摘要
本发明公开了一种智能化涵洞底部冲刷病害智能检测方法及系统,包括,获取涵洞底部表面温度场数据并进行修正补偿,得到样本数据,基于样本数据提取候选病害区和温度异常区域并进行散斑噪声消除,构建卷积神经网络提取样本数据的多尺度空间特征,构建LSTM模型提取样本数据的温度变化特征;基于多尺度空间特征和温度变化特征,得到冲刷病害程度与温度梯度的量化关系识别涵洞底部的冲刷病害的病害位置坐标及损伤等级。通过结合环境参数动态补偿算法消除湿度干扰,采用图像处理算法与温度场分析模型,识别因冲刷导致的材料缺失或结构异常区域,能够高效、准确地识别涵洞底部冲刷病害,解决了现有检测方法存在的效率低、准确性差以及成本高等问题。
技术关键词
智能检测方法
涵洞
散斑噪声
构建卷积神经网络
动态温差
LSTM模型
补偿算法
样本
饱和度
多元线性回归算法
基准
HSV颜色空间
通道注意力机制
加速度
智能检测系统
超定方程组
像素
图像处理算法
数据采集层
系统为您推荐了相关专利信息
智能检测方法
动态贝叶斯网络
离心泵
多源证据融合
多源异构数据
故障分类器
面向工业设备
特征提取器
智能检测方法
设备运行检测
历史气象数据
预测误差
数据变化趋势
子模块
实时数据
装备故障诊断方法
数据
在线故障诊断
协方差矩阵
特征值
工业设备
设备运维系统
设备运维方法
网关
物理连接结构