申请/专利权人：东南大学

申请日：2022-02-28

公开（公告）日：2024-04-09

公开（公告）号：CN114612394B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06T17/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.06.28#实质审查的生效;2022.06.10#公开

摘要：本发明公开了一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，引入三维交并比概念，并将其应用于深度学习的训练中，包括以下步骤：步骤S1、构建多个梁的损伤模型和多个柱的损伤模型，构建位移云图样本库；步骤S2、构建一种新的经过优化的Yolo神经网络模型；步骤S3、基于步骤S2新的经过优化的Yolo神经网络模型，通过位移云图样本库训练新的经过优化的Yolo神经网络模型，其中损失函数考虑了三维交并比预测误差LossIoU的影响。步骤S4、利用步骤S3中通过位移云图样本库训练的优化的Yolo神经网络模型，识别出的混凝土内部损伤位置和深度，完成混凝土内部损伤的预测。本方法更准确、效率高、成本低。

主权项：1.一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，其特征在于，包括以下步骤：步骤S1、构建多个梁的损伤模型和多个柱的损伤模型，通过Python处理模型，获得已经损伤的混凝土梁和混凝土柱的表面位移云图，并设置表面位移云图的大小，根据调整过大小后的已经损伤的混凝土梁和混凝土柱的表面位移云图，构建位移云图样本库；步骤S2、在Darknet-19特征提取网络的基础上进行改进，引入三维交并比概念，并将其应用于深度学习的训练中，构建一种新的经过优化的Yolo神经网络模型；新的经过优化的Yolo神经网络模型中的损失函数中增加了三维交并比预测误差LossIoU的影响；步骤S3、基于步骤S2中新的经过优化的Yolo神经网络模型，通过位移云图样本库训练新的经过优化的Yolo神经网络模型；步骤S4、利用步骤S3中通过位移云图样本库训练的经过优化的Yolo神经网络模型，识别出的混凝土内部损伤位置和深度，完成混凝土内部损伤的预测；步骤S2中，新的经过优化的Yolo神经网络模型中的损失函数通过如下的方法构建：损失函数LOSS具体如下：Loss＝Lossxy+Losswh+Lossoc+Lossnoc+Lossc+Lossd+LossIoU其中，Lossxy为中心坐标预测误差，其中Losswh为宽高坐标预测误差，Lossoc为含物体边界框置信预测误差，Lossnoc为不含物体边界框的置信预测误差，Lossc为类别预测误差，Lossd为深度坐标预测误差，LossIoU为三维交并比预测误差； 其中，S2为网格的数量，B为预测框的数量，为参数，若第i个网络中第j个框负责待检测物体的预测，则取1；若第i个网络中第j个框不负责待检测物体的预测，则取0，IoU为交并比预测值，为交并比真实值。

全文数据：

权利要求：

百度查询： 东南大学 一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD