基于无人机航拍图像的破损井盖检测

人工排查破损及丢失井盖存在效率低、耗时多和判断不准等问题,目前有关研究缺少对破损井盖的识别判断,而对于丢失井盖的判断方法存在投入成本大、应用范围小的问题。对此,提出了一种基于无人机航拍图像的破损井盖检测方法,以YOLO模型为基础,结合破损井盖识别的特点,修改网络结构及重要参数,增大池化层维度的矩阵、减少网络层数、降低学习率并改变批处理大小,以达到保持精确率的同时缩短训练时间的目的,结合YOLO预训练模型的权重进行训练,以解决数据不足的问题。制作PASCAL VOC格式的数据集并用做检测实验,实验结果表明,该改进模型与原模型相比具有更短的训练时间,精确率为82.6%左右,召回率在70.7%左右,基本满足破损井盖检测的需求。

基于BIM子模型的分布式版本控制研究

在建筑信息模型(BIM)协同开发过程中,各参与方通常仅关注其领域相关的子模型数据而非复杂庞大的全局模型。为领域相关的子模型开发提供系统性的分布式开发功能,特别是版本控制支持,是BIM协同开发急需解决的问题。文章提出了一种基于BIM子模型的分布式版本控制框架,实现了分布式版本控制支持。建立了基于操作追踪的版本控制机制,通过记录用户对模型的操作,对操作序列进行叠加、逆反以实现版本跟踪;构建了相互耦合并独立工作的子模型层,不依赖于全局模型,实现设计人员在工作过程中对需求子模型的版本控制;构建了局部更新全局协同的工作模式,实现分布子模型与全局模型的版本协同。该系统已在开源BIMServer平台上实现,仿真结果表明,该系统在子模型支持、版本响应时间、存储资源占用及网络传输速度等方面均有明显的优势。