“庞高兆”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]一种基于LSTM神经网络算法的无人机路面病害检测方法-CN202110790465.1有效
发明人：方宏远;王念念;马铎;胡浩帮;庞高兆 -专利权人：郑州大学
申请日： 2021-07-13 - 公布日： 2023-04-18 - 主分类号： G01N33/42 文献下载
摘要：本发明公开了一种基于LSTM神经网络算法的无人机路面病害检测方法，包括如下步骤：S1、获取无人机姿态监测数据，构建无人机时间序列数据集，并按比例分为训练集，验证集和测试集；S2、构建LSTM神经网络模型；S3、初始化模型，将训练集数据输入到模型中，设置超参数，进行模型训练；S4、模型调参，得到最优模型；S5、将测试集数据输入到最优模型进行测试，输出各项数值评价指标，判断是否达到预期值；S6、现场检测，判断评价指标能否达到所需要求。LSTM神经网络模型算法可用于对无人机姿态时间序列信息的预测，从而得到无人机距离路面病害的距离，偏角等信息，对路面病害的精确测量提供帮助该方法检测效率快，准确度高，鲁棒性好。
一种基于 lstm 神经网络算法无人机路面病害检测方法

[发明专利]一种基于GBRT的地下排水管道最大应力预测方法-CN202210961406.0在审
发明人：宋留洋;董家修;王念念;李斌;马铎;胡浩帮;庞高兆 -专利权人：郑州大学
申请日： 2022-08-11 - 公布日： 2022-11-01 - 主分类号： G06F30/27 文献下载
摘要：本发明属于地下排水管道检测领域，具体涉及一种基于GBRT的地下排水管道最大应力预测方法，获取地下排水管道的管道数据集以及地下排水管道最大应力序列；确定管道数据集对地下排水管道最大应力的贡献率，选取贡献率较大的前Q个相关变量数据作为控制变量，将控制变量以及对应的地下排水管道最大应力构成数据集；对构建的GBRT模型进行训练和验证，得到最优GBRT模型；利用训练集对最优GBRT模型进行继续训练，得到训练好的最优GBRT模型；将待预测的地下排水管道的控制变量输入训练好的最优GBRT模型，输出预测的地下排水管道最大应力。本发明的方案能够准确预测地下排水管道最大应力的情况，降低预测的计算量。
一种基于 gbrt 地下排水管道最大应力预测方法

[发明专利]一种面向混凝土管道损伤识别的数据建模扩增方法-CN202210872779.0在审
发明人：方宏远;王念念;庞高兆;梁静;杜雪明 -专利权人：郑州大学
申请日： 2022-07-21 - 公布日： 2022-09-27 - 主分类号： G06F30/27 文献下载
摘要：本发明公开一种面向混凝土管道损伤识别的数据建模扩增方法。该方法包括：混凝土管道损伤模型建立、数据处理、ShapContextNet模型搭建、模型训练、模型调参、模型测试以及实时检测。本发明提出的一种面向混凝土管道损伤识别的数据建模扩增方法，研发适用于混凝土管道损伤检测的ShapContextNet神经网络算法，在真实混凝土管道损伤数据量稀少的情况下使用数据建模的方法进行数据扩增，提高方法的鲁棒性和泛化能力，从而实现混凝土管道损伤自动识别。
一种面向混凝土管道损伤识别数据建模扩增方法

[发明专利]一种基于PointNet++神经网络混凝土管道损伤识别与体积量化方法-CN202210226606.1在审
发明人：赵焱;郑成志;张昭君;钟汶均;方宏远;王念念;庞高兆 -专利权人：哈尔滨工业大学水资源国家工程研究中心有限公司;郑州大学
申请日： 2022-03-09 - 公布日： 2022-07-15 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于PointNet++神经网络混凝土管道损伤识别与体积量化方法，包括获取混凝土管道损伤三维点云数据集，数据处理及划分，构建PointNet++神经网络模型并训练，模型调参，模型测试和体积量化的步骤。本发明方法研发了适用于混凝土管道损伤检测与体积量化的PointNet++神经网络算法，基于深度相机采集的三维数据进行模型训练，提高方法的鲁棒性和泛化能力，采用参数化点云投影并进行配准，利用球旋转算法自动完成损伤三维重建及体积量化，提高了混凝土管道损伤的识别效率和准确度。
一种基于 pointnet 神经网络混凝土管道损伤识别体积量化方法

[发明专利]一种基于深度学习的路面病害图像分割方法和系统-CN202011203796.2在审
发明人：方宏远;王念念;董家修;马铎;张娟;胡浩邦;庞高兆;雷建伟 -专利权人：坝道工程医院（平舆）;郑州安源工程技术有限公司
申请日： 2020-11-02 - 公布日： 2021-04-02 - 主分类号： G06T7/10 文献下载
摘要：本发明涉及图像处理，尤其涉及一种基于深度学习的路面病害图像分割方法和系统。一种基于深度学习的路面病害图像分割方法，包括：获取路面检测图像；将所述路面检测图像输入到通过由深度学习网络使用病害数据库进行训练得到的病害分割模型中；进行路面病害的识别与分割，得到路面病害分割图像。本发明提供的病害分割方法采用深度学习算法进行图像分割，实现路面病害区域的自动化获取，提高工作效率的同时图像分割更加准确。
一种基于深度学习路面病害图像分割方法系统

[发明专利]一种基于卷积神经网络的建筑木材裂缝识别方法-CN202011203806.2在审
发明人：王念念;方宏远;庞高兆;薛冰寒;董家修;马铎;雷建伟 -专利权人：郑州大学
申请日： 2020-11-02 - 公布日： 2021-01-22 - 主分类号： G06T7/00 文献下载
摘要：本发明适用深度学习与土木工程的交叉学科领域，涉及一种基于卷积神经网络的建筑木材裂缝识别方法，包括：采集建筑木材裂缝图像并挑选含有裂缝的图片；分类标注建筑木材裂缝数据集，建立大数据集与小数据集，并按比例分为训练集、验证集和测试集；搭载卷积神经网络模型，进行模型初始化，分别基于大数据集和小数据集进行模型训练；设置不同的超参数，引入验证集图片测试，寻找最优超参数值；根据得到的最优模型，对模型进行测试，输出各项检测数值指标，判断是否达到预期值；对现有的图像处理方法进行比较分析。本发明所提出的基于卷积神经网络的建筑木材裂缝识别方法具有更好的鲁棒性与泛化能力，有效提高了建筑木材裂缝识别的精度与效率。
一种基于卷积神经网络建筑木材裂缝识别方法

[发明专利]一种基于深度学习的路面病害检测方法和装置-CN202011203794.3在审
发明人：方宏远;王念念;马铎;董家修;胡浩邦;庞高兆;张娟;雷建伟 -专利权人：坝道工程医院（平舆）;郑州安源工程技术有限公司
申请日： 2020-11-02 - 公布日： 2021-01-12 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于深度学习的路面病害检测方法和装置。一种基于深度学习的路面病害检测方法，包括：获取路面图像或路面视频；根据所述路面图像或路面视频获取路面待检图像；使用基于深度学习网络的路面病害检测模型识别所述路面待检图像中的路面病害，同时获取对应的定位数据，形成路面病害综合信息。本发明提供的路面病害检测方法能够使用基于深度学习算法的路面病害检测模型将获取得到的路面图像或路面视频进行处理，无论是采取何种电子数据方式，均能快速实现对道路病害的快速检测。
一种基于深度学习路面病害检测方法装置

1
共 7 条