分享到:

刘翔退赛,无症损伤检测抢眼球

8月18日中午,在北京奥林匹克公园GE创想中心,GE医疗集团邀请奥组委医疗负责人一起举办的一项奥运医学研  (本文共1页) 阅读全文>>

《机械管理开发》2020年09期
机械管理开发

复合材料损伤检测技术的应用现状

介绍了复合材料常见的损伤类型,提出了一系列在复合材料的使用过程中可以对其损伤检测的方法,同时分析了...  (本文共3页) 阅读全文>>

《品牌(理论月刊)》2011年05期
品牌(理论月刊)

浅析金属材料无损伤检测的现状及新的方法

随着工业技术的快速发展,金属材料的应用越来越广泛,对其性能也有了更严格的要求,所以必须要探明材料内部的缺陷以及...  (本文共1页) 阅读全文>>

《浙江大学学报(工学版)》2007年01期
浙江大学学报(工学版)

多分辨率损伤检测结果的最大联合概率融合算法

针对大型复杂结构分布式损伤检测系统中的多种损伤检测方法的检测结果融合问题,提出了最大联合概率(MJP)决策融合法.通过分析子损伤检测方法的检测概率与最终损伤检测结果正确概率的关系,根据贝叶斯决策原理得出了形式简单的MJP决策融合准则,并通过...  (本文共8页) 阅读全文>>

大连理工大学
大连理工大学

深度学习在古建筑表面损伤检测中的应用研究

古建筑是人类精神文明的载体,是人类历史长河中的里程碑。历经岁月的洗礼,古建筑表面发生不同程度的损伤,这些损伤不仅影响古建筑的外观,严重的损伤甚至影响整个结构的安全,因此对古建筑的定期检测和保护具有十分重要的意义。目前对古建筑表面损伤检测主要依靠人工巡检的方式,这种方式需要经验丰富的专家借助专业设备对古建筑损伤进行评估,检测效率不高。特别是对于大规模古建筑群进行损伤检测时,人工巡检的方式对专业性要求高、费时、费力不能满足大规模检测的要求。根据国家“让文物活起来”的重要指示,借助人工智能时代到来的契机,本文旨在研究深度学习技术对故宫古建筑表面损伤的快速识别、定位、分割及评定,为古建筑保护和修复领域做出贡献。本文的主要研究内容包括以下几个方面:(1)基于卷积神经网络(Convolutional Neural Network,CNN)模型,研发了适用于古建筑表面损伤识别的 AlexNet for Historic Structures ...  (本文共178页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

基于计算机视觉的风机叶片表面损伤检测研究

风能作为可再生能源,已在世界范围内获得了广泛应用。由于风力发电机的所在环境恶劣、所受应力强烈等因素,风机的叶片表面可能产生裂纹、油污、砂眼等损伤,这严重影响了风力发电的效率和安全性。当前叶片表面损伤检测方法多为人为操作,存在耗时长、效率低、主观性强等缺点。因此,本文基于无人机采集的风机叶片图像,利用图像处理、机器学习、深度学习等计算机视觉技术,针对叶片损伤进行自动检测算法和健康维护系统的研究与开发工作,主要完成以下内容:(1)对风力发电机叶片损伤特性及图像处理理论进行分析,研究了基于Halcon的图像处理方法。对叶片图像进行相机标定、快速自适应加权中值滤波、图像加强、动态阈值分割等操作,完成了对叶片损伤图像的处理和初步识别。(2)对 HOG、Haar-like、LBP 等特征及 CatBoost、XGBoost、AdaBoost 等分类算法进行对比和分析,利用原始和扩展的LBP特征集,并基于AdaBoost开发包括决策树和支持向...  (本文共86页) 本文目录 | 阅读全文>>