摘要
本发明涉及一种大位移伸缩缝典型服役状态识别表征方法,其特征在于,包括以下步骤:S1:设置多个用于监测桥梁大位移伸缩缝的监测区域和监测设备;S2:采集大位移伸缩缝各个监测区域的视觉靶标监测视频、各个监测区域的音频、环境温湿度及大位移伸缩缝上方通过的车流监控视频;S3:处理所述监测区域的视觉靶标监测视频、监测区域音频及车流监控视频,获取大位移伸缩缝中钢梁位移、大位移伸缩缝过车事件的音频声纹特征、大位移伸缩缝过车事件中的荷载类型;S4:通过无监督学习方法将各组时空特征向量进行分类,形成大位移伸缩缝典型服役状态。与现有技术相比,本发明具有高精度检测、监测数据准确性、高检测效率等优点。
技术关键词
大位移伸缩缝
表征方法
车流监控
传感设备
靶标
无监督学习方法
典型
视觉
声纹特征
视频
温湿度
深度学习算法
相机
监测桥梁
深度学习模型
音频特征识别
无监督学习算法
安装监测设备
系统为您推荐了相关专利信息
核酸检测方法
分子生物学检测技术
PCR扩增技术
条码
杂交技术
诱捕箱
诱捕装置
底部导向机构
计数机构
红外传感器