采用深度卷积神经网络的路面破损智能识别

为有效识别沥青路面病害类别，将VGG卷积神经网络引入沥青路面病害识别中. 根据VGG模型随着卷积核深度的加深可获得图片更深层次特征的特点，将VGG模型最后一层卷积核的卷积深度加深，得到改进型VGG模型，并与原始VGG模型进行比较. 结果表明：改进型VGG模型每步用时278ms，相比于原始模型每步用时258ms略有增加，而病害识别精度进一步提升了1.36%，对龟裂、松散等复杂裂缝分别提高了1.12%、0.84%. 可见，VGG模型可有效识别路面病害，将其适当改进后效果更佳，对诸如松散、龟裂等复杂路面病害可做到精确识别，能及时、有效监测路面破损状况.     

改进型VGG算法对小样本路面破损的分类识别

为解决小样本沥青路面破损图片在分类识别中存在的识别精度差的问题,选择常见的5种路面破损类型,提出了一种基于VGG的浅层深度卷积神经网络模型的路面破损图像分类方法. 首先,将采集到的图像集进行预处理并自制成数据集. 其次,设置三种不同的批处理量尺寸和两种不同的网络层数作训练,选择最适合该网络模型的尺寸,得到浅层VGG模型. 将处理后的路面图片直接作为模型的输入,作模型的训练、验证及测试. 最后,将模型试验结果与支持向量机及目前主流的深度卷积神经网络模型的试验结果进行对比. 结果表明：浅层VGG模型在训练集、验证集及测试集的分类准确率接近,对路面破损图像的分类识别准确率都达到98%以上,表现出模型良好的识别能力;与支持向量机及目前主流的网络模型试验结果相比,浅层VGG网络模型训练耗时少且泛化能力更强,模型提取到的特征更丰富,可获得更加全局的信息. 可见,浅层VGG模型在对小规模图像的分类识别中具有显著优势,同时相比其他方法更具鲁棒性,结果更精确.     

基于支撑矢量机的路面破损识别

针对路面破损自动识别技术中的路面裂缝分类问题,提出了基于支撑矢量机(SVM)的路面破损裂缝分类方法,对于训练样本数很少的5种裂缝,建立了相应的支撑矢量机分类器算法,并分别构造了对应的分类器,根据最优分类面原则来获取最佳参数,确定出裂缝类型,从而实现对路面裂缝的正确分类。试验表明:4种破损路面的正确识别率均得到显著提高。     

基于深度卷积神经网络和支持向量机的手势识别算法

为了提高手势识别的准确率,提出一种基于深度卷积神经网络和支持向量机的手势识别算法;将包含手势的图像进行手掌轮廓分割及手指关节特征提取,经过去噪后获得准确的手势图像,然后通过卷积与池化获得手势特征样本,采用神经网络算法对输入特征样本进行训练,并对全连接层各节点的输出结果进行支持向量机多元分类,从而获得手势识别结果;在差异化设置条件下,通过对比手势识别的平均准确率和识别时间,可获得最优的卷积核尺寸及池化方法。仿真实验结果表明,相比其他3种识别算法,所提出的算法具有更优的识别准确率。     

基于卷积神经网络的高分辨率雷达目标识别

提出一种基于卷积神经网络(Convolution Neural Network,CNN)的高分辨率雷达目标识别方法.首先针对小样本应用于深度CNN时训练过程中损失函数值收敛速度慢的问题,利用结合批归一化算法的改进CNN网络对高分辨距离像(High Resolution Range Profile,HRRP)进行自动特征提取;再利用支持向量机(Support Vector Machine,SVM)对距离像特征进行分类.使用军事车辆高保真电磁仿真数据对提出的方法进行验证,识别结果证明了该方法的有效性.     

融合卷积神经网络与Adaboost算法的病害松树识别

针对无人机平台获取的高分辨率可见光松树图像,提出一种结合深度卷积神经网络和Adaboost算法的病害松树识别方法,解决传统机器学习方法识别病害松树精确度不高问题.首先利用卷积神经网络训练病害松树模型再利用训练模型将地物中的田地、裸土及黑影等复杂信息剔除掉,提取病害松树、健康松树及黑影区域的颜色和纹理特征,依据提取的特征在剔除地物干扰项后的决策层使用Adaboost分类器进行目标识别.实验结果表明,该方法相较传统的K-means聚类、支持向量机、Adaboost算法、BP神经网络、VGG(visual geometry group)算法等在识别精确度方面有显著提高.     

采用卷积神经网络的烟火智能识别算法

相较于传统烟火、烟雾检测,基于卷积神经网络算法的烟火检测具有更高检测精度和效率,提出基于改进YOLOv3算法的烟火识别方法,应用高斯参数设计损失函数并建立YOLOv3边界框模型,实现边界框置信度计算以减少负样本.为充分利用图像局部特征信息,对网络结构进行改进,以实际烟火现场图片为待检对象,完成烟火识别过程计算.结果表明,与基础YOLOv3对比,本研究提出的改进YOLOv3算法平均精度提高5.5%,该方法有助于提升智能烟火预警、人员救助和险情跟踪作业水平,最终提升事故灾害应急和管理能力.     

基于集成卷积神经网络的交通标志识别

以交通标志识别为研究目的,提出一种基于集成卷积神经网络的交通标志识别算法,通过对多个不同结构的卷积神经网络进行集成以提高算法识别率。为了缩短网络训练和测试时间以及提高网络识别率,对单个卷积神经网络的结构进行了优化。使用ReLU(rectified linear unit)激活函数来代替传统的激活函数,使用批量归一化(batch normalization,BN) 方法对卷积层输出数据进行归一化处理,将卷积神经网络的分类器用支持向量机(support vector machine,SVM)代替。使用德国交通标志识别数据库(german traffic sign recognition benchmark,GTSRB)进行训练和测试,实验结果表明,提出的算法识别率为98.29%,单幅交通标志图像测试时间为1.32 ms,对交通标志具有良好的识别性能。     

基于卷积神经网络的石英纤维复合材料损伤缺陷太赫兹智能识别

利用太赫兹时域光谱对石英纤维复合材料(quartz fiber reinforced polymer, QFRP)内部分层缺陷进行检测,通过搭建一维卷积神经网络模型,实现不同位置和不同深度损伤缺陷的准确识别,验证结果准确率在90%以上.根据识别结果构建复合材料的缺陷检测图像与实际太赫兹成像图结果一致,且具有高清晰度和对比度.太赫兹技术结合卷积神经网络能够实现非极性材料的智能识别.     

基于集成神经网络的板下地基脱空判定

通过有限元法建立了地基脱空的混凝土路面计算模型.提出采用基于信息融合理论的集成神经网络技术对混凝土路面脱空状况进行识别,通过路面脱空输入特征向量的组合,用各子神经网络对混凝土路面脱空进行初步缺陷识别,然后对识别结果进行决策融合.给出了系统的实现策略和子网络的组建原则.数值模拟结果表明,采用这种识别方法合理地选取了各种输入特征向量,具有更好的识别效果.     

沥青路面凝冰损坏程度检测设备

针对沥青路面磨耗层损坏程度的评价目前还没有成熟的检测设备和方法,根据沥青路面凝冰损坏的形式和特点开发了路面磨耗层损坏程度的检测设备,并对检测设备的技术参数、试验方法和评价指标进行了深入研究。结果表明,所研制的检测设备性能良好,在此基础上提出的试验方法和评价指标能够快速、准确地检测出沥青路面受凝冰损坏的程度,具有良好的区分度和实用性。     

基于双流多关系GCNs的骨架动作识别方法

为了更好地提取并融合人体骨架中的时序特征和空间特征,文章构建了融合时空域注意力模块的多流卷积神经网络(AE-MCN)：针对目前大多数方法在建模骨架序列相关性时因忽略了人体运动特性而没有对运动尺度进行适当建模的问题,引入了自适应选取运动尺度模块,从原尺度动作特征中自适应地提取关键时序特征;为了更好地对特征进行时间维度和空间维度上的建模,设计了融合时空域的注意力模块,通过对高维时空特征进行权重分配,进而帮助网络提取更有效的动作信息。最后,在3个常用的人体动作识别数据集(NTU60、JHMDB和UT-Kinect)上进行了对比实验,以验证AE-MCN网络的有效性。实验结果表明：与ST-GCN、SR-TSL等网络相比,AE-MCN网络都取得了更好的识别效果,证明AE-MCN网络可以对动作信息进行有效的提取与建模,从而获得较好的动作识别性能。     

沥青路面线性疲劳损伤特性及形变规律

为了研究沥青路面结构在车辆荷载作用下的疲劳损伤演化特性并分析其形变规律,运用通用有限元软件ABAQUS及其二次开发平台,建立考虑路面材料疲劳损伤的沥青路面结构数值计算模型,分析沥青路面结构在车辆荷载反复作用下路面结构损伤和水平正应变的空间分布与演化规律,以及路表弯沉随荷载作用的演变规律.结果表明:路面结构损伤主要分布在双轮中心线下靠近层底的区域,基层层底与底基层层底损伤度随荷载作用均增加,但增加幅度逐渐减小;路面结构层内水平正应变在荷载作用下,靠近层底位置拉应变逐渐增大,但增加幅度逐渐减小,中性轴上移;路表弯沉在荷载作用下逐渐增大,但增加幅度逐渐减小.研究结果可为沥青路面结构设计、养护维修及长期性能预测提供理论支撑.     

道路路况评价的物元模型

评述了现行《公路沥青路面养护技术规范》(JTJ073．2-2001)中路况评价方法的不足，介绍了物元分析理论；分析了物元理论在路况评价中的适用性，据此建立了道路路况评价的物元模型。该模型是以定量数值表示路况属于某等级的程度大小；其中可拓集合关联函数的应用使得路况的多指标评定更为精细化。实例分析表明，路况评价的物元模型可较好地给出路况等级评定结果，能够较完整地反映道路状况的综合水平。     

基于数字图像处理的路面裂缝自动识别与评价系统

在论述国内外路面裂缝检测技术发展现状的基础上,分析了基于数字图像处理的路面裂缝识别与评价系统的工作原理。通过研究路面裂缝图像的特点和现有裂缝识别算法,提出了该技术应用中尚存在分析结果的可靠性、图像处理的速度以及路面裂缝评价技术的完善等几个关键技术,并探讨了解决这些问题的途径。