基于云边协同的道路智能巡查关键技术研究

路面巡查是道路养护的重要一环。传统的人工巡查存在主观性强、耗时耗力和安全性差等问题。近年来,基于深度学习的路面病害智能检测技术取得显著的进展,其中云边协同方案因其传输与计算成本的均衡性优点日益成为主流。针对车载巡查系统边缘侧硬件的内存和计算能力有限的情况,研究了轻量化网络结构与模型压缩策略,提出一种改进通道结构化剪枝算法,构建基于YOLOv5模型结构化剪枝的轻量化深度学习网络模型。试验证明,优化剪枝后的模型能够获得与原模型相当的检测性能,可在平均准确率mAP损失1.3%的情况下,降低模型约71%的规模,并提高36.3%的速度,为边缘侧路面病害智能检测提供有效支持。

基于SSD的桥梁主动防船撞目标检测方法与应用

针对现有桥梁主动防撞视频监测系统在精度、鲁棒性和效率等方面的局限性,提出基于SSD(Single Shot MultiBox Detector)目标检测的桥梁主动防撞视频监测系统框架,建立并使用海量船舶图像数据集对SSD模型进行神经网络训练,生成适用于复杂环境下的船舶目标检测模型,通过样本选取、数据增强、广域划分优化等技术手段,实现航区船舶目标的稳定、智能检测.与传统方法相比,提出的船舶目标检测方法在稳定性、准确性、高效性和智能化方面优势明显.以上海松浦大桥为工程背景进行了实桥试验,验证了该方法在桥区航道长期稳定监测的可行性,为进一步的航迹跟踪预测、防撞预警和航道监控提供信息支持.