * | 2020-10-29 | 2021-02-05 | 江苏华世远电力技术有限公司 | 一种智慧电缆通道实时监测装置 |
CN112699827A (zh) * | 2021-01-05 | 2021-04-23 | 长威信息科技发展股份有限公司 | 一种基于区块链的交通警务处置方法及系统 |
-
2021
- 2021-06-15 CN CN202110663291.2A patent/CN113408396B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200735671A (en) * | 2006-03-08 | 2007-09-16 | Marketech Int Corp | Apparatus and method for adjusting saturation of image |
US20110044509A1 (en) * | 2009-08-24 | 2011-02-24 | National Applied Research Laboratories | Bridge structural safety monitoring system and method thereof |
US20120002852A1 (en) * | 2010-07-01 | 2012-01-05 | Nir Karasikov | Advanced Digital Pathology and Provisions for Remote Diagnostics |
CN107563971A (zh) * | 2017-08-12 | 2018-01-09 | 四川精视科技有限公司 | 一种真彩高清夜视成像方法 |
CN108765894A (zh) * | 2018-06-22 | 2018-11-06 | 核工业西南勘察设计研究院有限公司 | 一种桥梁健康状况监测报警系统 |
CN109168140A (zh) * | 2018-09-04 | 2019-01-08 | 广州巨枫科技有限公司 | 桥梁结构健康智能管理系统 |
CN109271406A (zh) * | 2018-09-26 | 2019-01-25 | 东莞幻鸟新材料有限公司 | 一种基于大数据的桥梁结构健康监测系统 |
CN110411686A (zh) * | 2019-03-13 | 2019-11-05 | 周劲宇 | 桥梁静动影像全息性态健康监测诊断方法及系统 |
CN110351663A (zh) * | 2019-05-31 | 2019-10-18 | 西安电子科技大学 | 多网络融合的无人机、物联网监测系统及方法 |
WO2021016896A1 (zh) * | 2019-07-30 | 2021-02-04 | 深圳市大疆创新科技有限公司 | 图像处理方法、系统、设备、可移动平台和存储介质 |
CN110766095A (zh) * | 2019-11-01 | 2020-02-07 | 易思维(杭州)科技有限公司 | 基于图像灰度特征的缺陷检测方法 |
CN111127417A (zh) * | 2019-12-20 | 2020-05-08 | 江苏理工学院 | 一种基于sift特征匹配和改进的ssd算法的软包装卷料印刷缺陷检测方法 |
CN111489056A (zh) * | 2020-03-17 | 2020-08-04 | 上海瀚正信息科技股份有限公司 | 一种执法监督系统 |
CN111681239A (zh) * | 2020-06-16 | 2020-09-18 | 广州喆喆科技有限公司 | 一种桥梁结构健康智能监测系统 |
CN111999298A (zh) * | 2020-06-30 | 2020-11-27 | 南京林业大学 | 一种基于5g技术的无人机快速巡检桥梁系统 |
CN112184628A (zh) * | 2020-09-04 | 2021-01-05 | 埃洛克人工智能科技(南京)有限公司 | 一种红外双波图像及云端预警的巡堤防汛查险系统及方法 |
CN112325934A (zh) * | 2020-10-29 | 2021-02-05 | 江苏华世远电力技术有限公司 | 一种智慧电缆通道实时监测装置 |
CN112699827A (zh) * | 2021-01-05 | 2021-04-23 | 长威信息科技发展股份有限公司 | 一种基于区块链的交通警务处置方法及系统 |
Non-Patent Citations (7)
Title |
---|
MEI ZHOU等: "Color Retinal Image Enhancement Based on Luminosity and Contrast Adjustment", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》 * |
严萍等: "一种有效的车牌字符分割方法――模板匹配―垂直投影结合的车牌字符分割方法", 《渭南师范学院学报》 * |
杨兴华等: "新型声波CT仪在桥梁混凝土内部缺陷判定中的应用", 《桥梁工程》 * |
王仕女等: "改进细节提升多尺度Retinex图像增强算法", 《软件导刊》 * |
王财盛: "基于机器视觉的采茶机割刀控制方法研究与设计", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
钟继卫等: "桥梁智能检测技术研究与应用", 《桥梁建设》 * |
高俊祥: "基于图像处理和机器学习的桥梁检测新技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115479949A (zh) * | 2022-09-14 | 2022-12-16 | 交铁检验认证实验室(成都)有限公司 | 一种基于大数据的桥梁安全监测预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113408396B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210110188A1 (en) | Stereo imaging device | |
CN107316488B (zh) | 信号灯的识别方法、装置和系统 | |
CN110046584B (zh) | 一种基于无人机巡检的道路裂纹检测装置及检测方法 | |
CN115171361B (zh) | 一种基于计算机视觉的危险行为智能检测预警方法 | |
CN113408396B (zh) | 一种基于云计算的桥梁智能感知系统 | |
CN115379123B (zh) | 一种用无人机巡检的变压器故障检测方法 | |
CN109297978B (zh) | 基于双目成像的电力线路无人机巡检及缺陷智能诊断系统 | |
CN115065798A (zh) | 一种基于大数据的视频分析监控系统 | |
CN112769877A (zh) | 团雾预警方法、云端服务器及车辆和介质 | |
CN115936672A (zh) | 一种智慧电网在线安全运维管理方法和系统 | |
CN116524196A (zh) | 一种基于图像识别技术的输电线智能检测系统 | |
CN108230275A (zh) | 图像去雾的方法 | |
CN111028187A (zh) | 一种光线自适应的机载双光图像侦察装置及方法 | |
CN117312591B (zh) | 一种基于虚拟现实的图像数据存储管理系统及方法 | |
CN114286014A (zh) | 一种图像数据库采集方法 | |
CN111047575A (zh) | 无人机电力巡线影像质量盲评估方法 | |
CN110992428B (zh) | 一种摄像头一致性的智能检测方法和检测装置 | |
JP2001103496A (ja) | 画像処理装置 | |
CN116331220B (zh) | 一种自动驾驶车辆的车道偏离预警方法及预警系统 | |
JP2002140789A (ja) | 路面状況判定装置 | |
EP0869685A2 (en) | Automatic measurement of subjective video quality | |
EP3389257A1 (en) | Method for adapting brightness of image data, image capturing system and advanced driver assistance system | |
JP4337256B2 (ja) | 気象検出装置、気象検出システム及び気象検出方法 | |
CN117764993B (zh) | 一种基于图像分析的水质在线监测系统及方法 | |
Sasikala et al. | An adaptive edge detecting method for satellite imagery based on canny edge algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |