【技术实现步骤摘要】
本专利技术涉及基于深度学习的图像处理，具体涉及一种钢架桥螺栓识别模型训练方法、识别处理方法及系统。
技术介绍
1、在钢结构桥梁连接中，高强度螺栓连接因其强度高、耐久性好和现场施工简便等优点，已基本代替铆钉连接、销轴连接、焊接连接。而在钢结构桥梁长期服役过程中，环境侵蚀、循环荷载及强迫振动等作用会导致高强度螺栓连接出现松弛、锈蚀、缺失等现象。螺栓失效现象发现不及时，将严重影响桥梁的节点连接性能，降低承载能力，甚至引发重大的经济损失和灾难性的后果。因此及时准确的检测出钢结构桥梁螺栓的失效，对于保持桥梁整体结构稳定和维护人民的生命财产安全具有重要意义。
2、当前，钢桥运营期间所采用的高强度螺栓检测方法主要以人工现场检测为主。人工现场检测方法虽操作简单，但不能及时发现有问题的螺栓，时效性差，且检测人员需提前进行集中培训，所得出的检测结果主要取决于施检人员掌握的经验理论和主观认知，检测结果存在差异，且工作效率低。因此，当前传统的螺栓人工现场检测方法已经不适用于钢架桥中高强度螺栓长期、大批量的检测。
技术实现
本文档来自技高网...【技术保护点】
1.一种钢架桥螺栓识别模型训练方法，其特征在于，包括：
2.根据权利要求1所述的钢架桥螺栓识别模型训练方法，其特征在于，直接测量有效感受野和用于标签分配的gt区域之间的匹配度，消除恶化小目标检测的框先验或点先验，将每个特征点的有效感受野建模为高斯分布，包括：
3.根据权利要求2所述的钢架桥螺栓识别模型训练方法，其特征在于，标准卷积神经网络上第n层的理论感受野为：
4.根据权利要求2所述的钢架桥螺栓识别模型训练方法，其特征在于，获得高斯有效感受野后，测量特征点的有效感受野与某个gt之间的匹配度，阶跃变化的均匀分布不利于微小物体，需将g...
【技术特征摘要】
1.一种钢架桥螺栓识别模型训练方法，其特征在于，包括：
2.根据权利要求1所述的钢架桥螺栓识别模型训练方法，其特征在于，直接测量有效感受野和用于标签分配的gt区域之间的匹配度，消除恶化小目标检测的框先验或点先验，将每个特征点的有效感受野建模为高斯分布，包括：
3.根据权利要求2所述的钢架桥螺栓识别模型训练方法，其特征在于，标准卷积神经网络上第n层的理论感受野为：
4.根据权利要求2所述的钢架桥螺栓识别模型训练方法，其特征在于，获得高斯有效感受野后，测量特征点的有效感受野与某个gt之间的匹配度，阶跃变化的均匀分布不利于微小物体，需将gt建模为另一个分布，包括：由于对象的主体聚集在边界框的中心，将gt框建模为标准的2-d高斯分布，其中每个注释框的中心点用作高斯的平均向量，半边长的平方用作协方差矩阵。
5.根据权利要求4所述的钢架桥螺栓识别模型训练方法，其特征在于，有效感受野的范围的2-d高斯分...
【专利技术属性】
技术研发人员：王志鹏，郭力嘉，贾利民，秦勇，耿毅轩，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。