利用深度学习模型开发挡土墙状态测量技术

国立釜庆大学海洋工学科的Song Changho(博士课程修读中)在2024年韩国地基新材料学会秋季学术发表会上获得优秀论文奖。


Song Changho近日在国立釜庆大学未来馆举行的本次学术发表会上,凭借论文《利用卷积神经网络和双目视觉相机开发挡土墙状态测量技术》(指导教授 Kim Yuntae)获得该奖项。

国立釜庆大学海洋工学科博士课程结业生 Song Changho。国立釜庆大学提供

国立釜庆大学海洋工学科博士课程结业生 Song Changho。国立釜庆大学提供

View original image

他在论文中基于两台双目相机和卷积神经网络,对挡土墙位移进行监测,开发出一项能够实时评估挡土墙位移与沉降等状态的技术,因而获得高度评价。


他通过深度学习模型,在无需人工靶标的情况下,提出了一种可提取挡土墙自然特征并计算位移的技术。其方法是利用双目相机从图像中自动提取和识别挡土墙砌块,应用U-Net、特征金字塔网络(Feature Pyramid Network)、金字塔场景解析网络(Pyramid Scene Parsing Network)、LinkNet等4种基于卷积神经网络的图像分割模型,对挡土墙状态进行测量。


韩国地基新材料学会自2001年成立以来,通过在地基工程和建设相关功能性新材料制造、设计、施工领域开展活跃的学术活动,为地基新材料的开发和发展作出了贡献。





本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。

不容错过的热点