-
题名基于智慧管理系统的城市桥梁集群病害及巡检行为分析
被引量：2
- 1
-
-
作者
姚文凡
金晓龙
王亚飞
-
机构
桥梁结构健康与安全国家重点实验室
中铁大桥科学研究院有限公司
武汉城市公共设施运营发展有限公司
-
出处
《世界桥梁》
北大核心
2023年第1期115-121,共7页
-
文摘
为优化桥梁集群巡检策略,提高巡检工作效率,基于电子化巡检系统数据分析了城市桥梁病害及巡检行为的规律。基于某大型城市桥梁集群中322座桥梁的病害总体特征及主要病害,构建并验证平均每米病害数量可作为病害评价指标,采用该评价指标分析了养护类别、桥梁规模、建成年代、主梁类型等分类要素下各类桥梁的病害表现;结合巡检病害与巡检行为的关联性,统计了巡检队伍的重点巡检范围,分析其潜在原因,并对当前巡检行为给出优化建议。结果表明:桥面系病害在巡检中占比较高;养护类别较低桥梁、城市中小桥、老旧桥、板梁桥的日常巡检病害较多;桥梁病害数与年巡检天数有较大的关联,巡检队伍通常根据桥梁养护类别来制定巡检频次,且在执行中更倾向于桥上巡检工作。建议巡检队伍提高对完好状态较差、建成年代较久、规模为中小桥的桥梁巡检频次,并加强桥下构件的巡检工作。
-
关键词
城市桥梁
桥梁巡检
巡检行为
智慧管理系统
电子化巡检系统
病害统计
平均每米病害数量
巡检优化
-
Keywords
urban bridge
bridge inspection
patrol inspection behavior
intelligent management system
electric inspection system
deterioration statistics
average deterioration amount per meter
patrol inspection optimization
-
分类号
U448.15
[建筑科学—桥梁与隧道工程]
U445.71
[建筑科学—桥梁与隧道工程]
-
-
题名基于条件变分自编码器的井下配电室巡检行为检测
被引量：4
- 2
-
-
作者
党伟超
史云龙
白尚旺
高改梅
刘春霞
-
机构
太原科技大学计算机科学与技术学院
-
出处
《工矿自动化》
北大核心
2021年第12期98-105,共8页
-
基金
山西省自然科学基金项目(201901D111266,201901D111252)
太原科技大学博士科研启动基金项目(20202063)。
-
文摘
现有井下配电室巡检行为检测方法的研究重点在于视频动作的分类,但在实际应用中,对于端到端的视频检测任务,不仅需要识别巡检动作的类别,还需要预测巡检动作发生的开始时间和结束时间。且现有基于监督学习的研究方法训练网络时需要标注视频的每一帧,存在数据集制作繁琐、训练时间较长等问题,基于弱监督学习的研究方法也依赖视频分类模型,导致在没有视频帧级别标注的条件下很难区分动作帧和背景帧。针对以上问题,提出了一种基于条件变分自编码器的弱监督井下配电室巡检行为检测模型。该模型主要由判别注意力模型和生成注意力模型2个部分组成,将井下配电室巡检行为检测分为巡检动作的分类和定位2种任务。首先利用特征提取模型分别提取出井下配电室监控视频的RGB特征与光流特征;然后将获取到的RGB特征与光流特征输入注意力模块中进行训练,得到特征帧的注意力,通过判别注意力模型得到软分类,根据注意力的得分情况判断出动作帧和背景帧;最后对判别注意力模型的输出进行后处理,输出视频中包含巡检动作的时间区间、动作标签及置信度,即完成了巡检动作的分类及定位。为了提高定位任务的精度,加入基于条件变分自编码器的生成注意力模型,利用条件变分自编码器与解码器的生成对抗对视频的潜在特征进行学习。利用井下配电室监控视频,将巡检行为分为站立检测、下蹲检测、来回走动、站立记录和坐下记录,制作了巡检行为数据集进行实验,结果表明:基于条件变分自编码器的巡检行为检测模型可同时完成巡检行为分类和定位任务,在THUMOS14数据集上mAP@0.5达到17.0%,在自制的巡检行为数据集上mAP@0.5达到24.0%,满足井下配电室巡检行为检测要求。
-
关键词
煤矿供电
井下配电室
巡检行为检测
弱监督学习
巡检行为分类与定位
条件变分自编码器
判别注意力
生成注意力
-
Keywords
coal mine power supply
underground power distribution room
inspection behavior detection
weakly supervised learning
inspection behavior classification and positioning
conditional variational auto-encoder
discriminative attention
generative attention
-
分类号
TD611
[矿业工程—矿山机电]
-
-
题名基于改进双流法的井下配电室巡检行为识别
被引量：8
- 3
-
-
作者
党伟超
张泽杰
白尚旺
龚大力
吴喆峰
-
机构
太原科技大学计算机科学与技术学院
精英数智科技股份有限公司
-
出处
《工矿自动化》
北大核心
2020年第4期75-80,共6页
-
基金
“十二五”山西科技重大专项资助项目(20121101001)
山西省中科院科技合作资助项目(20141101001)
+1 种基金
山西省科技攻关资助项目(20141039)
山西省重点研发计划项目(201703D121042-1,201803D121048)。
-
文摘
井下配电室监控视频持续时间较长且行为类型复杂,传统双流卷积神经网络(CNN)法对此类行为识别效果较差.针对该问题,对双流CNN法进行改进,提出了一种基于改进双流法的井下配电室巡检行为识别方法.通过场景分析,将巡检行为分为站立检测、下蹲检测、走动、站立记录、坐下记录5种类型,并制作了巡检行为数据集IBDS5.将每个巡检行为视频等分为3个部分,分别对应巡检开始、巡检中和巡检结束;对3个部分视频分别随机采样,获取代表空间特征的RGB图像和代表运动特征的连续光流图像,并分别输入空间流网络和时间流网络进行特征提取;对2个网络的预测特征进行加权融合,获取巡检行为识别结果.实验结果表明,以Res Net152网络结构为基础,且权重比例为1∶2的空间流和时间流双流融合网络具有较高的识别准确度,Top-1准确度达到98.92%;本文方法在IBDS5数据集和公共数据集UCF101上的识别准确率均优于3D-CNN、传统双流CNN等现有方法.
-
关键词
井下配电室
巡检行为识别
双流卷积神经网络
视频分段
特征融合
-
Keywords
underground power distribution room
inspection behavior recognition
two-stream CNN
video segmentation
feature fusion
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名自动化巡检机器人训练辅助系统研究
- 4
-
-
作者
刘红卫
-
机构
唐山市滦河下游灌溉事务中心
-
出处
《信息记录材料》
2023年第7期102-104,107,共4页
-
文摘
随着巡检机器人的应用越来越普遍,更多工程及复杂环境要求对其巡检行为进行训练及辅助校正,通过观察探头位置与速度变化幅度大小来判断巡检行为是否熟练,根据计算得出的位置与速度的变化阈值来构建预警级别,从而得到巡检行为是否熟练的标准,再对其合理性进行分析、验证。得出沿巡检轨迹的变化和探头到金属管材的距离是区分熟练和非熟练行为的最佳标准,有助于巡检机器人报警和控制系统的后续开发。
-
关键词
巡检机器人
辅助训练
巡检行为
数据采集
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
