1 天津大学, 水利工程仿真与安全国家重点实验室, 天津 300350
2 雅砻江流域水电开发有限公司, 成都 610051
综合采集混凝土振捣施工过程多源异构信息, 进而及时、客观地分析振捣质量, 对于保障高拱坝坝体混凝土施工质量至关重要。针对高拱坝混凝土振捣施工信息以“空-地”感知技术为主, 存在信息感知不全和数据质量有待提高的问题, 建立空天地一体化的混凝土振捣施工信息智能感知体系, 实现混凝土浇筑过程中多源、多维度、多模态施工信息的立体感知。在此基础上, 针对数值型、视频流以及图像型信息, 分别提出基于Kalman滤波的全球导航卫星系统(GNSS)定位信息降噪方法、基于改进Faster R-CNN的视频信息解析方法和基于DeblurGAN-v2的表面图像去模糊方法。以杨房沟水电站为例, 应用所提空天地一体化感知方法与技术, 实现混凝土振捣质量智能分析与监控。
混凝土振捣 空天地一体化感知 智能监控 Kalman滤波算法 改进Faster R-CNN DeblurGAN-v2模型 concrete vibration space-air-ground integrated perception intelligent monitoring Kalman filter algorithm improved Faster R-CNN DeblurGAN-v2 model
针对输电线上穿刺线夹及螺栓易受光照、遮挡、环境背景、拍摄角度等因素影响,提出了一种基于改进Faster R-CNN的检测方法。对获取的数据采用翻转、平移、角度旋转等方式增强数据集;再对比不同数量训练集对模型的影响;由于螺栓体积很小,使用网络深度更深、运算量更小的深度残差网络(ResNet50)代替VGG-16(Visual Geometry Group 16)网络并对图像进行特征提取;分析不同模型和参数对识别精确度的影响。结果表明,改进Faster R-CNN模型的mAP值达到92.4%,与未改进的Faster R-CNN模型相比提高2.8个百分点。利用深度学习目标检测模型能更好地检测不同分辨率和不同位置角度的穿刺线夹及螺栓,该模型具有较高的工程实用价值。
图像处理 穿刺线夹 目标检测 改进Faster R-CNN 残差网络 激光与光电子学进展
2020, 57(8): 081008
