扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
基于机器视觉的交通运输基础设施裂缝检维与管理 版权信息
- ISBN：9787548744979
- 条形码：9787548744979 ; 978-7-5487-4497-9
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
基于机器视觉的交通运输基础设施裂缝检维与管理 内容简介
本书在总结我国基础设施发展现状和建设经营管理模式的基础上，对基础设施裂缝产生的成因与运维阶段存在的问题进行了详细的阐述，并从基础设施裂缝的图像数据采集、处理、特征分析、识别和评价等方面具体介绍了相关方案的技术特点和实践状态，是当今“新基建”助力“老基建”发展的实际案例。
基于机器视觉的交通运输基础设施裂缝检维与管理 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
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
展开全部
基于机器视觉的交通运输基础设施裂缝检维与管理 作者简介
邱实，男，汉族，1985年生，重庆人，博士。2019年任中南大学土木工程学院特聘教授、研究生导师。现任中南大学轨道交通基础设施智能监控研究中心常务副主任，美国交通运输研究会国际学术合作委员会委员，美国交通运输研究会地下空间委员会委员，欧盟交通运输部基础设施委员会专家，世界交通运输大会学部委员会轨道交通土建技术学科“工务基础设施智能运营与维护”技术委员会委员，国家铁路局铁路科技标准规划专家库专家。 长期致力于交叉融合计算机信息技术与传统土木和交通工程，进行轨道交通基础设施检测监测与维护管理研究。具体包括利用图像识别、深度学习等方法挖掘多源数据(如高精度二三维图像或各类性能指标)，实现轨道交通基础设施性能状态的人工智能评价与预测；通过对设施衰变恶化全时空感知数据的挖掘和算法创新，辅助运营、维护和资产管理等决策，使基础设施始终处于一个较好的服役状态，为各类轨道交通安全、稳定、可靠的运行提供技术支持。主持和参与了多项国家自然科学基金，博士后基金，国铁集团重点项目等***、省部级课题及美国联邦政府、州政府基础设施性能评价和管理项目。
书友推荐
- >
自卑与超越
自卑与超越
¥13.5¥39.8 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0 - >
二体千字文
二体千字文
¥14.0¥40.0 - >
我与地坛
我与地坛
¥15.4¥28.0 - >
诗经-先民的歌唱
诗经-先民的歌唱
¥18.7¥39.8 - >
朝闻道
朝闻道
¥13.8¥23.8 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥9.1¥24.0
本类畅销
-
中国高速公路建设实录
¥116¥400 -
上海高速公路建设实录
¥53.5¥150 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206 -
一句顶一万句 (印签版)
¥40.4¥68 -
百年书评史散论
¥14.9¥38
