[发明专利]基于FBG传感器及卷积神经网络的桥梁车流量统计方法

权利要求书

1.一种基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于，包括以下步骤：

S1：在待统计路段桥面板底部布设FBG传感器，FBG传感器连接光纤光栅解调仪；

S2：利用光纤光栅解调仪获得FBG传感器的高频监测数据，并将测得的高频监测数据转化为应变数据；

S3：把步骤S2测得的高频监测数据以特定的时间步长，转化为应变-时程图像，并通过有车辆通行和无车辆通行划分为不同的图像数据集；

S4：构建卷积神经网络模型，用步骤S3得到的有车辆通行及无车辆通行的图像数据训练卷积神经网络，得到能够自动识别有车量通行和无车量通行图像的卷积神经网络模型；

S5：把需要统计车流量的时间段内的高频监测数据按照与步骤S3步中相同的时间步长转化为应变-时程视频数据；

S6：用步骤S4中训练好的卷积神经网络模型对该视频进行逐帧识别并统计出车流量的信息。

2.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S1中，FBG传感器布设于待统计车道的中心，安装时，FBG传感器嵌入混凝土保护层，并使用结构胶做好保护。

3.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S2中光纤光栅解调仪需能测得100Hz以上的高频信息，并能够满足长期监测的要求。

4.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S3中特定的时间步长与车辆通行对FBG传感器激励完成的时间相同。

5.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S3中不同应变-时程图像的应变的范围一致。

6.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S3中有车辆通行和无车辆通行的应变-时程数据集具有10000个以上，以保证之后卷积神经网络的训练精度。

7.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S4中卷积神经网络的模型选用vgg-16或resnet-50。

8.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S4中训练卷积神经网络时应用增加图像数量的图像处理的方式，增加用于训练网络的图像数量。

9.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S5中得到的应变-时程视频满足连续帧对应的时间连续，并完整地包含待统计时间段应变数据。

10.根据权利要求1所述基于FBG传感器及卷积神经网络的桥梁车流量统计方法，其特征在于：步骤S6中卷积神经网络需判断视频中每一帧的图像中对应有无车辆通行的情况。