基于机器视觉的交通运输基础设施裂缝检维与管理
正版保障 假一赔十 可开发票
￥ 76.7 6.0折 ￥ 128 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者编者:邱实|责编:刘颖维
出版社中南大学出版社
ISBN9787548744979
出版时间2020-02
装帧平装
开本16开
定价128元
货号11307710
上书时间2024-06-22
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 交通运输基础设施裂缝检维现状概述
1.1 交通运输基础设施裂缝成因与危害概述
1.1.1 铁路无砟轨道结构裂缝成因及影响
1.1.2 桥梁结构裂缝成因及影响
1.1.3 公路路面裂缝成因及影响
1.1.4 隧道结构不同类型裂缝成因及影响
1.2 交通运输基础设施表面裂缝检维现状
1.2.1 裂缝检维与管理的目标与意义
1.2.2 裂缝检测系统的发展历程与现状
1.3 现有裂缝检测存在的问题与前瞻性技术
1.3.1 交通运输基础设施裂缝检测存在的问题
1.3.2 先进基础设施裂缝检测技术
1.3.3 交通运输基础设施检维技术未来发展方向
1.4 本章小结
第2章 基于机器视觉的基础设施表面图像采集系统
2.1 基于机器视觉的交通基础设施表面图像采集系统简述
2.1.1 搭载平台
2.1.2 图像传感器
2.1.3 照明端
2.1.4 定位端
2.2 基础设施各专业技术应用概况
2.2.1 铁路工程采集应用
2.2.2 桥梁日常采集应用
2.2.3 路面工程采集应用
2.2.4 隧道工程采集应用
2.3 机器视觉数据采集技术的演进与发展方向
2.3.1 多维化与多样化
2.3.2 规模化与规范化
2.3.3 实时化与智能化
2.4 本章小结
第3章 交通基础设施裂缝数据基本特征及预处理
3.1 交通基础设施裂缝图像数据概述
3.1.1 交通基础设施裂缝图像二维数据概述
3.1.2 交通基础设施裂缝图像三维数据概述
3.1.3 交通基础设施裂缝图像特征
3.2 交通基础设施裂缝图像数据预处理
3.2.1 裂缝图像质量影响因素
3.2.2 裂缝图像像素亮度变换
3.2.3 裂缝局部预处理
3.2.4 裂缝图像恢复
3.3 交通基础设施裂缝图像数据增强
3.4 本章小结
第4章 基于特征提取的基础设施裂缝诊断方法
4.1 启发式特征提取
4.1.1 边缘检测
4.1.2 阈值分割
4.1.3 区域生长
4.1.4 匹配滤波器
4.2 特征学习
4.2.1 有监督的机器学习算法
4.2.2 无监督的机器学习算法
4.3 工程应用和存在的问题
4.3.1 工程应用概述
4.3.2 裂缝诊断方法目前存在的问题
4.4 本章小结
第5章 基于深度神经网络的裂缝图像智能判识
5.1 深度神经网络概述
5.1.1 结构层数
5.1.2 典型结构形式
5.1.3 数据处理形式
5.2 特征挖掘与图像分类
5.2.1 自动化的特征挖掘技术
5.2.2 裂缝图像分类流程
5.3 裂缝图像分类案例与评价指标
5.3.1 基础设施裂缝图像分类案例
5.3.2 分类模型评价指标简述
5.4 技术演进与发展方向
5.4.1 迁移学习
5.4.2 小样本学习(元学习)
5.4.3 无监督学习
5.5 卷积神经网络从分类到目标检测再到语义分割
5.6 本章小结
第6章 基于目标检测网络的裂缝区域智能定位
6.1 裂缝位置与现有工程划分标准
6.1.1 裂缝产生位置与危害性简述
6.1.2 现有工程划分标准
6.2 深度目标检测网络概述
6.2.1 Two-stage目标检测网络
6.2.2 One-stage目标检测网络
6.3 裂缝区域智能定位案例
6.3.1 基于Two-stage目标检测网络的裂缝区域智能定位案例
6.3.2 基于One-stage目标检测网络的裂缝区域智能定位案例
6.4 评价指标与技术演进
6.4.1 目标检测常见评价指标
6.4.2 技术演进
6.5 本章小结
第7章 基于语义分割网络的裂缝特征智能表征述
7.1 裂缝形态特征与现有工程划分标准
7.1.1 裂缝形态特征与危害性简述
7.1.2 现有工程划分标准
7.2 深度语义分割网络概述和评价指标
7.2.1 CNN改造
7.2.2 Faster R-CNN改造
7.2.3 评价指标
7.3 像素表征与尺度量化
7.3.1 语义分割网络在工程中表征处理案例
7.3.2 几何尺度量化
7.4 语义分割网络技术演进
7.4.1 实时高精度语义分割
7.4.2 弱监督语义分割
7.4.3 零样本(Zero-Shot)语义分割
7.5 本章小结
第8章 数据驱动的基础设施裂缝智能评估与维护决策
8.1 基础设施裂缝状态的评价标准
8.1.1 路面裂缝状态的评价标准
8.1.2 桥梁裂缝状态的评价标准
8.1.3 隧道裂缝状态的评价标准
8.2 基础设施裂缝状态的分类与评估
8.2.1 交通基础设施裂缝分类
8.2.2 交通基础设施裂缝危险性评价
8.3 基础设施裂缝管理与维护现状
8.3.1 裂缝维护组织方式
8.3.2 现阶段国内外裂缝维护模式
8.3.3 传统裂缝管理方式存在的问题
8.3.4 传统基础设施维护方式存在的问题
8.4 基础设施裂缝的智能管理体系
8.4.1 裂缝特征的精确刻画
8.4.2 裂缝编码系统的建立
8.4.3 基于BIM+GIS的裂缝数据可视化管理
8.5 基础设施的智能维护与决策支持
8.5.1 主动安全保障模式的确立
8.5.2 基础设施维护优先级排序
8.5.3 基础设施智能维护决策的制定
8.5.4 基础设施智能运维案例
参考文献
精彩内容
本书全面、系统的分析了现阶段国内外在基础设施裂缝检测与维护管理中存在的问题，并且重点从数据采集、图像预处理、智能判识、发展状态预测和裂缝衰变状态智能评估与维护管理等方面深入地阐述和剖析了以深度学习为代表的人工智能技术在道路、铁路、桥梁等各专业交通基础设施裂缝智能检维的应用、面临的挑战和技术演进，并以此为基础指导和完善基础设施裂缝的智能管理和维护决策。特别是针对当前基础设施裂缝的智能检测、维护与管理等方面存在的组织结构不清晰、不合理，参与主体权责不明确等问题和运营维护管理单位的管理方案存在的“范围广而虚，操作难实施”等问题，设计了详细、可行的运营维护管理工作内容和相关标准、制度。应用现代大数据分析、云计算、物联网等信息技术，实现了数据挖掘从人工到智能的跨越，数据管理从归档整理到预测发展的跨越，运营管理计划从依靠人工传递到自动生成工作单的跨越，以提高基础设施裂缝的管理水平和工作效率。
— 没有更多了 —
以下为对购买帮助不大的评价