CN114626251B - 一种基于图片识别的路面承载力识别方法及系统 - Google Patents

一种基于图片识别的路面承载力识别方法及系统 Download PDF

Info

Publication number
CN114626251B
CN114626251B CN202210531893.7A CN202210531893A CN114626251B CN 114626251 B CN114626251 B CN 114626251B CN 202210531893 A CN202210531893 A CN 202210531893A CN 114626251 B CN114626251 B CN 114626251B
Authority
CN
China
Prior art keywords
soil layer
bearing capacity
liquefied
pavement
road surface
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.)
Active
Application number
CN202210531893.7A
Other languages
English (en)
Other versions
CN114626251A (zh
Inventor
王朝扣
孙湘华
郭亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongda Intelligent Technology Co ltd
Original Assignee
Zhongda Testing Hunan Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongda Testing Hunan Co Ltd filed Critical Zhongda Testing Hunan Co Ltd
Priority to CN202210531893.7A priority Critical patent/CN114626251B/zh
Publication of CN114626251A publication Critical patent/CN114626251A/zh
Application granted granted Critical
Publication of CN114626251B publication Critical patent/CN114626251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Consolidation Of Soil By Introduction Of Solidifying Substances Into Soil (AREA)

Abstract

本发明涉及路面检测技术领域，公开了一种基于图片识别的路面承载力识别方法及系统，该方法首先采集待测路面的图片并确定图片中的目标形变信息；分析待测路面的液化土层信息；基于目标形变信息、液化土层信息确定承载力计算模型，基于承载力计算模型计算待测路面的承载力。这样，通过图片识别的方法，可以快速识别路面下沉的形变力，且，结合了待测路面的液化土层信息，充分考虑了路面下的土层由于周边水流等环境被液化的情况，针对于河边等特殊环境下的道路，可以更准确的计算其路面承载力，在承载力接近极限值的情况下，可以及时发现问题，对道路进行抢修。

Description

一种基于图片识别的路面承载力识别方法及系统
技术领域
本发明涉及路面检测技术领域，尤其涉及一种基于图片识别的路面承载力识别方法及系统。
背景技术
随着社会的快速发展，在一些偏远地区或者特殊环境的地区也修起了道路，以提升交通方便程度。例如，在河堤等潮湿环境下修建道路便于人们出行。在实际中，如果道路的修缮时间久远，没有工作人员定期检查安全性，则容易发生危险，尤其是，河堤等潮湿环境附近的道路，受水流等冲击，使得道路下层的土质发生变化，减小道路的承载能力，从而容易发生坍塌的问题。可见，亟需提供一种能识别特殊环境的道路承载力的方法。
发明内容
本发明提供了一种基于图片识别的路面承载力识别方法及系统，以解决现有的无法识别特殊环境的道路承载力的方法的问题。
为了实现上述目的，本发明通过如下的技术方案来实现：
第一方面，本发明提供一种基于图片识别的路面承载力识别方法，包括：
采集待测路面的图片并确定所述图片中的目标形变信息，所述目标形变信息用于指示路面下沉的形变力；
分析待测路面的液化土层信息；
基于所述目标形变信息、所述液化土层信息确定承载力计算模型，基于所述承载力计算模型计算待测路面的承载力。
可选地，所述分析待测路面的液化土层信息，包括：
确定液化土层相对于地面的深度；
根据所述深度确定土层液化影响折减系数作为待测路面的液化土层信息。
可选地，所述根据所述深度确定土层液化影响折减系数作为待测路面的液化土层信息，包括：
在满足第一预设条件的情况下，土层液化影响折减系数为O；在满足第二预设条件的情况下，土层液化影响折减系数为
Figure 244406DEST_PATH_IMAGE001
；在满足第三预设条件的情况下，土层液化影响折减系数为
Figure 914422DEST_PATH_IMAGE002
；在满足第四预设条件的情况下，土层液化影响折减系数为1。
可选地，所述第一预设条件包括所述深度小于或者等于10米，同时，所述液化土层的贯标数比值小于或者等于0.6；
所述第二预设条件包括所述深度大于10米，且小于或者等于20米，同时，所述液化土层的贯标数比值小于或者等于0.6；或者，所述深度小于或者等于10米，同时，所述液化土层的贯标数比值大于0.6且小于或者等于0.8；
所述第三预设条件包括所述深度大于10米，且小于或者等于20米，同时，所述液化土层的贯标数比值大于0.6且小于或者等于0.8；或者，所述深度小于或者等于10米，同时，所述液化土层的贯标数比值大于0.8且小于或者等于1；
所述第四预设条件包括所述深度大于10米，且小于或者等于20米，同时，所述液化土层的贯标数比值大于0.8且小于或者等于1。
可选地，所述液化土层的贯标数比值满足如下关系式：
Figure 779741DEST_PATH_IMAGE003
；
Figure 826194DEST_PATH_IMAGE004
为液化土层的贯标数比值,
Figure 77047DEST_PATH_IMAGE005
为液化土层的饱和土标贯击数实测值,
Figure 917964DEST_PATH_IMAGE006
为液化判别标贯击数临界值。
可选地，所述承载力计算模型满足如下关系式：
Figure 270579DEST_PATH_IMAGE007
；
式中，
Figure 855144DEST_PATH_IMAGE008
表示承载力，
Figure 226083DEST_PATH_IMAGE009
表示目标形变信息对应的形变力，
Figure 237901DEST_PATH_IMAGE010
表示土层液化影响折减系数，
Figure 812233DEST_PATH_IMAGE011
表示土层的加权平均负摩阻力，
Figure 200489DEST_PATH_IMAGE012
表示第i层土的厚度，
Figure 425934DEST_PATH_IMAGE013
表示土层数量。
可选地，所述承载力计算模型是将待测路面的历史图片以及待测路面的历史图片对应的土层信息作为输入，历史图片对应的承载力结果作为输出进行迭代训练得到的，历史图片对应的土层信息是采用传感器采集的。
第二方面，本申请提供一种基于图片识别的路面承载力识别系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
第三方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法步骤。
有益效果：
本发明提供的基于图片识别的路面承载力识别方法，首先采集待测路面的图片并确定图片中的目标形变信息；分析待测路面的液化土层信息；基于目标形变信息、液化土层信息确定承载力计算模型，基于承载力计算模型计算待测路面的承载力。这样，通过图片识别的方法，可以快速识别路面下沉的形变力，且，结合了待测路面的液化土层信息，充分考虑了路面下的土层由于周边水流等环境被液化的情况，针对于河边等特殊环境下的道路，可以更准确的计算其路面承载力，在承载力接近极限值的情况下，可以及时发现问题，对道路进行抢修。
附图说明
图1为本发明优选实施例的一种基于图片识别的路面承载力识别方法的流程图。
具体实施方式
下面对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另作定义，本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。
请参见图1，本申请实施例提供一种基于图片识别的路面承载力识别方法，包括：
采集待测路面的图片并确定图片中的目标形变信息，目标形变信息用于指示路面下沉的形变力；
分析待测路面的液化土层信息；
基于目标形变信息、液化土层信息确定承载力计算模型，基于承载力计算模型计算待测路面的承载力。
本实施例中，液化土层是指路面修建的土层中，受周边水流等影响发生细微液化的土层。需要说明的是，随着时代的久远，道路承载车辆较多，在一些水流边等特殊环境下的道路的路面可能会发生下沉的情况，这种下沉是指路面的高度相对于起初建立好的时刻的高度发生下沉，由于在水流边等特殊环境下，路面下沉意味着地下的土层可能发生了变化，承载力随之改变，如果不及时维修，容易发生道路坍塌的情况。因此，本实施例提供一种基于图片识别的路面承载力识别方法，以解决该问题。
上述的基于图片识别的路面承载力识别方法，首先采集待测路面的图片并确定图片中的目标形变信息；分析待测路面的液化土层信息；基于目标形变信息、液化土层信息确定承载力计算模型，基于承载力计算模型计算待测路面的承载力。这样，通过图片识别的方法，可以快速识别路面下沉的形变力，且，结合了待测路面的液化土层信息，充分考虑了路面下的土层由于周边水流等环境被液化的情况，针对于河边等特殊环境下的道路，可以更准确的计算其路面承载力，在承载力接近极限值的情况下，可以及时发现问题，对道路进行抢修。
可选地，分析待测路面的液化土层信息，包括：
确定液化土层相对于地面的深度；
根据深度确定土层液化影响折减系数作为待测路面的液化土层信息。
本实施例中，液化土层相对于地面的深度以米为单位进行计算。
其中，根据深度确定土层液化影响折减系数作为待测路面的液化土层信息，包括：
在满足第一预设条件的情况下，土层液化影响折减系数为O；在满足第二预设条件的情况下，土层液化影响折减系数为
Figure 608654DEST_PATH_IMAGE001
；在满足第三预设条件的情况下，土层液化影响折减系数为
Figure 919549DEST_PATH_IMAGE002
；在满足第四预设条件的情况下，土层液化影响折减系数为1。
上述的基于图片识别的路面承载力识别方法，第一预设条件包括深度小于或者等于10米，同时，液化土层的贯标数比值小于或者等于0.6；
第二预设条件包括深度大于10米，且小于或者等于20米，同时，液化土层的贯标数比值小于或者等于0.6；或者，深度小于或者等于10米，同时，液化土层的贯标数比值大于0.6且小于或者等于0.8；
第三预设条件包括深度大于10米，且小于或者等于20米，同时，液化土层的贯标数比值大于0.6且小于或者等于0.8；或者，深度小于或者等于10米，同时，液化土层的贯标数比值大于0.8且小于或者等于1；
第四预设条件包括深度大于10米，且小于或者等于20米，同时，液化土层的贯标数比值大于0.8且小于或者等于1。
这样，根据深度确定土层液化影响折减系数，可以充分考虑不同深度的土层的影响。本实施例中，深度的取值仅作示例不做限定，在其他可行的实施方式中，还可以在一定范围内调整深度的取值。
在一示例，液化土层的贯标数比值满足如下关系式：
Figure 596649DEST_PATH_IMAGE003
；
Figure 411022DEST_PATH_IMAGE004
为液化土层的贯标数比值,
Figure 30222DEST_PATH_IMAGE005
为液化土层的饱和土标贯击数实测值,
Figure 562834DEST_PATH_IMAGE006
为液化判别标贯击数临界值。
需要说明的是，上述的公式仅是其满足的一种数学关系式，此处仅作示例，不做限定。其中，液化土层的饱和土标贯击数实测值可以根据实际测量获取，为液化判别标贯击数临界值为现有规定，此处不做赘述。
本实施例中，承载力计算模型满足如下关系式：
Figure 292893DEST_PATH_IMAGE007
；
式中，
Figure 712504DEST_PATH_IMAGE008
表示承载力，
Figure 237026DEST_PATH_IMAGE009
表示目标形变信息对应的形变力，
Figure 522514DEST_PATH_IMAGE010
表示土层液化影响折减系数，
Figure 525105DEST_PATH_IMAGE011
表示土层的加权平均负摩阻力，
Figure 579649DEST_PATH_IMAGE012
表示第i层土的厚度，
Figure 275072DEST_PATH_IMAGE013
表示土层数量。
其中，承载力计算模型是将待测路面的历史图片以及待测路面的历史图片对应的土层信息作为输入，历史图片对应的承载力结果作为输出进行迭代训练得到的，历史图片对应的土层信息是采用传感器采集的。
这样，通过路面下沉的形变力以及液化土层信息可以准确的计算路面的承载力，及时预紧路面坍塌的情况。
需要说明的是，不同类型的土壤的土层的加权平均负摩阻力不同，本实施例中，考虑了土层的加权平均负摩阻力，更加充分的考虑了路面的压沉情况，可以更加准确的判断路面的承载力。
本申请还提供一种基于图片识别的路面承载力识别系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。该基于图片识别的路面承载力识别系统可以实现上述的方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的方法步骤。该计算机可读存储介质可以实现上述的方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种基于图片识别的路面承载力识别方法，其特征在于，包括：
采集待测路面的图片并确定所述图片中的目标形变信息，所述目标形变信息用于指示路面下沉的形变力；
分析待测路面的液化土层信息；
基于所述目标形变信息、所述液化土层信息确定承载力计算模型，基于所述承载力计算模型计算待测路面的承载力；
所述承载力计算模型满足如下关系式：
Figure 151518DEST_PATH_IMAGE001
；
式中，
Figure 718766DEST_PATH_IMAGE002
表示承载力，
Figure 610499DEST_PATH_IMAGE003
表示目标形变信息对应的形变力，
Figure 263197DEST_PATH_IMAGE004
表示土层液化影响折减系数，
Figure 164157DEST_PATH_IMAGE005
表示土层的加权平均负摩阻力，
Figure 320332DEST_PATH_IMAGE006
表示第i层土的厚度，
Figure 133698DEST_PATH_IMAGE007
表示土层数量。
2.根据权利要求1所述的基于图片识别的路面承载力识别方法，其特征在于，所述分析待测路面的液化土层信息，包括：
确定液化土层相对于地面的深度；
根据所述深度确定土层液化影响折减系数作为待测路面的液化土层信息。
3.根据权利要求2所述的基于图片识别的路面承载力识别方法，其特征在于，所述根据所述深度确定土层液化影响折减系数作为待测路面的液化土层信息，包括：
在满足第一预设条件的情况下，土层液化影响折减系数为O；在满足第二预设条件的情况下，土层液化影响折减系数为
Figure 273692DEST_PATH_IMAGE008
；在满足第三预设条件的情况下，土层液化影响折减系数为
Figure 712764DEST_PATH_IMAGE009
；在满足第四预设条件的情况下，土层液化影响折减系数为1。
4.根据权利要求3所述的基于图片识别的路面承载力识别方法，其特征在于，所述第一预设条件包括所述深度小于或者等于10米，同时，所述液化土层的贯标数比值小于或者等于0.6；
所述第二预设条件包括所述深度大于10米，且小于或者等于20米，同时，所述液化土层的贯标数比值小于或者等于0.6；或者，所述深度小于或者等于10米，同时，所述液化土层的贯标数比值大于0.6且小于或者等于0.8；
所述第三预设条件包括所述深度大于10米，且小于或者等于20米，同时，所述液化土层的贯标数比值大于0.6且小于或者等于0.8；或者，所述深度小于或者等于10米，同时，所述液化土层的贯标数比值大于0.8且小于或者等于1；
所述第四预设条件包括所述深度大于10米，且小于或者等于20米，同时，所述液化土层的贯标数比值大于0.8且小于或者等于1。
5.根据权利要求4所述的基于图片识别的路面承载力识别方法，其特征在于，所述液化土层的贯标数比值满足如下关系式：
Figure 989024DEST_PATH_IMAGE010
；
Figure 488139DEST_PATH_IMAGE011
为液化土层的贯标数比值,
Figure 866162DEST_PATH_IMAGE012
为液化土层的饱和土标贯击数实测值,
Figure 843345DEST_PATH_IMAGE013
为液化判别标贯击数临界值。
6.根据权利要求1所述的基于图片识别的路面承载力识别方法，其特征在于，所述承载力计算模型是将待测路面的历史图片以及待测路面的历史图片对应的土层信息作为输入，历史图片对应的承载力结果作为输出进行迭代训练得到的，历史图片对应的土层信息是采用传感器采集的。
7.一种基于图片识别的路面承载力识别系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6中任一所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法步骤。
CN202210531893.7A 2022-05-17 2022-05-17 一种基于图片识别的路面承载力识别方法及系统 Active CN114626251B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210531893.7A CN114626251B (zh) 2022-05-17 2022-05-17 一种基于图片识别的路面承载力识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210531893.7A CN114626251B (zh) 2022-05-17 2022-05-17 一种基于图片识别的路面承载力识别方法及系统

Publications (2)

Publication Number Publication Date
CN114626251A CN114626251A (zh) 2022-06-14
CN114626251B true CN114626251B (zh) 2022-07-15

Family

ID=81907140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210531893.7A Active CN114626251B (zh) 2022-05-17 2022-05-17 一种基于图片识别的路面承载力识别方法及系统

Country Status (1)

Country Link
CN (1) CN114626251B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109632217A (zh) * 2018-10-25 2019-04-16 重庆交通大学 路面结构承载力连续检测方法
CN112861290A (zh) * 2021-03-10 2021-05-28 广州大学 基于大数据分析的管桩竖向承载力计算方法及系统
CN112964551A (zh) * 2021-02-05 2021-06-15 天津城建大学 基于应变和频率的路面承载力动态测试方法
CN113378261A (zh) * 2021-05-21 2021-09-10 中国科学院武汉岩土力学研究所 一种大面积高强度堆载地基极限承载力计算方法
CN114140467A (zh) * 2022-02-08 2022-03-04 中大检测(湖南)股份有限公司 一种基于图片识别的路面裂缝监测方法、系统及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7912288B2 (en) * 2006-09-21 2011-03-22 Microsoft Corporation Object detection and recognition system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109632217A (zh) * 2018-10-25 2019-04-16 重庆交通大学 路面结构承载力连续检测方法
CN112964551A (zh) * 2021-02-05 2021-06-15 天津城建大学 基于应变和频率的路面承载力动态测试方法
CN112861290A (zh) * 2021-03-10 2021-05-28 广州大学 基于大数据分析的管桩竖向承载力计算方法及系统
CN113378261A (zh) * 2021-05-21 2021-09-10 中国科学院武汉岩土力学研究所 一种大面积高强度堆载地基极限承载力计算方法
CN114140467A (zh) * 2022-02-08 2022-03-04 中大检测(湖南)股份有限公司 一种基于图片识别的路面裂缝监测方法、系统及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SBS改性沥青施工温度确定方法研究;王朝扣 等;《中国优秀硕士学位论文全文数据库（王朝扣）》;20200715;全文 *
京沪高速铁路路基载体桩设计;张兴增等;《铁道建筑》;20090715(第07期);全文 *
单桩水平承载力计算方法研究与工程实例分析;方云飞等;《建筑结构》;20130110(第01期);全文 *
复合土工膜对路面结构承载力影响的试验研究;何明晋等;《四川建筑科学研究》;20130425(第02期);全文 *
西安地区钻孔灌注桩单桩竖向极限承载力设计取值的探讨;潘军;《陕西建筑》;20050115(第01期);全文 *

Also Published As

Publication number Publication date
CN114626251A (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
Guan et al. Using mobile LiDAR data for rapidly updating road markings
CN115424232B (zh) 一种路面坑槽的识别和评价方法、电子设备及存储介质
CN106228125B (zh) 基于集成学习级联分类器的车道线检测方法
CN105740464A (zh) 一种基于dem的河谷形态参数自动提取方法
CN109523516A (zh) 一种基于双重约束条件的对象级土地覆盖变化检测方法
CN108416468A (zh) 一种洪水超前预警预报方法
Sebastian et al. Hindcast of pluvial, fluvial, and coastal flood damage in Houston, Texas during Hurricane Harvey (2017) using SFINCS
CN109543616B (zh) 一种震后目标实物的损毁评估方法、装置、设备及介质
CN109186706A (zh) 一种用于城市雨洪淹没区预警的方法
WO2021083394A1 (zh) 一种基于图谱灰度自适应选取的沥青路面水损害检测方法
CN115689293B (zh) 一种基于压力-状态-响应框架的城市内涝韧性评估方法
CN104680151B (zh) 一种顾及雪覆盖影响的高分辨全色遥感影像变化检测方法
CN110163287A (zh) 一种中尺度涡检测方法及装置
CN105389799A (zh) 基于素描图与低秩分解的sar图像目标检测方法
Alam et al. Automatic assessment and prediction of the resilience of utility poles using unmanned aerial vehicles and computer vision techniques
Bergstrand et al. Nationwide hydrological statistics for Sweden with high resolution using the hydrological model S-HYPE
Nair et al. Flood water depth estimation—A survey
Huaxing Modelling terrain complexity
CN114626251B (zh) 一种基于图片识别的路面承载力识别方法及系统
CN115497036A (zh) 一种内涝积水深度计算方法、系统及可读存储介质
Jones et al. High Resolution LiDAR data for landscape archaeology in New Zealand
Rufei et al. Research on a pavement pothole extraction method based on vehicle-borne continuous laser scanning point cloud
Kariminejad et al. Investigating geometrical characteristics of collapsed pipes and the changing role of driving factors
CN105302980A (zh) 一种基于sar数据的城区空气动力学粗糙度反演方法
CN113591668B (zh) 一种使用深度学习和空间分析的广域未知大坝自动探测方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 410000 Bachelor's Street, Yuelu District, Changsha City, Hunan Province, 755 Bachelor's Road

Patentee after: Zhongda Intelligent Technology Co.,Ltd.

Address before: 410000 Bachelor's Street, Yuelu District, Changsha City, Hunan Province, 755 Bachelor's Road

Patentee before: CUHK testing (Hunan) Co.,Ltd.