CN116128380B - 一种桥梁健康监测方法、装置、电子设备及存储介质 - Google Patents
一种桥梁健康监测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116128380B CN116128380B CN202310388923.8A CN202310388923A CN116128380B CN 116128380 B CN116128380 B CN 116128380B CN 202310388923 A CN202310388923 A CN 202310388923A CN 116128380 B CN116128380 B CN 116128380B
- Authority
- CN
- China
- Prior art keywords
- bearing capacity
- fault
- determining
- bridge
- road section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 89
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000008859 change Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000013136 deep learning model Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/30—Adapting or protecting infrastructure or their operation in transportation, e.g. on roads, waterways or railways
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及数据监测技术领域,尤其是涉及一种桥梁健康监测方法、装置、电子设备及存储介质,方法包括获取待监测区域内的桥梁图像;识别桥梁图像中的故障特征,得到故障特征图像;基于故障特征图像确定故障特征的尺寸信息;根据故障特征的尺寸信息确定故障特征的尺寸信息对应的故障等级;当故障等级高于预设标准等级时,确定故障特征处的承载力影响值;基于承载力影响值确定故障特征处的实际承载力,并根据实际承载力是否低于预设标准承载力生成健康监测信息,预设标准承载力为桥梁内的平均车流量对应的承载力,健康监测信息用于表征待监测区域内的桥梁是否处于健康状态。
Description
技术领域
本申请涉及数据监测技术领域,尤其是涉及一种桥梁健康监测方法、装置、电子设备及存储介质。
背景技术
由于桥梁以及道路基础建筑的建造成本投入较高,建设面积较广,一旦发生自然灾害、结构老化或事故损坏,都可能会导致桥梁或道路基础建筑发生一些垮塌事故。
为了保证桥梁的安全稳定,一般会在桥梁投入使用后定期对桥梁的固定安全参数进行检测,例如桥墩承载力、桥梁位移等参数,通过对桥梁的固定安全参数进行检测以对桥梁的健康状态进行评估,但是除了固定安全参数之外,桥梁表面出现的裂缝也可能会影响桥梁的健康安全,相关技术中,一般通过对图像进行识别,并在识别出裂缝后安排相关工作人员对裂缝进行补休,但是由于桥梁每次检修可能会伴随长时间的交通拥堵,从而可能影响人们的正常出行,并且桥梁表面的一些裂缝可能不会影响桥梁的承载功能,因此根据图像识别判断桥梁是否需要检修时的准确性较低,现亟需一种检测准确度较高的对桥梁进行安全健康监测的方法。
发明内容
为了提高对桥梁进行健康监测时的准确性,本申请提供一种桥梁健康监测方法、装置、电子设备及存储介质。
第一方面,本申请提供一种桥梁健康监测方法,采用如下的技术方案:
一种桥梁健康监测方法,包括:
获取待监测区域内的桥梁图像;
识别所述桥梁图像中的故障特征,得到故障特征图像;
基于所述故障特征图像确定所述故障特征的尺寸信息,所述尺寸信息包括所述故障特征的长度、宽度;
根据故障特征的尺寸信息和尺寸信息与故障等级的对应关系,确定故障特征的尺寸信息对应的故障等级;
当所述故障等级高于预设标准等级时,根据故障特征的尺寸信息和尺寸信息与承载力影响值的对应关系,确定故障特征处的承载力影响值,所述承载力影响值为所述故障特征导致桥梁承载力发生的变化值;
基于所述承载力影响值确定所述故障特征处的实际承载力,并根据所述实际承载力是否低于预设标准承载力生成健康监测信息,所述预设标准承载力为所述桥梁内的平均车流量对应的承载力,所述健康监测信息用于表征所述待监测区域内的桥梁是否处于健康状态。
通过采用上述技术方案,通过对待监测区域内的桥梁表面出现的故障特征的尺寸信息进行确定,以对故障特征对应的故障等级进行确定,不同的尺寸信息对应的故障等级不同,当故障等级高于预设标准等级时,表征故障特征可能会对桥梁的承载力产生影响,此时通过故障特征的尺寸信息,对故障特征处可能导致桥梁的承载力发生变化的变化值进行确定,并监测出现该故障特征后桥梁能够继续承载平均车流量对应的负荷,而不是当识别到桥梁表面的裂缝后便直接对桥梁表面进行检修,通过增加对裂缝是否需要检修的判断条件,减少不必要的补休工作,从而便于降低因补休桥梁表面裂缝而造成交通拥堵的几率,通过将桥梁产生裂缝后对应的实际承载力与平均车流承载力进行对比,即对故障特征处的实际承载力是否符合待监测区域内桥梁的正常通行需求进行判断,以便于提高对桥梁进行安全健康监测时的准确性,并且通过生成的健康检测信息便于相关人员及时对待监测区域内桥梁的健康状态进行查看和分析。
在一种可能实现的方式中,所述基于所述故障特征图像确定所述故障特征的尺寸信息,包括:
将所述故障特征图像进行灰度值处理,得到灰度图像;
将所述灰度图像导入训练好的深度学习模型中,得到所述灰度图像中的故障特征识别框;
根据所述故障特征识别框,确定所述故障特征的尺寸信息。
通过采用上述技术方案,通过对故障特征图像进行灰度值处理,通过简化故障特征图像中的色彩,从而便于提高确定故障特征尺寸信息时的准确性,并通过深度学习后对灰度图像中的故障特征的尺寸信息进行确定的,而不是直接对灰度图像中故障特征的尺寸信息进行确定,通过深度学习便于提高确定故障特征的尺寸信息时的准确性。
在一种可能实现的方式中,所述根据故障特征的尺寸信息和尺寸信息与故障等级的对应关系,确定故障特征的尺寸信息对应的故障等级,之后还包括:
获取待监测区域内的桥梁侧面图像信息;
从所述桥梁侧面图像信息中识别桥梁墩身与所述故障特征的位置信息,并根据所述桥梁墩身与所述故障特征的位置信息,确定所述桥梁墩身与所述故障特征位的间隔距离;
当所述间隔距离低于预设标准距离时,调整所述故障特征对应的故障等级。
通过采用上述技术方案,通过对故障特征与桥梁墩身之间的间隔距离对故障特征处的故障等级进行调整,而不是将桥梁中任意位置处出现的裂缝按照同一标准确定对应的故障等级,由于桥梁中各部分的承载力不同,越接近桥梁墩身的位置对应的承载力越高,因此通过故障特征处与桥梁墩身之间的间隔距离对故障特征处对应的故障等级进行确定,便于提高确定故障等级时的准确性。
在一种可能实现的方式中,该方法还包括:
当检测到预设路段内存在多个故障特征时,获取每一故障特征处各自对应的实际承载力;
根据每一故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力;
根据所述最终承载力与所述预设路段内对应的平均承载力,生成所述预设路段的健康监测信息。
通过采用上述技术方案,当预设路段内的存在多个故障特征时,每一故障特征的尺寸信息可能不同,对应的每一故障特征处的承载力影响值也不同,因此通过预设路段内的多个故障特征处各自对应的实际承载力对预设路段内是否存在安全隐患进行判断,而不是根据其中一个故障特征的尺寸信息对预设路段内的安全隐患进行确定,通过预设路段内的多个故障特征处的实际承载力共同确定预设路段内的健康状态,便于提升确定预设路段内健康状态的准确性。
在一种可能实现的方式中,该方法还包括:
获取预设路段的图像信息;
若预设路段内存在多个故障特征,则根据所述预设路段的图像信息判断相邻故障特征之间是否存在分岔路;
若存在分岔路,则获取车辆行驶方向,并根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力。
通过采用上述技术方案,由于车辆在桥梁行驶过程中可能会存在分叉路,车辆可能从桥梁行驶至分岔路中,也可能会从分岔路中行驶入桥梁中,因此桥梁所受到的承载力可能会发生变化,通过对故障特征之间是否存在分叉路确定预设路段对应的最终承载力,便于提高确定最终承载力时的准确性。
在一种可能实现的方式中,所述根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力,之前还包括:
获取分岔路的车辆行驶信息,并根据所述分岔路的车辆行驶信息确定所述分岔路的平均承载力;
其中,所述根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力,包括:
根据车辆行驶方向,将所述相邻故障特征确定为第一故障特征和第二故障特征;
将所述第一故障特征对应的第一实际承载力与所述第二故障特征对应的第二实际承载力进行比较,当所述第一实际承载力高于所述第二实际承载力时,获取所述第一实际承载力与所述第二实际承载力对应的承载力差值;
将所述平均承载力与所述承载力差值比较,当所述平均承载力高于所述承载力差值时,将所述第一实际承载力确定为所述预设路段对应的最终承载力;
当所述平均承载力不高于所述承载力差值时,将所述第二实际承载力确定为所述预设路段对应的最终承载力。
通过采用上述技术方案,通过预设路段内车辆行驶方向,以及分岔路对应的平均承载力,将预设路段中不同故障特征处的实际承载力进行分析,以对经过分岔路将桥梁中的行驶车辆分流后,预设路段的最终承载力进行确定,而不是忽略分岔路对桥梁预设路段内的最终承载力造成的影响,便于提升确定预设路段对应的最终承载力的准确性。
在一种可能实现的方式中,确定预设路段内的平均承载力的方式,包括:
统计预设时间段内,所述预设路段的车辆行驶信息,所述车辆行驶信息包括车辆类型和车辆荷载,
根据所述车辆行驶信息确定所述预设路段的平均承载力;
或,
获取预设时间段内,所述预设路段内的传感数据信息,根据所述传感数据信息确定所述预设路段内的平均承载力。
通过采用上述技术方案,一方面通过车辆类型确定每一车辆的标准荷载,再根据每一车辆的标准荷载确定预设路段中的平均承载力,即使车辆在实际行驶过程中未达到标准荷载,仍按照标准荷载进行计算,通过提高平均承载力,便于提高桥梁的安全标准,从而便于降低车辆行驶过程中出现桥梁坍塌的几率;另一方面,通过传感器测量的传感数据信息,对预设路段内的平均承载力进行确定,便于提高确定平均承载力的准确性。
第二方面,本申请提供一种桥梁健康监测装置,采用如下的技术方案:
一种桥梁健康监测装置,包括:
获取桥梁图像模块,用于获取待监测区域内的桥梁图像;
识别故障特征模块,用于识别所述桥梁图像中的故障特征,得到故障特征图像;
确定尺寸信息模块,用于基于所述故障特征图像确定所述故障特征的尺寸信息,所述尺寸信息包括所述故障特征的长度、宽度;
确定故障等级模块,用于根据故障特征的尺寸信息和尺寸信息与故障等级的对应关系,确定故障特征的尺寸信息对应的故障等级;
确定承载力影响值模块,用于当所述故障等级高于预设标准等级时,根据故障特征的尺寸信息和尺寸信息与承载力影响值的对应关系,确定故障特征处的承载力影响值,所述承载力影响值为所述故障特征导致桥梁承载力发生的变化值;
生成健康监测信息模块,用于基于所述承载力影响值确定所述故障特征处的实际承载力,并根据所述实际承载力是否低于预设标准承载力生成健康监测信息,所述预设标准承载力为所述桥梁内的平均车流量对应的承载力,所述健康监测信息用于表征所述待监测区域内的桥梁是否处于健康状态。
通过采用上述技术方案,通过对待监测区域内的桥梁表面出现的故障特征的尺寸信息进行确定,以对故障特征对应的故障等级进行确定,不同的尺寸信息对应的故障等级不同,当故障等级高于预设标准等级时,表征故障特征可能会对桥梁的承载力产生影响,此时通过故障特征的尺寸信息,对故障特征处可能导致桥梁的承载力发生变化的变化值进行确定,并监测出现该故障特征后桥梁能够继续承载平均车流量对应的负荷,而不是当识别到桥梁表面的裂缝后便直接对桥梁表面进行检修,通过增加对裂缝是否需要检修的判断条件,减少不必要的补休工作,从而便于降低因补休桥梁表面裂缝而造成交通拥堵的几率,通过将桥梁产生裂缝后对应的实际承载力与平均车流承载力进行对比,即对故障特征处的实际承载力是否符合待监测区域内桥梁的正常通行需求进行判断,以便于提高对桥梁进行安全健康监测时的准确性,并且通过生成的健康检测信息便于相关人员及时对待监测区域内桥梁的健康状态进行查看和分析。
在一种可能实现的方式中,确定尺寸信息模块在基于所述故障特征图像确定所述故障特征的尺寸信息,包括:
将所述故障特征图像进行灰度值处理,得到灰度图像;
将所述灰度图像导入训练好的深度学习模型中,得到所述灰度图像中的故障特征识别框;
根据所述故障特征识别框,确定所述故障特征的尺寸信息。
在一种可能实现的方式中,该装置还包括:
获取侧面图像模块,用于获取待监测区域内的桥梁侧面图像信息;
确定间隔距离模块,用于从所述桥梁侧面图像信息中识别桥梁墩身与所述故障特征的位置信息,并根据所述桥梁墩身与所述故障特征的位置信息,确定所述桥梁墩身与所述故障特征位的间隔距离;
调整故障等级模块,用于当所述间隔距离低于预设标准距离时,调整所述故障特征对应的故障等级。
在一种可能实现的方式中,该装置还包括:
获取实际承载力模块,用于当检测到预设路段内存在多个故障特征时,获取每一故障特征处各自对应的实际承载力;
确定最终承载力模块,用于根据每一故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力;
生成预设路段健康信息模块,用于根据所述最终承载力与所述预设路段内对应的平均承载力,生成所述预设路段的健康监测信息。
在一种可能实现的方式中,该装置还包括:
获取预设路段图像模块,用于获取预设路段的图像信息;
分岔路判断模块,用于若预设路段内存在多个故障特征,则根据所述预设路段的图像信息判断相邻故障特征之间是否存在分岔路;
确定最终承载力模块,用于若存在分岔路,则获取车辆行驶方向,并根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力。
在一种可能实现的方式中,该装置还包括:
确定平均承载力模块,用于获取分岔路的车辆行驶信息,并根据所述分岔路的车辆行驶信息确定所述分岔路的平均承载力;
确定最终承载力模块在根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力时,具体用于:
根据车辆行驶方向,将所述相邻故障特征确定为第一故障特征和第二故障特征;
将所述第一故障特征对应的第一实际承载力与所述第二故障特征对应的第二实际承载力进行比较,当所述第一实际承载力高于所述第二实际承载力时,获取所述第一实际承载力与所述第二实际承载力对应的承载力差值;
将所述平均承载力与所述承载力差值比较,当所述平均承载力高于所述承载力差值时,将所述第一实际承载力确定为所述预设路段对应的最终承载力;
当所述平均承载力不高于所述承载力差值时,将所述第二实际承载力确定为所述预设路段对应的最终承载力。
在一种可能实现的方式中,该装置还包括:
第一确定平均承载力模块,用于统计预设时间段内,所述预设路段的车辆行驶信息,所述车辆行驶信息包括车辆类型和车辆荷载,根据所述车辆行驶信息确定所述预设路段的平均承载力;
或,
第二确定平均承载力模块,用于获取预设时间段内,所述预设路段内的传感数据信息,根据所述传感数据信息确定所述预设路段内的平均承载力。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述桥梁健康监测的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述桥梁健康监测方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
通过对待监测区域内的桥梁表面出现的故障特征的尺寸信息进行确定,以对故障特征对应的故障等级进行确定,不同的尺寸信息对应的故障等级不同,当故障等级高于预设标准等级时,表征故障特征可能会对桥梁的承载力产生影响,此时通过故障特征的尺寸信息,对故障特征处可能导致桥梁的承载力发生变化的变化值进行确定,并监测出现该故障特征后桥梁能够继续承载平均车流量对应的负荷,而不是当识别到桥梁表面的裂缝后便直接对桥梁表面进行检修,通过增加对裂缝是否需要检修的判断条件,减少不必要的补休工作,从而便于降低因补休桥梁表面裂缝而造成交通拥堵的几率,通过将桥梁产生裂缝后对应的实际承载力与平均车流承载力进行对比,即对故障特征处的实际承载力是否符合待监测区域内桥梁的正常通行需求进行判断,以便于提高对桥梁进行安全健康监测时的准确性,并且通过生成的健康检测信息便于相关人员及时对待监测区域内桥梁的健康状态进行查看和分析。
当预设路段内的存在多个故障特征时,每一故障特征的尺寸信息可能不同,对应的每一故障特征处的承载力影响值也不同,因此通过预设路段内的多个故障特征处各自对应的实际承载力对预设路段内是否存在安全隐患进行判断,而不是根据其中一个故障特征的尺寸信息对预设路段内的安全隐患进行确定,通过预设路段内的多个故障特征处的实际承载力共同确定预设路段内的健康状态,便于提升确定预设路段内健康状态的准确性。
附图说明
图1是本申请实施例中一种桥梁健康监测方法的流程示意图;
图2是本申请实施例中一种故障特征示意图;
图3是本申请实施例中一种故障间距示意图;
图4是本申请实施例中一种分岔路示意图;
图5是本申请实施例中一种桥梁健康监测装置的结构示意图;
图6是本申请实施例中一种电子设备的结构示意图。
具体实施方式
以下结合附图1-6对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
桥梁表面出现的裂缝可能会影响桥梁的健康安全,但是由于桥梁每次检修可能会伴随长时间的交通拥堵,因此若在每次监测到桥梁表面出现裂缝后便对裂缝进行修补,可能会影响人们的正常出行,并且桥梁中出现的一些裂缝可能不会对桥梁的承载力造成影响,因此根据图像识别判断桥梁是否需要检修时的准确性较低。
本申请实施例提供了一种桥梁健康监测方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制。
参考图1,图1是本申请实施例中一种桥梁健康监测方法的流程示意图,该方法包括步骤S110、步骤S120、步骤S130、步骤S140、步骤S150及步骤S160,其中:
步骤S110:获取待监测区域内的桥梁图像。
具体的,待检测区域内的桥梁图像可由设置于待检测区域内的图像采集设备进行采集,并上传至电子设备,由于桥梁建筑一般拥有较长的里程,因此可通过将完整的桥梁建筑划分为多个区域,通过对每一区域内对应桥梁的健康安全进行监测,以对完整的桥梁建筑的健康安全进行监测。
步骤S120:识别桥梁图像中的故障特征,得到故障特征图像。
具体的,识别桥梁图像中的故障特征时,可通过将桥梁图像导入训练好的故障特征识别模型中进行识别,其中故障特征可以为坑洞、裂缝等。故障特征识别模型的训练过程包括:获取大量样本图像,大量样本图像中包括多种故障特征,并且每一样本图像均有对应的人工标注,通过每一样本图像对应的人工标注便于对样本图像中包含的故障特征进行确定,通过将大量样本图像导入故障特征识别模型中,得到每一样本图像对应的识别结果,并将识别结果与每一样本图像的人工标注进行相似度对比,当相似度高于预设标准相似度时,得到训练好的故障特征识别模型。故障特征图像为对故障特征进行标记的桥梁图像。
步骤S130:基于故障特征图像确定故障特征的尺寸信息,尺寸信息包括故障特征的长度、宽度。
具体的,将故障特征图像导入预先建立好的坐标系中,确定故障特征的边界点信息,根据边界点信息确定故障特征在预先建立好的坐标系对应的长度以及宽度,再根据预习建立好的坐标系与实际桥梁的比例关系,确定故障特征在桥梁中的长度和宽度,当故障特征的边界点信息对应的边缘为曲线时,将整个故障特征的边界点信息中最远的两个边界点之间的距离确定为该故障特征的长度,连接两个最远的边界点构成目标线段,延目标线段的垂直方向确定另外两个最远的边界点之间的距离,并将另外两个最远的边界点之间的距离确定为宽度。如图2所示,图2为本申请实施例中一种故障特征示意图,在确定故障特征的尺寸信息时,根据故障特征的边界点信息,确定距离最远的两个边界点为边界点a和边界点b,连接边界点a和边界点b得到线段ab,将线段ab的长度确定为故障特征的长度,确定线段ab的垂直方向,并根据故障特征的边界点信息确定延ab垂直方向距离最远的两个边界点为边界点b和边界点c,连接边界点b和边界点c得到线段bc,将线段bc的长度确定为故障特征的宽度。
步骤S140:根据故障特征的尺寸信息和尺寸信息与故障等级的对应关系,确定故障特征的尺寸信息对应的故障等级。
具体的,根据故障特征的尺寸信息确定故障特征对应的故障等级时,不同规模的桥梁建筑对应的标准不同,例如宽度为10米的桥梁中,长度小于1米,宽度小于0.2米的故障特征对应的故障等级为一级故障等级;长度为1米至3米,宽度为0.2米至1米之间的故障特征的故障等级为二级故障等级;长度大于3米,宽度大于1米的故障特征对应的故障等级为三级故障等级。但是,在宽度为50米的桥梁中,长度小于5米,宽度小于1米的故障特征对应的故障等级为一级故障等级;长度为5米至15米,宽度为1米至5米之间的故障特征的故障等级为二级故障等级;长度大于15米,宽度大于5米的故障特征对应的故障等级为三级故障等级。电子设备中存储有不同规模的桥梁建筑对应的尺寸信息与故障等级的对应关系,相关技术人员能够能够根据实际需求从电子设备中进行选择和确定,并依据确定出的桥梁规模所对应的尺寸信息与故障等级的对应关系对待监测桥梁进行监测,其中,尺寸信息与故障等级的对应关系可由历史测量数据得到,也可由实验数据得到,确定尺寸信息与故障等级的对应关系的方式在本申请实施例中不做具体限定,只要能够得到不同规模的桥梁建筑对应的尺寸信息与故障等级的对应关系即可,另外,不同规模的桥梁建筑对应的尺寸信息与故障等级的对应关系还可由相关技术人员进行输入,在本申请实施例中不做具体限定。
步骤S150:当故障等级高于预设标准等级时,根据故障特征的尺寸信息和尺寸信息与承载力影响值的对应关系,确定故障特征处的承载力影响值,承载力影响值为故障特征导致桥梁承载力发生的变化值。
具体的,由于桥梁表面出现的裂缝、坑洞等故障特征,可能会影响桥梁的实际承载力,也可能不会影响桥梁的实际承载力,因此根据故障特征的尺寸信息确定出故障特征的故障等级后,对故障等级是否高于预设标准等级进行判断,即对故障特征是否会对桥梁的实际承载力产生影响进行判断,其中预设标准等级对应的故障特征的尺寸范围内不会对桥梁的实际承载力造成影响,预设标准等级可以根据实际需求进行确定,在本申请实施例中不做具体限定。
故障特征的尺寸信息不同,对应的故障等级也不同,每一故障等级对应一个承载力影响值,例如,针对某桥梁而言,桥梁表面未出现故障特征时桥梁的承载力为5吨,当桥梁表面的故障特征的长度在0.5米-1米之间,故障特征的宽度在0.2米-0.5米之间时,故障特征处对应的承载力影响值为0.5吨。承载力影响值为桥梁表面出现故障前后承载力发生的变化值,电子设备中存储有不同规模的桥梁建筑对应的故障等级与承载力影响值的对应关系,即,故障特征的尺寸信息与承载力影响值的对应关系,相关技术人员能够根据实际需求从电子设备中进行选择和确定。由于故障等级与故障特征的尺寸信息确定,因此确定故障等级对应的承载力影响值,即确定故障特征的尺寸信息对应的承载力影响值,其中,故障特征的尺寸信息与承载力影响值的对应关系可根据历史测量数据或实验数据得到,确定故障特征的尺寸信息与承载力影响值的对应关系的方式在本申请实施例中不做具体限定,只要能够得到不同规模的桥梁建筑对应故障特征的尺寸信息与承载力影响值的对应关系即可,另外,不同规模的桥梁建筑对应的尺寸信息与承载力影响值的对应关系还可由相关技术人员进行输入,在本申请实施例中不做具体限定。
步骤S160:基于承载力影响值确定故障特征处的实际承载力,并根据实际承载力是否低于预设标准承载力生成健康监测信息,预设标准承载力为桥梁内的平均车流量对应的承载力,健康监测信息用于表征待监测区域内的桥梁是否处于健康状态。
具体的,桥梁对应的基准承载力为桥梁建造完毕后桥梁所对应的承载力,例如,针对某桥梁而言,桥梁表面未出现故障特征时桥梁的承载力,即基准承载力为5吨,根据故障特征确定出的承载力影响值为0.5吨,此时根据基准承载力-承载力影响值=5-0.5=4.5,计算出故障特征处的实际承载力为4.5吨。预设标准承载力为行驶该桥梁时通行车辆的平均荷载,当实际承载力低于预设标准承载力时,表征故障特征处桥梁对应的健康状态确定为异常状态;当实际承载力不低于预设承载力时,表征故障特征处桥梁对应的健康状态确定为非异常状态。通过健康监测信息便于相关工作人员对桥梁的健康状态进行查看和分析。
对于本申请实施例,通过对待监测区域内的桥梁表面出现的故障特征的尺寸信息进行确定,以对故障特征对应的故障等级进行确定,不同的尺寸信息对应的故障等级不同,当故障等级高于预设标准等级时,表征故障特征可能会对桥梁的承载力产生影响,此时通过故障特征的尺寸信息,对故障特征处可能导致桥梁的承载力发生变化的变化值进行确定,并监测出现该故障特征后桥梁能够继续承载平均车流量对应的负荷,而不是当识别到桥梁表面的裂缝后便直接对桥梁表面进行检修,通过增加对裂缝是否需要检修的判断条件,减少不必要的补休工作,从而便于降低因补休桥梁表面裂缝而造成交通拥堵的几率,通过将桥梁产生裂缝后对应的实际承载力与平均车流承载力进行对比,即对故障特征处的实际承载力是否符合待监测区域内桥梁的正常通行需求进行判断,以便于提高对桥梁进行安全健康监测时的准确性,并且通过生成的健康检测信息便于相关人员及时对待监测区域内桥梁的健康状态进行查看和分析。
为了提升确定故障特征尺寸信息时的准确性,步骤S130中基于故障特征图像确定故障特征的尺寸信息,具体可以包括步骤S1301(附图未示出)、步骤S1302(附图未示出)及步骤S1303(附图未示出),其中:
步骤S1301:将故障特征图像进行灰度值处理,得到灰度图像。
具体的,对故障特征图像进行灰度处理时通过灰度处理算法将彩色图像转换为灰度图像,基于每个故障特征图像中每一像素点R,G,B三个分量的取值,计算各个像素点的灰度值,得到灰度图像。相较于彩色图像而言,灰度图像占内存更小,运行速度更快,对故障特征图像进行灰度处理后,便于在视觉上增加故障特征区域与非故障特征区域的对比,从而便于从故障特征图像中突出故障特征区域。
步骤S1302:将灰度图像导入训练好的深度学习模型中,得到灰度图像中的故障特征识别框。
步骤S1303:根据故障特征识别框,确定故障特征的尺寸信息。
具体的,通过深度学习模型能够对灰度图像中的故障特征进行识别,并能够将故障特征的边界框进行确定,即能够对故障特征的识别框进行确定,其中深度学习模型包括利用深度学习技术找出灰度图像中故障特征的大***置和形状,再利用图像处理技术对识别出的故障特征进行细操作得到故障特征识别框,其中,细化操作包括腐蚀、骨架提取以及填充等。故障特征识别框为故障特征的边界信息,通过故障特征的边界信息便于对故障特征的尺寸进行确定,具体的根据故障特征的边界信息确定故障特征的尺寸的方式可参考上述步骤S130部分实施例,在此不做赘述。对于本申请实施例,通过对故障特征图像进行灰度值处理,通过简化故障特征图像中的色彩,从而便于提高确定故障特征尺寸信息时的准确性,并通过深度学习后对灰度图像中的故障特征的尺寸信息进行确定的,而不是直接对灰度图像中故障特征的尺寸信息进行确定,通过深度学习便于提高确定故障特征的尺寸信息时的准确性。
进一步地,为了提升确定故障等级时的准确性,本申请实施例中,还包括步骤Sa1(附图未示出)、步骤Sa2(附图未示出)及步骤Sa3(附图未示出),其中:
步骤Sa1:获取待监测区域内的桥梁侧面图像信息。
具体的,待监测区域内的桥梁侧面图像信息由设置于桥梁侧面的图像采集设备进行采集,并上传至电子设备处,图像采集设备在桥梁侧面的具体设置在本申请实施例中不做具体限定,只要能够将包含有桥梁侧面的图像信息进行采集即可。
步骤Sa2:从桥梁侧面图像信息中识别桥梁墩身与故障特征的位置信息,并根据桥梁墩身与故障特征的位置信息,确定桥梁墩身与故障特征位的间隔距离。
具体的,从桥梁侧面图像信息中对桥梁墩身进行识别,并将识别到的桥梁墩身进行标记,通过将识别到的桥梁墩身与故障特征导入预先建立好的坐标系中,得到故障特征的边缘点坐标信息和桥梁墩身的边缘点坐标信息。计算故障特征与桥梁墩身之间的间隔距离时,可从故障特征对应的边缘点信息中确定故障特征对应的中心点坐标,从桥梁墩身的边缘点坐标信息中确定桥梁墩身对应的中心点坐标,通过两个中心点坐标之间的距离,计算故障特征与桥梁墩身之间的间隔距离。
步骤Sa3:当间隔距离低于预设标准距离时,调整故障特征对应的故障等级。
具体的,预设标准距离可由用户输入,当间隔距离低于预设标准距离时,根据距离差值确定等级调整值,根据等级调整值将故障特征处对应的故障等级进行调整,由于桥梁墩身处的承载力最高,因此与桥梁墩身之间的间隔距离越远对应桥梁对应的承载力越低,此时若监测到桥梁表面出现故障特征时,故障特征处对应的故障等级可能会更高。例如某故障特征处的故障等级为二级故障,根据距离差值确定出某故障特征处对应的等级调整值为一级,此时某故障特征处对应的故障等级为三级故障。电子设备中存储有不同规模的桥梁建筑对应的间隔距离与故障调整等级的对应关系,相关技术人员能够能够根据实际需求从电子设备中进行选择和确定,并依据确定出的桥梁规模所对应的间隔距离与故障调整等级的对应关系对待监测桥梁进行监测,其中,间隔距离与故障调整等级的对应关系可由历史测量数据得到,也可由实验数据得到,确定间隔距离与故障调整等级的对应关系的方式在本申请实施例中不做具体限定,只要能够得到不同规模的桥梁建筑对应的间隔距离与故障调整等级的对应关系即可,其中,间隔距离与故障调整等级的对应关系还可由相关技术人员输入,在本申请实施例中不做具体限定。
如图3所示,图3为本申请实施例中一种故障间距示意图,图3中a处为故障特征,b和c均为与故障特征相邻的桥梁墩身,确定故障特征a分别与桥梁墩身b和桥梁墩身c之间的路径距离,将路径距离最短的桥梁墩身确定为故障特征a对应的目标桥梁墩身,再根据故障特征a与目标桥梁墩身之间的间隔距离确定故障特征a处对应的故障调整等级,例如,故障特征a与桥梁墩身b之间的路径距离为5米,故障特征a与桥梁墩身c之间的路径距离为8米,因此将桥梁墩身c确定为目标桥梁墩身,再根据故障特征a与桥梁墩身b之间5米的路径距离确定故障特征a处对应的故障调整等级。
对于本申请实施例,通过对故障特征与桥梁墩身之间的间隔距离对故障特征处的故障等级进行调整,而不是将桥梁中任意位置处出现的裂缝按照同一标准确定对应的故障等级,由于桥梁中各部分的承载力不同,越接近桥梁墩身的位置对应的承载力越高,因此通过故障特征处与桥梁墩身之间的间隔距离对故障特征处对应的故障等级进行确定,便于提高确定故障等级时的准确性。
为了提升确定预设路段内健康状态的准确性,本申请实施例中提供的一种桥梁健康检测方法,还包括步骤Sb1(附图未示出)、步骤Sb2(附图未示出)、及步骤Sb3(附图未示出),其中:
步骤Sb1:当检测到预设路段内存在多个故障特征时,获取每一故障特征处各自对应的实际承载力。
具体的,预设路段为包含有预设数量的桥梁墩身对应的路段,当预设路段内不同位置处的桥梁出现故障时,会对预设路段中其他位置造成影响,预设数量可根据历史试验数据进行确定,在历史实验中可对桥梁中某一位置施加振动力,并采用振动力检测装置对桥梁中其他部位进行监测,直至检测到的数据为0,记录检测区域内桥梁墩身的数量。
步骤Sb2:根据每一故障特征处各自对应的实际承载力,确定所预设路段对应的最终承载力。
具体的,当预设路段内存在多个故障特征,并且每一故障特征不同时,将多个故障特征处各自对应的实际承载力进行比较,确定出最低实际承载力,并将最低实际承载力确定为预设路段对应的最终承载力,例如,预设路段中存在3处故障特征,分别为故障特征a1、故障特征a2以及故障特征a3,其中故障特征a1处的实际承载力为4.8吨,故障特征a2处的实际承载力为4.5吨,故障特征a3处的实际承载力为5吨,将故障特征a1、故障特征a2以及故障特征a3各自对应的实际承载力进行对比,确定出最低实际承载力为4.5吨,此时确定预设路段对应的最终承载力为4.5吨。
步骤Sb3:根据最终承载力与预设路段内对应的平均承载力,生成预设路段的健康监测信息。
具体的,平均承载力为预设路段内平均车流量对应的实际车辆对应的平均承载力,当最终承载力低于预设路段内对应的实际承载力时,确定预设路段内桥梁的健康状态为异常状态;当最终承载力不低于预设路段内对应的实际承载力时,确定预设路段内桥梁的健康状态为非异常转态,根据生成的健康监测信息便于相关工作人员对预设路段内桥梁的健康状态进行分析和查看。
其中,确定预设路段内的平均承载力的方式包括:
方式一:统计预设时间段内,预设路段的车辆行驶信息,车辆行驶信息包括车辆类型和车辆荷载;
根据车辆行驶信息确定预设路段的平均承载力。
具体的,车辆类型可通过设置于预设路段内的图像采集设备进行识别,不同车辆的车辆类型对应的车辆荷载不同,确定每一车辆类型后,根据车辆类型与车辆荷载的预设对应关系对每一车辆类型对应的荷载进行确定。预设时间段可以为5天或7天,具体的时长在本申请实施例中不做具体限定,只要能够通过对预设时间段内车辆行驶信息进行统计,确定出预设时间段内预设路段的平均承载力即可。
通过车辆类型确定每一车辆的荷载,根据每一辆车的荷载计算预设路段内的平均承载力,例如,预设时间段内第一天有50辆荷载为0.5吨的轿车行驶,第二天有55辆荷载为0.5吨的轿车行驶,第三天有45辆荷载为0.5吨的轿车驶过,因此预设时间段内,预设路段中的平均承载力为[(50*0.5)+(55*0.5)+(45*0.5)]/3=25吨。
方式二:获取预设时间段内,预设路段内的传感数据信息,根据传感数据信息确定预设路段内的平均承载力。
具体的,预设路段内的传感数据信息可由设置于桥梁中的传感器进行检测,并将测量到的传感数据信息上传至电子设备,通过统计预设路段内预设路段内的实际行驶承载力,确定预设路段内的平均承载力。
例如,根据预设时间段内预设路段的传感数据测量的数据得知,第一天对应的实际行驶承载力为18吨,第二天对应的实际行驶承载力为22吨,第三天对应的实际行驶承载力为20吨,则可确定出预设路段中的平均承载力为(18+22+20)/3=20吨。
方式一中通过车辆类型确定每一车辆的标准荷载,再根据每一车辆的标准荷载确定预设路段中的平均承载力,即使车辆在实际行驶过程中未达到标准荷载,仍按照标准荷载进行计算,通过提高平均承载力,便于提高桥梁的安全标准,从而便于降低车辆行驶过程中出现桥梁坍塌的几率;在另外一种方式中,通过传感器测量的传感数据信息,对预设路段内的平均承载力进行确定,便于提高确定平均承载力的准确性。
对于本申请实施例,当预设路段内的存在多个故障特征时,每一故障特征的尺寸信息可能不同,对应的每一故障特征处的承载力影响值也不同,因此通过预设路段内的多个故障特征处各自对应的实际承载力对预设路段内是否存在安全隐患进行判断,而不是根据其中一个故障特征的尺寸信息对预设路段内的安全隐患进行确定,通过预设路段内的多个故障特征处的实际承载力共同确定预设路段内的健康状态,便于提升确定预设路段内健康状态的准确性。
进一步地,为了提高确定最终承载例时的准确性,本申请实施例中还包括步骤Sc1(附图未示出)、步骤Sc2(附图未示出)及步骤Sc3(附图未示出),其中:
步骤Sc1:获取预设路段的图像信息。
具体的,预设路段的图像信息可由设置于预设路段内的图形采集设备进行采集,当区域路段区域内桥梁墩身的数量超过预设阈值时,获取预设路段内的多个图像采集设备,并将多个图像采集设备各自对应的部分路段图像进行拼接,以得到预设路段的图像信息。
步骤Sc2:若预设路段内存在多个故障特征,则根据预设路段的图像信息判断相邻故障特征之间是否存在分岔路。
具体的,确定相邻故障特征之间是否存在分岔路时,将多个故障特征进行划分,根据划分结果从预设路段图像中获取对应的部分路段图像,再对获取到的部分路段图像中是否存在分叉路进行识别。例如,当预设路段内存在多个故障特征a、b以及c时,将多个故障特征进行划分,确定故障特征a与故障特征b为相邻故障特征;故障特征b与故障特征c为相邻故障特征,从预设路径中获取故障特征a与故障特征b之间的部分路段图像,以及故障特征b和故障特征c之间的部分路段图像。对部分路段图像中是否存在分岔路进行识别时,可通过将分岔路标识、提示牌等特征作为标志特征,通过判断部分路段图像中是否存在标志特征,以判断部分路段图像中是否存在分岔路,其中标志特征在本申请实施例中不做具体限定。
步骤Sc3:若存在分岔路,则获取车辆行驶方向,并根据车辆行驶方向、分岔路对应的平均承载力以及相邻故障特征处各自对应的实际承载力,确定预设路段对应的最终承载力。
具体的,车辆行驶方向为车辆在桥梁上的行驶方向,车辆在桥梁上的行驶方向一般是固定的,通过对连续多张包含有同一行驶车辆的图像中行驶车辆的位置,便于确定车辆行驶方向。分岔路对应的平均承载力为分岔路中平均车流量对分岔路造成的负荷,最终承载力由预设路段内多个相邻故障特征各自对应的实际承载力进行确定。
其中,步骤Sc3中根据车辆行驶方向、分岔路对应的平均承载力以及相邻故障特征处各自对应的实际承载力,确定预设路段对应的最终承载力,之前还包括:
获取分岔路的车辆行驶信息,并根据分岔路的车辆行驶信息确定分岔路的平均承载力。
具体的,确定分岔路的平均承载力的方式,可参考上述对预设路段内对应的平均承载力的方式,在此不做赘述。可从分岔路对应的视频流数据中获取分岔路的车辆行驶信息。
步骤Sc3中根据车辆行驶方向、分岔路对应的平均承载力以及相邻故障特征处各自对应的实际承载力,确定预设路段对应的最终承载力,具体包括步骤Sc31(附图未示出)、步骤Sc32(附图未示出)、步骤Sc33(附图未示出)以及步骤Sc34(附图未示出),其中:
步骤Sc31:根据车辆行驶方向,将相邻故障特征确定为第一故障特征和第二故障特征。
步骤Sc32:将第一故障特征对应的第一实际承载力与第二故障特征对应的第二实际承载力进行比较,当第一实际承载力高于第二实际承载力时,获取第一实际承载力与第二实际承载力对应的承载力差值。
具体的,通过车辆行驶方向将相邻的两个故障特征进行区分,承载力差值为第一故障特征处对应的实际承载力,与第二故障特征处对应的实际承载力的差值,例如,存在两个相邻的故障特征a和故障特征b,其中故障特征a处的实际承载力为45吨,故障特征b处的实际承载力为43吨,确定出车辆行驶方向为由故障特征a处驶向故障特征b处,此时,确定故障特征a为第一故障特征,故障特征b为第二故障特征,承载力差值为2吨。
步骤Sc33:将平均承载力与承载力差值比较,当平均承载力高于承载力差值时,将第一实际承载力确定为预设路段对应的最终承载力。
步骤Sc34:当平均承载力不高于承载力差值时,将第二实际承载力确定为预设路段对应的最终承载力。
例如,如图4所示,图4为本申请实施例中一种分岔路示意图,其中,故障特征a与故障特征b之间存在分岔路,并且已确定出车辆的行驶方向由故障a驶向故障特征b处,因此可确定出故障特征a为第一故障特征,故障特征b为第二故障特征,还确定出第一故障特征处的实际承载力为45吨,第二故障特征处的实际承载力为43吨,分叉路对应的平均承载力为5吨,由于第一故障特征处的实际承载力高于故障特征b处的实际承载力,若第一故障特征与第二故障特征之间不存在分岔路,则确定第一故障特征与第二故障特征之间路段的最终承载力为43吨,但是当第一故障特征与第二故障特征之间存在分岔路,并且分岔路对应的平均承载力大于承载力差值时,将第一故障特征与第二故障特征之间路段的最终承载力确定为45吨;若分叉路对应的平均承载为1吨,则第一故障特征处的实际承载力经过分岔路分压后,剩余承载力仍高于第二故障特征处对应的实际承载力,此时可能会导致第二故障特征处承载力过高,从而可能会出现桥梁坍塌的情况,因此当分岔路对应的平均承载力高于承载力差值时,将第二故障特征对应的实际承载力确定为最终承载力。
对于本申请实施例,由于车辆在桥梁行驶过程中可能会存在分叉路,车辆可能从桥梁行驶至分岔路中,也可能会从分岔路中行驶入桥梁中,因此桥梁所受到的承载力可能会发生变化,通过对故障特征之间是否存在分叉路确定预设路段对应的最终承载力,便于提高确定最终承载力时的准确性。
上述实施例从方法流程的角度介绍一种桥梁健康监测的方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种桥梁健康监测的装置,具体详见下述实施例。
本申请实施例提供一种桥梁健康监测的装置,如图5所示,该装置具体可以包括获取桥梁图像模块510、识别故障特征模块520、确定尺寸信息模块530、确定故障等级模块540、确定承载力影响值模块550及生成健康监测信息模块560,其中:
获取桥梁图像模块510,用于获取待监测区域内的桥梁图像;
识别故障特征模块520,用于识别所述桥梁图像中的故障特征,得到故障特征图像;
确定尺寸信息模块530,用于基于所述故障特征图像确定所述故障特征的尺寸信息,所述尺寸信息包括所述故障特征的长度、宽度;
确定故障等级模块540,用于根据故障特征的尺寸信息和尺寸信息与故障等级的对应关系,确定故障特征的尺寸信息对应的故障等级;
确定承载力影响值模块550,用于当所述故障等级高于预设标准等级时,根据故障特征的尺寸信息和尺寸信息与承载力影响值的对应关系,确定故障特征处的承载力影响值,所述承载力影响值为所述故障特征导致桥梁承载力发生的变化值;
生成健康监测信息模块560,用于基于所述承载力影响值确定所述故障特征处的实际承载力,并根据所述实际承载力是否低于预设标准承载力生成健康监测信息,所述预设标准承载力为所述桥梁内的平均车流量对应的承载力,所述健康监测信息用于表征所述待监测区域内的桥梁是否处于健康状态。
在一种可能实现的方式中,确定尺寸信息模块530在基于所述故障特征图像确定所述故障特征的尺寸信息,包括:
将所述故障特征图像进行灰度值处理,得到灰度图像;
将所述灰度图像导入训练好的深度学习模型中,得到所述灰度图像中的故障特征识别框;
根据所述故障特征识别框,确定所述故障特征的尺寸信息。
在一种可能实现的方式中,该装置还包括:
获取侧面图像模块,用于获取待监测区域内的桥梁侧面图像信息;
确定间隔距离模块,用于从所述桥梁侧面图像信息中识别桥梁墩身与所述故障特征的位置信息,并根据所述桥梁墩身与所述故障特征的位置信息,确定所述桥梁墩身与所述故障特征位的间隔距离;
调整故障等级模块,用于当所述间隔距离低于预设标准距离时,调整所述故障特征对应的故障等级。
在一种可能实现的方式中,该装置还包括:
获取实际承载力模块,用于当检测到预设路段内存在多个故障特征时,获取每一故障特征处各自对应的实际承载力;
确定最终承载力模块,用于根据每一故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力;
生成预设路段健康信息模块,用于根据所述最终承载力与所述预设路段内对应的平均承载力,生成所述预设路段的健康监测信息。
在一种可能实现的方式中,该装置还包括:
获取预设路段图像模块,用于获取预设路段的图像信息;
分岔路判断模块,用于若预设路段内存在多个故障特征,则根据所述预设路段的图像信息判断相邻故障特征之间是否存在分岔路;
确定最终承载力模块,用于若存在分岔路,则获取车辆行驶方向,并根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力。
在一种可能实现的方式中,该装置还包括:
确定平均承载力模块,用于获取分岔路的车辆行驶信息,并根据所述分岔路的车辆行驶信息确定所述分岔路的平均承载力;
确定最终承载力模块在根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力时,具体用于:
根据车辆行驶方向,将所述相邻故障特征确定为第一故障特征和第二故障特征;
将所述第一故障特征对应的第一实际承载力与所述第二故障特征对应的第二实际承载力进行比较,当所述第一实际承载力高于所述第二实际承载力时,获取所述第一实际承载力与所述第二实际承载力对应的承载力差值;
将所述平均承载力与所述承载力差值比较,当所述平均承载力高于所述承载力差值时,将所述第一实际承载力确定为所述预设路段对应的最终承载力;
当所述平均承载力不高于所述承载力差值时,将所述第二实际承载力确定为所述预设路段对应的最终承载力。
在一种可能实现的方式中,该装置还包括:
第一确定平均承载力模块,用于统计预设时间段内,所述预设路段的车辆行驶信息,所述车辆行驶信息包括车辆类型和车辆荷载,根据所述车辆行驶信息确定所述预设路段的平均承载力;
或,
第二确定平均承载力模块,用于获取预设时间段内,所述预设路段内的传感数据信息,根据所述传感数据信息确定所述预设路段内的平均承载力。
本申请实施例中提供了一种电子设备,如图6所示,图6所示的电子设备600包括:处理器601和存储器603。其中,处理器601和存储器603相连,如通过总线602相连。可选地,电子设备600还可以包括收发器604。需要说明的是,实际应用中收发器604不限于一个,该电子设备600的结构并不构成对本申请实施例的限定。
处理器601可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器601也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线602可包括一通路,在上述组件之间传送信息。总线602可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线602可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器603可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器603用于存储执行本申请方案的应用程序代码,并由处理器601来控制执行。处理器601用于执行存储器603中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (5)
1.一种桥梁健康监测方法,其特征在于,包括:
获取待监测区域内的桥梁图像;
识别所述桥梁图像中的故障特征,得到故障特征图像;
基于所述故障特征图像确定所述故障特征的尺寸信息,所述尺寸信息包括所述故障特征的长度、宽度;
根据故障特征的尺寸信息和尺寸信息与故障等级的对应关系,确定故障特征的尺寸信息对应的故障等级;
当所述故障等级高于预设标准等级时,根据故障特征的尺寸信息和尺寸信息与承载力影响值的对应关系,确定故障特征处的承载力影响值,所述承载力影响值为所述故障特征导致桥梁承载力发生的变化值;
基于所述承载力影响值确定所述故障特征处的实际承载力,并根据所述实际承载力是否低于预设标准承载力生成健康监测信息,所述预设标准承载力为所述桥梁内的平均车流量对应的承载力,所述健康监测信息用于表征所述待监测区域内的桥梁是否处于健康状态;
其中,所述根据故障特征的尺寸信息和尺寸信息与故障等级的对应关系,确定故障特征的尺寸信息对应的故障等级,之后还包括:获取待监测区域内的桥梁侧面图像信息;从所述桥梁侧面图像信息中识别桥梁墩身与所述故障特征的位置信息,并根据所述桥梁墩身与所述故障特征的位置信息,确定所述桥梁墩身与所述故障特征位的间隔距离;当所述间隔距离低于预设标准距离时,根据间隔距离与故障调整等级的对应关系,确定间隔距离对应的故障调整等级,并根据确定出的故障调整等级调整故障特征对应的故障等级;
当检测到预设路段内存在多个故障特征时,获取每一故障特征处各自对应的实际承载力;根据每一故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力;根据所述最终承载力与所述预设路段内对应的平均承载力,生成所述预设路段的健康监测信息;
确定预设路段内对应的最终承载力时,还包括:
获取预设路段的图像信息;若预设路段内存在多个故障特征,则根据所述预设路段的图像信息判断相邻故障特征之间是否存在分岔路;若存在分岔路,则获取车辆行驶方向,并根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力;
所述根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力,之前还包括:
获取分岔路的车辆行驶信息,并根据所述分岔路的车辆行驶信息确定所述分岔路的平均承载力;其中,所述根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力,包括:根据车辆行驶方向,将所述相邻故障特征确定为第一故障特征和第二故障特征;将所述第一故障特征对应的第一实际承载力与所述第二故障特征对应的第二实际承载力进行比较,当所述第一实际承载力高于所述第二实际承载力时,获取所述第一实际承载力与所述第二实际承载力对应的承载力差值;将所述平均承载力与所述承载力差值比较,当所述平均承载力高于所述承载力差值时,将所述第一实际承载力确定为所述预设路段对应的最终承载力;当所述平均承载力不高于所述承载力差值时,将所述第二实际承载力确定为所述预设路段对应的最终承载力;
确定预设路段内的平均承载力的方式,包括:统计预设时间段内,所述预设路段的车辆行驶信息,所述车辆行驶信息包括车辆类型和车辆荷载,根据所述车辆行驶信息确定所述预设路段的平均承载力;或,获取预设时间段内,所述预设路段内的传感数据信息,根据所述传感数据信息确定所述预设路段内的平均承载力。
2.根据权利要求1所述的一种桥梁健康监测方法,其特征在于,所述基于所述故障特征图像确定所述故障特征的尺寸信息,包括:
将所述故障特征图像进行灰度值处理,得到灰度图像;
将所述灰度图像导入训练好的深度学习模型中,得到所述灰度图像中的故障特征识别框;
根据所述故障特征识别框,确定所述故障特征的尺寸信息。
3.一种桥梁健康监测装置,其特征在于,包括:
获取桥梁图像模块,用于获取待监测区域内的桥梁图像;
识别故障特征模块,用于识别所述桥梁图像中的故障特征,得到故障特征图像;
确定尺寸信息模块,用于基于所述故障特征图像确定所述故障特征的尺寸信息,所述尺寸信息包括所述故障特征的长度、宽度;
确定故障等级模块,用于根据故障特征的尺寸信息和尺寸信息与故障等级的对应关系,确定故障特征的尺寸信息对应的故障等级;
确定承载力影响值模块,用于当所述故障等级高于预设标准等级时,根据故障特征的尺寸信息和尺寸信息与承载力影响值的对应关系,确定故障特征处的承载力影响值,所述承载力影响值为所述故障特征导致桥梁承载力发生的变化值;
生成健康监测信息模块,用于基于所述承载力影响值确定所述故障特征处的实际承载力,并根据所述实际承载力是否低于预设标准承载力生成健康监测信息,所述预设标准承载力为所述桥梁内的平均车流量对应的承载力,所述健康监测信息用于表征所述待监测区域内的桥梁是否处于健康状态;
该装置还包括:
获取侧面图像模块,用于获取待监测区域内的桥梁侧面图像信息;
确定间隔距离模块,用于从所述桥梁侧面图像信息中识别桥梁墩身与所述故障特征的位置信息,并根据所述桥梁墩身与所述故障特征的位置信息,确定所述桥梁墩身与所述故障特征位的间隔距离;
调整故障等级模块,用于当所述间隔距离低于预设标准距离时,调整所述故障特征对应的故障等级;
获取实际承载力模块,用于当检测到预设路段内存在多个故障特征时,获取每一故障特征处各自对应的实际承载力;
确定最终承载力模块,用于根据每一故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力;
生成预设路段健康信息模块,用于根据所述最终承载力与所述预设路段内对应的平均承载力,生成所述预设路段的健康监测信息;
获取预设路段图像模块,用于获取预设路段的图像信息;
分岔路判断模块,用于若预设路段内存在多个故障特征,则根据所述预设路段的图像信息判断相邻故障特征之间是否存在分岔路;
确定最终承载力模块,用于若存在分岔路,则获取车辆行驶方向,并根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力;
确定平均承载力模块,用于获取分岔路的车辆行驶信息,并根据所述分岔路的车辆行驶信息确定所述分岔路的平均承载力;
确定最终承载力模块在根据所述车辆行驶方向、分岔路对应的平均承载力以及所述相邻故障特征处各自对应的实际承载力,确定所述预设路段对应的最终承载力时,具体用于:
根据车辆行驶方向,将所述相邻故障特征确定为第一故障特征和第二故障特征;
将所述第一故障特征对应的第一实际承载力与所述第二故障特征对应的第二实际承载力进行比较,当所述第一实际承载力高于所述第二实际承载力时,获取所述第一实际承载力与所述第二实际承载力对应的承载力差值;
将所述平均承载力与所述承载力差值比较,当所述平均承载力高于所述承载力差值时,将所述第一实际承载力确定为所述预设路段对应的最终承载力;
当所述平均承载力不高于所述承载力差值时,将所述第二实际承载力确定为所述预设路段对应的最终承载力;
第一确定平均承载力模块,用于统计预设时间段内,所述预设路段的车辆行驶信息,所述车辆行驶信息包括车辆类型和车辆荷载,根据所述车辆行驶信息确定所述预设路段的平均承载力;
或,
第二确定平均承载力模块,用于获取预设时间段内,所述预设路段内的传感数据信息,根据所述传感数据信息确定所述预设路段内的平均承载力。
4.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1-2中任一项所述的一种桥梁健康监测方法。
5.一种计算机可读存储介质,其特征在于,包括:存储有能够被处理器加载并执行如权利要求1-2中任一种所述的一种桥梁健康监测方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310388923.8A CN116128380B (zh) | 2023-04-13 | 2023-04-13 | 一种桥梁健康监测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310388923.8A CN116128380B (zh) | 2023-04-13 | 2023-04-13 | 一种桥梁健康监测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116128380A CN116128380A (zh) | 2023-05-16 |
CN116128380B true CN116128380B (zh) | 2023-06-30 |
Family
ID=86312136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310388923.8A Active CN116128380B (zh) | 2023-04-13 | 2023-04-13 | 一种桥梁健康监测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128380B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629618B (zh) * | 2023-07-19 | 2023-10-03 | 铁正检测科技有限公司 | 基于互联网的桥梁病害诊断*** |
CN117782228B (zh) * | 2024-02-26 | 2024-04-26 | 南京峟思工程仪器有限公司 | 用于分布式自动测量单元的数据处理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105275483A (zh) * | 2015-11-12 | 2016-01-27 | 北京交通大学 | 一种城市分岔隧道大拱段辅助挖掘支撑结构及挖掘方法 |
CN114894411A (zh) * | 2022-05-24 | 2022-08-12 | 东营固泰尔建筑科技有限责任公司 | 一种基于无线传感器网络的桥梁健康监测方法及*** |
CN115311246A (zh) * | 2022-08-23 | 2022-11-08 | 保利长大工程有限公司 | 一种基于大数据的桥梁安全管理方法和*** |
CN115511836A (zh) * | 2022-09-28 | 2022-12-23 | 丽水市市政设施管理中心(丽水市节约用水管理中心) | 基于强化学习算法的桥梁裂缝等级评估方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709332B (zh) * | 2020-06-04 | 2022-04-26 | 浙江大学 | 基于稠密卷积神经网络的桥梁车辆荷载时空分布识别方法 |
-
2023
- 2023-04-13 CN CN202310388923.8A patent/CN116128380B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105275483A (zh) * | 2015-11-12 | 2016-01-27 | 北京交通大学 | 一种城市分岔隧道大拱段辅助挖掘支撑结构及挖掘方法 |
CN114894411A (zh) * | 2022-05-24 | 2022-08-12 | 东营固泰尔建筑科技有限责任公司 | 一种基于无线传感器网络的桥梁健康监测方法及*** |
CN115311246A (zh) * | 2022-08-23 | 2022-11-08 | 保利长大工程有限公司 | 一种基于大数据的桥梁安全管理方法和*** |
CN115511836A (zh) * | 2022-09-28 | 2022-12-23 | 丽水市市政设施管理中心(丽水市节约用水管理中心) | 基于强化学习算法的桥梁裂缝等级评估方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116128380A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116128380B (zh) | 一种桥梁健康监测方法、装置、电子设备及存储介质 | |
OBrien et al. | A mode shape‐based damage detection approach using laser measurement from a vehicle crossing a simply supported bridge | |
CN111523464A (zh) | 车辆违法变道的检测方法和装置 | |
JP5164100B2 (ja) | 橋梁通過車両監視システム、橋梁通過車両監視方法、およびコンピュータプログラム | |
CN111859676B (zh) | 一种针对浮置板轨道钢弹簧损伤的智能检测方法 | |
CN113689392A (zh) | 一种铁路扣件缺陷检测方法和装置 | |
CN113139410B (zh) | 路面检测方法、装置、设备及存储介质 | |
CN115035475A (zh) | 供水管线实时监控方法、装置、电子设备及介质 | |
CN112507588A (zh) | 一种超载车辆对桥梁影响的评估方法、***及计算机设备 | |
Waibel et al. | A strain sensor based monitoring and damage detection system for a two-span beam bridge | |
CN109017872B (zh) | 一种列车车轮预防性维护方法、装置及存储介质 | |
CN108944998B (zh) | 一种列车车轮检测及维护*** | |
CN116342107A (zh) | 一种轨道检测的方法、装置、电子设备及介质 | |
CN110532725A (zh) | 基于数字图像的工程结构力学参数识别方法及*** | |
CN113447283B (zh) | 一种列车车下减振器的失效检测方法及装置 | |
Azim | A data-driven damage assessment tool for truss-type railroad bridges using train induced strain time-history response | |
CN103493081A (zh) | 车辆的涂膜厚度计算***、计算方法及计算机程序 | |
Bunce et al. | A robust approach to calculating bridge displacements from unfiltered accelerations for highway and railway bridges | |
CN112733713A (zh) | 一种基于图像梯度角的图像中轨道线提取方法 | |
Zhang et al. | Factors affecting the accuracy of a computer vision-based vehicle weight measurement system | |
CN115862339B (zh) | 车辆监管方法、装置、电子设备及计算机可读取存储介质 | |
CN117496443B (zh) | 一种公路电力线路故障检测方法、装置、电子设备及介质 | |
Jakubczyk-Gałczyńska et al. | Application of support vector machine for determination of impact of traffic-induced vibrations on buildings | |
CN115510724B (zh) | 一种基于移动车辆测试的桥梁损伤识别方法 | |
CN117421965B (zh) | 基于无人机技术的震后桥梁检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |