中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
基于機器視覺的交通運輸基礎設施裂縫檢維與管理 版權信息
- ISBN：9787548744979
- 條形碼：9787548744979 ; 978-7-5487-4497-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于機器視覺的交通運輸基礎設施裂縫檢維與管理 內容簡介
本書在總結我國基礎設施發展現狀和建設經營管理模式的基礎上，對基礎設施裂縫產生的成因與運維階段存在的問題進行了詳細的闡述，并從基礎設施裂縫的圖像數據采集、處理、特征分析、識別和評價等方面具體介紹了相關方案的技術特點和實踐狀態，是當今“新基建”助力“老基建”發展的實際案例。
基于機器視覺的交通運輸基礎設施裂縫檢維與管理 目錄
第1章 交通運輸基礎設施裂縫檢維現狀概述
1.1 交通運輸基礎設施裂縫成因與危害概述
1.1.1 鐵路無砟軌道結構裂縫成因及影響
1.1.2 橋梁結構裂縫成因及影響
1.1.3 公路路面裂縫成因及影響
1.1.4 隧道結構不同類型裂縫成因及影響
1.2 交通運輸基礎設施表面裂縫檢維現狀
1.2.1 裂縫檢維與管理的目標與意義
1.2.2 裂縫檢測系統的發展歷程與現狀
1.3 現有裂縫檢測存在的問題與前瞻性技術
1.3.1 交通運輸基礎設施裂縫檢測存在的問題
1.3.2 先進基礎設施裂縫檢測技術
1.3.3 交通運輸基礎設施檢維技術未來發展方向
1.4 本章小結
第2章 基于機器視覺的基礎設施表面圖像采集系統
2.1 基于機器視覺的交通基礎設施表面圖像采集系統簡述
2.1.1 搭載平臺
2.1.2 圖像傳感器
2.1.3 照明端
2.1.4 定位端
2.2 基礎設施各專業技術應用概況
2.2.1 鐵路工程采集應用
2.2.2 橋梁日常采集應用
2.2.3 路面工程采集應用
2.2.4 隧道工程采集應用
2.3 機器視覺數據采集技術的演進與發展方向
2.3.1 多維化與多樣化
2.3.2 規模化與規范化
2.3.3 實時化與智能化
2.4 本章小結
第3章 交通基礎設施裂縫數據基本特征及預處理
3.1 交通基礎設施裂縫圖像數據概述
3.1.1 交通基礎設施裂縫圖像二維數據概述
3.1.2 交通基礎設施裂縫圖像三維數據概述
3.1.3 交通基礎設施裂縫圖像特征
3.2 交通基礎設施裂縫圖像數據預處理
3.2.1 裂縫圖像質量影響因素
3.2.2 裂縫圖像像素亮度變換
3.2.3 裂縫局部預處理
3.2.4 裂縫圖像恢復
3.3 交通基礎設施裂縫圖像數據增強
3.4 本章小結
第4章 基于特征提取的基礎設施裂縫診斷方法
4.1 啟發式特征提取
4.1.1 邊緣檢測
4.1.2 閾值分割
4.1.3 區域生長
4.1.4 匹配濾波器
4.2 特征學習
4.2.1 有監督的機器學習算法
4.2.2 無監督的機器學習算法
4.3 工程應用和存在的問題
4.3.1 工程應用概述
4.3.2 裂縫診斷方法目前存在的問題
4.4 本章小結
第5章 基于深度神經網絡的裂縫圖像智能判識
5.1 深度神經網絡概述
5.1.1 結構層數
5.1.2 典型結構形式
5.1.3 數據處理形式
5.2 特征挖掘與圖像分類
5.2.1 自動化的特征挖掘技術
5.2.2 裂縫圖像分類流程
5.3 裂縫圖像分類案例與評價指標
5.3.1 基礎設施裂縫圖像分類案例
5.3.2 分類模型評價指標簡述
5.4 技術演進與發展方向
5.4.1 遷移學習
5.4.2 小樣本學習(元學習)
5.4.3 無監督學習
5.5 卷積神經網絡從分類到目標檢測再到語義分割
5.6 本章小結
第6章 基于目標檢測網絡的裂縫區域智能定位
6.1 裂縫位置與現有工程劃分標準
6.1.1 裂縫產生位置與危害性簡述
6.1.2 現有工程劃分標準
6.2 深度目標檢測網絡概述
6.2.1 Two-stage目標檢測網絡
6.2.2 One-stage目標檢測網絡
6.3 裂縫區域智能定位案例
6.3.1 基于Two-stage目標檢測網絡的裂縫區域智能定位案例
6.3.2 基于One-stage目標檢測網絡的裂縫區域智能定位案例
6.4 評價指標與技術演進
6.4.1 目標檢測常見評價指標
6.4.2 技術演進
6.5 本章小結
第7章 基于語義分割網絡的裂縫特征智能表征述
7.1 裂縫形態特征與現有工程劃分標準
7.1.1 裂縫形態特征與危害性簡述
7.1.2 現有工程劃分標準
7.2 深度語義分割網絡概述和評價指標
7.2.1 CNN改造
7.2.2 Faster R-CNN改造
7.2.3 評價指標
7.3 像素表征與尺度量化
7.3.1 語義分割網絡在工程中表征處理案例
7.3.2 幾何尺度量化
7.4 語義分割網絡技術演進
7.4.1 實時高精度語義分割
7.4.2 弱監督語義分割
7.4.3 零樣本(Zero-Shot)語義分割
7.5 本章小結
第8章 數據驅動的基礎設施裂縫智能評估與維護決策
8.1 基礎設施裂縫狀態的評價標準
8.1.1 路面裂縫狀態的評價標準
8.1.2 橋梁裂縫狀態的評價標準
8.1.3 隧道裂縫狀態的評價標準
8.2 基礎設施裂縫狀態的分類與評估
8.2.1 交通基礎設施裂縫分類
8.2.2 交通基礎設施裂縫危險性評價
8.3 基礎設施裂縫管理與維護現狀
8.3.1 裂縫維護組織方式
8.3.2 現階段國內外裂縫維護模式
8.3.3 傳統裂縫管理方式存在的問題
8.3.4 傳統基礎設施維護方式存在的問題
8.4 基礎設施裂縫的智能管理體系
8.4.1 裂縫特征的精確刻畫
8.4.2 裂縫編碼系統的建立
8.4.3 基于BIM+GIS的裂縫數據可視化管理
8.5 基礎設施的智能維護與決策支持
8.5.1 主動安全保障模式的確立
8.5.2 基礎設施維
1.1 交通運輸基礎設施裂縫成因與危害概述
1.1.1 鐵路無砟軌道結構裂縫成因及影響
1.1.2 橋梁結構裂縫成因及影響
1.1.3 公路路面裂縫成因及影響
1.1.4 隧道結構不同類型裂縫成因及影響
1.2 交通運輸基礎設施表面裂縫檢維現狀
1.2.1 裂縫檢維與管理的目標與意義
1.2.2 裂縫檢測系統的發展歷程與現狀
1.3 現有裂縫檢測存在的問題與前瞻性技術
1.3.1 交通運輸基礎設施裂縫檢測存在的問題
1.3.2 先進基礎設施裂縫檢測技術
1.3.3 交通運輸基礎設施檢維技術未來發展方向
1.4 本章小結
第2章 基于機器視覺的基礎設施表面圖像采集系統
2.1 基于機器視覺的交通基礎設施表面圖像采集系統簡述
2.1.1 搭載平臺
2.1.2 圖像傳感器
2.1.3 照明端
2.1.4 定位端
2.2 基礎設施各專業技術應用概況
2.2.1 鐵路工程采集應用
2.2.2 橋梁日常采集應用
2.2.3 路面工程采集應用
2.2.4 隧道工程采集應用
2.3 機器視覺數據采集技術的演進與發展方向
2.3.1 多維化與多樣化
2.3.2 規模化與規范化
2.3.3 實時化與智能化
2.4 本章小結
第3章 交通基礎設施裂縫數據基本特征及預處理
3.1 交通基礎設施裂縫圖像數據概述
3.1.1 交通基礎設施裂縫圖像二維數據概述
3.1.2 交通基礎設施裂縫圖像三維數據概述
3.1.3 交通基礎設施裂縫圖像特征
3.2 交通基礎設施裂縫圖像數據預處理
3.2.1 裂縫圖像質量影響因素
3.2.2 裂縫圖像像素亮度變換
3.2.3 裂縫局部預處理
3.2.4 裂縫圖像恢復
3.3 交通基礎設施裂縫圖像數據增強
3.4 本章小結
第4章 基于特征提取的基礎設施裂縫診斷方法
4.1 啟發式特征提取
4.1.1 邊緣檢測
4.1.2 閾值分割
4.1.3 區域生長
4.1.4 匹配濾波器
4.2 特征學習
4.2.1 有監督的機器學習算法
4.2.2 無監督的機器學習算法
4.3 工程應用和存在的問題
4.3.1 工程應用概述
4.3.2 裂縫診斷方法目前存在的問題
4.4 本章小結
第5章 基于深度神經網絡的裂縫圖像智能判識
5.1 深度神經網絡概述
5.1.1 結構層數
5.1.2 典型結構形式
5.1.3 數據處理形式
5.2 特征挖掘與圖像分類
5.2.1 自動化的特征挖掘技術
5.2.2 裂縫圖像分類流程
5.3 裂縫圖像分類案例與評價指標
5.3.1 基礎設施裂縫圖像分類案例
5.3.2 分類模型評價指標簡述
5.4 技術演進與發展方向
5.4.1 遷移學習
5.4.2 小樣本學習(元學習)
5.4.3 無監督學習
5.5 卷積神經網絡從分類到目標檢測再到語義分割
5.6 本章小結
第6章 基于目標檢測網絡的裂縫區域智能定位
6.1 裂縫位置與現有工程劃分標準
6.1.1 裂縫產生位置與危害性簡述
6.1.2 現有工程劃分標準
6.2 深度目標檢測網絡概述
6.2.1 Two-stage目標檢測網絡
6.2.2 One-stage目標檢測網絡
6.3 裂縫區域智能定位案例
6.3.1 基于Two-stage目標檢測網絡的裂縫區域智能定位案例
6.3.2 基于One-stage目標檢測網絡的裂縫區域智能定位案例
6.4 評價指標與技術演進
6.4.1 目標檢測常見評價指標
6.4.2 技術演進
6.5 本章小結
第7章 基于語義分割網絡的裂縫特征智能表征述
7.1 裂縫形態特征與現有工程劃分標準
7.1.1 裂縫形態特征與危害性簡述
7.1.2 現有工程劃分標準
7.2 深度語義分割網絡概述和評價指標
7.2.1 CNN改造
7.2.2 Faster R-CNN改造
7.2.3 評價指標
7.3 像素表征與尺度量化
7.3.1 語義分割網絡在工程中表征處理案例
7.3.2 幾何尺度量化
7.4 語義分割網絡技術演進
7.4.1 實時高精度語義分割
7.4.2 弱監督語義分割
7.4.3 零樣本(Zero-Shot)語義分割
7.5 本章小結
第8章 數據驅動的基礎設施裂縫智能評估與維護決策
8.1 基礎設施裂縫狀態的評價標準
8.1.1 路面裂縫狀態的評價標準
8.1.2 橋梁裂縫狀態的評價標準
8.1.3 隧道裂縫狀態的評價標準
8.2 基礎設施裂縫狀態的分類與評估
8.2.1 交通基礎設施裂縫分類
8.2.2 交通基礎設施裂縫危險性評價
8.3 基礎設施裂縫管理與維護現狀
8.3.1 裂縫維護組織方式
8.3.2 現階段國內外裂縫維護模式
8.3.3 傳統裂縫管理方式存在的問題
8.3.4 傳統基礎設施維護方式存在的問題
8.4 基礎設施裂縫的智能管理體系
8.4.1 裂縫特征的精確刻畫
8.4.2 裂縫編碼系統的建立
8.4.3 基于BIM+GIS的裂縫數據可視化管理
8.5 基礎設施的智能維護與決策支持
8.5.1 主動安全保障模式的確立
8.5.2 基礎設施維
展開全部
基于機器視覺的交通運輸基礎設施裂縫檢維與管理 作者簡介
邱實，男，漢族，1985年生，重慶人，博士。2019年任中南大學土木工程學院特聘教授、研究生導師，F任中南大學軌道交通基礎設施智能監控研究中心常務副主任，美國交通運輸研究會國際學術合作委員會委員，美國交通運輸研究會地下空間委員會委員，歐盟交通運輸部基礎設施委員會專家，世界交通運輸大會學部委員會軌道交通土建技術學科“工務基礎設施智能運營與維護”技術委員會委員，國家鐵路局鐵路科技標準規劃專家庫專家。 長期致力于交叉融合計算機信息技術與傳統土木和交通工程，進行軌道交通基礎設施檢測監測與維護管理研究。具體包括利用圖像識別、深度學習等方法挖掘多源數據(如高精度二三維圖像或各類性能指標)，實現軌道交通基礎設施性能狀態的人工智能評價與預測；通過對設施衰變惡化全時空感知數據的挖掘和算法創新，輔助運營、維護和資產管理等決策，使基礎設施始終處于一個較好的服役狀態，為各類軌道交通安全、穩定、可靠的運行提供技術支持。主持和參與了多項國家自然科學基金，博士后基金，國鐵集團重點項目等***、省部級課題及美國聯邦政府、州政府基礎設施性能評價和管理項目。
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
我與地壇
- >
小考拉的故事-套裝共3冊
- >
【精裝繪本】畫給孩子的中國神話
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
煙與鏡
- >
回憶愛瑪儂
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
