利用深度学习的无人机影像快速发现推土区违法建设

无人机监测是城市违法用地和违法建设监管工作的重要手段,提高无人机影像处理效率,能够有效减轻违法建设监管工作压力。基于这一目的,本文构建了基于卷积神经网络的深度学习模型,针对城市违法建设中典型的推土区图斑进行了样本集构建和模型训练,并利用无人机正射影像进行了疑似违法建设区域的快速发现实验。实验结果表明,本文方法对于0.5 m分辨率的无人机影像数据发现率能够达到85%以上,目标发现率较高,能够为城市违法用地和违法建设监管工作提供支持。     

基于深度卷积网络的糖尿病并发症分类

本文针对现有糖尿病并发症分类研究以统计为主,缺乏有效数学模型的问题,提出了基于深度卷积神经网络的糖尿病并发症分类模型。首先进行数据预处理,将糖尿病数据进行降维和向量化;其次采用深度卷积神经网络对并发症进行分类,并与SVM、决策树、BP神经网络等经典方法进行了对比。实验结果表明,本文提出的基于深度卷积网络的糖尿病并发症分类模型准确性高于其它模型,能够为糖尿病并发症提供有效地辅助诊断。     

基于卷积神经网络的桥梁裂缝检测研究

为了实现桥梁裂缝自动化检测,将无人机技术与图像识别技术相结合,利用深度学习框架搭建卷积神经网络模型,识别无人机采集的桥梁外观图片,达到了精确检测桥梁裂缝的效果,具有一定实际应用价值。     

基于深度学习的公路施工宏观状态快速评估

高速公路是重要的基础建设项目，针对传统公路施工状态评估效率低下问题，本文提出一种基于深度学习的施工状态快速评估方法。选取高分辨率无人机影像进行实验，首先根据施工状态对目标进行标注与切分，制作深度学习数据集，输入DeepLabV3深度学习网络中进行训练，构建出施工状态分类模型，进而对研究区进行分类。两个研究区的实验证明，本文方法状态识别精度优于同类方法，基于本文方法能够实现公路施工宏观状态准确快速评估。     

周口市全面实施中心城区治理违法用地违法建设实施办法

为了维护中心城区城市建设和管理秩序,有效遏制和查处各类违法用地和违法建设,最近,周口市人民政府出台《周口市中心城区治理违法用地违法建设实施办法》,并全面进行实施。     

基于深度学习的外物入侵检测方法

本文提出了基于深度学习的外物入侵检测方法。首先,利用单目摄像头收集录像视频,其次,人工把视频转换成一帧一帧的图像,分为无外物入侵和有外物入侵两种,并标注。最后,将数据集放入构建的卷积神经网络模型中训练学习。在数据集充足的情况下,通过大量实验表明:基于卷积神经网络的外物入侵检测方法的准确率能够达到99%,相对于原始的帧差法和光流法。有了很大的提升。     

卷积神经网络在桥梁结构表面病害检测中的应用研究

计算机视觉检测方法在桥梁结构检测中的使用极大地提高了检测效率,该方法的核心是图像分析处理。研究了深度卷积神经网络在桥梁结构表面病害图像分类识别上的应用。根据桥梁各类病害的统计,将桥梁结构表面病害归纳为裂缝、锈蚀与缺损三大类。通过迁移学习技术,迁移训练AlexNet卷积神经网络,构建了桥梁结构表面病害自动识别模型。对比了5种训练集与验证集的组合,结果表明训练样本的不同组合对模型训练具有一定影响。在不同验证集上,模型的最高正确率为98.21%,模型训练较好。在模型实际应用中,三种病害图像的识别率分别为裂缝86%、锈蚀82%、缺损70%,具有较高的识别正确率,可用于桥梁结构表面病害的快速识别。     

卷积神经网络在结构损伤诊断中的应用

对卷积神经网络(CNN)在工程结构损伤诊断中的应用进行了深入探讨; 以多层框架结构节点损伤位置的识别问题为研究对象,构建了可以直接从结构动力反应信号中进行学习并完成分类诊断的基于原始信号和傅里叶频域信息的一维卷积神经网络模型和基于小波变换数据的二维卷积神经网络模型; 从输入数据样本类别、训练时间、预测准确率、浅层与深层卷积神经网络以及不同损伤程度的影响等多方面进行了研究。结果表明:卷积神经网络能从结构动力反应信息中有效提取结构的损伤特征,且具有很高的识别精度; 相比直接用加速度反应样本,使用傅里叶变换后的频域数据作为训练样本能使CNN的收敛速度更快、更稳定,并且深层CNN的性能要好于浅层CNN; 将卷积神经网络用于工程结构损伤诊断具有可行性,特别是在大数据处理和解决复杂问题能力方面与其他传统诊断方法相比有很大优势,应用前景广阔。     

U-net深度学习神经网络结合面向对象的城市森林高分影像信息提取

城市森林结构复杂、分布破碎,采用高分遥感数据,通过深度学习等智能机器学习算法精准监测提取城市森林信息,是城市森林资源智能监测管理的关键性基础环节。本文以杭州市余杭区部分城区WorldView-3高分卫星遥感影像为数据源,采用改进的U-net深度学习神经网络,并结合面向对象多尺度分割方法,研究城市森林智能精准提取。首先,通过大量的训练数据获得最佳模型参数;其次,使用U-net网络进行语义分割得到分类结果图;最后,结合面向对象最优分割修正深度学习城市森林提取结果,从而最终得到城市森林提取结果。研究表明,(1)基于改进的U-net深度学习神经网络得到的城市森林总体分类精度达90.50%,Kappa系数为0.886;(2)经面向对象分割对U-net深度学习神经网络结果中的"椒盐现象"及边界地物错分现象进行修正后,分类总精度提高到93.83%,Kappa系数提高到0.9295。因此,U-net网络模型结合面向对象方法可以有效地改善遥感目标识别及地物分类的效果,保证城市碎片化植被提取与植被区域边界的准确性,从而提高城市森林植被提取精度。     

基于深度神经网络的肺结节自动检测方案探讨

医疗影像AI是未来智能医疗发展的重要部分。因而基于深度神经网络的肺部结节自动检测方案研究是未来医疗影像AI的研究热点之一。本文分析现有的肺部结节自动检测方案及存在的问题,并提出一种基于深度神经网络的肺部结节自动检测的新的研究方案,即将传统方法与深度学习方法相结合,前期预处理部分采用传统方法进行,后期网络模型中采用改进的卷积神经网络方法 (将改进的VGGNet网络模型和改进的ResNet网络模型级联)。运用新的研究方案来提高检测准确率,对促进医疗的发展具有重要的意义。     

基于ANSYS的水平受载桩桩身受力性能的研究

基于ANSYS有限元软件,建立了钢筋混凝土管桩模型,对成层土中桩身处承受水平荷载的基桩受力性状进行了计算机数值模拟,通过对桩身位移和应力变化曲线的分析,得出了水平荷载下桩身位移和应力的变化规律。     

高架桥上BRT公交车火灾事故调查的思考

通过对一起高架桥上BRT公交车火灾事故的详细勘察和缜密调查,分析提出制定特殊火灾事故调查应急预案的重要性,探讨如何建立重大火灾事故多部门尤其是刑侦部门协作配合机制,以及从火灾事故调查中总结经验教训,提出改进措施和建议。     

浅析“辛以润之”

"辛以润之"是中药药性理论的重要组成部分,一方面,"辛润"是"辛散"功效作用于脾、肺、肾而依次派生出的功用变易,是天地阴阳、五行五脏之间紧密联系的体现;另一方面,对"辛润"的运用不该只局限于治疗"肾苦燥",而更应将其追溯到"发越脾气"与"从阳引阴"上去,以使其对临床用药的指导意义更加深刻、广泛;最后,对于药物性味的合理运用与理解应该与药味之间的相互配伍、中药归经理论结合起来,使其得以互相为体为用,从而更好地发挥功效。     

燃气表跳字分析

分析了燃气表滑阀与滑座、输出轴、计数器对产生跳字的影响,提出了解决方法。     

对混凝土裂缝自愈合的研究

阐述了混凝土裂缝产生的原因以及混凝土裂缝自愈合的机理,并对混凝土的自愈合技术进行了深入的研究,结合该领域存在的问题,对其在未来的发展进行了展望,以期为该问题的研究提供借鉴。     

浅析MVRDV的密度实践

对MVRDV 的理论进行了探索,指出MVRDV 建筑事务所热衷于研究城市空间扩张与自然空间发展的关系及城市空间和建筑本身的密度实践,并通过对MVRDV 案例的分析,论述了提高建筑密度的手法和优化城市空间的理念。     

同层分户排水刍议

住宅楼分户排水可基本杜绝以往管道穿楼板导致的"跑、冒、滴、漏"和随意往管道投垃圾而导致堵塞下层管道(尤其是底层排水横管)等弊病,有效解决卫生间"臭味"问题.     

高速公路拼宽施工技术探究

阐述了高速公路拼宽的方式及特点,并对其拼宽的环境条件进行了分析,探讨了在施工中应注意的事项及可采取的措施,以保证高速公路拼宽技术的顺利实施,满足日益增长的需求量。