论文部分内容阅读
在公路路面检测与养护智能化的要求下,智能AI技术被广泛运用于我国公路的病害检测和预防养护上,它可以快速准确地分析采集到的影像,对公路路面病害进行智能识别,提高了公路养护的效率。基于此,通过研究分析AI智检在公路路面病害的检测与预防养护的应用,提升公路路面检测工作的效率和质量。
智能养护时代的AI智检——公路路面病害的科学检测
【摘 要】
：
在公路路面检测与养护智能化的要求下,智能AI技术被广泛运用于我国公路的病害检测和预防养护上,它可以快速准确地分析采集到的影像,对公路路面病害进行智能识别,提高了公路养护的效率。基于此,通过研究分析AI智检在公路路面病害的检测与预防养护的应用,提升公路路面检测工作的效率和质量。
【出 处】
：
交通建设与管理
【发表日期】
：
2021年05期
其他文献
人们的工作学习越来越离不开网络。网络给人们的生活带来便利的同时,网络漏洞攻击,如拒绝服务攻击、突发访问、蠕虫病毒等也威胁着人们的隐私和财产安全。流量异常检测在检测和预防潜在威胁方面发挥着越来越重要的作用。在流量异常检测领域,已经有大量的研究成果,但是仍然存在一些问题,例如对未知攻击类型检测率低和对少数类别识别率不高等。本文针对其中的一些难题进行研究,主要研究内容如下:首先,基于迁移成分分析的流量异
随着基于位置的社交网络（Location Based Social Network,LBSN）不断地快速进步,个性化兴趣点推荐也逐渐流行,它可以帮助用户发现其可能感兴趣的位置。然而,由于兴趣点推荐是一种隐式反馈,使得用户-兴趣点之间交互存在困难,如果没有对用户签到行为进行“区别对待”,会导致对用户偏好的挖掘不够准确,而且由于用户的签到数量在整个位置社交网络中只占很小的比例,使得签到数据存在高稀疏性
随着人工智能的兴起,以脑机接口（Brain Computer Interface,BCI）为桥梁的脑神经科学研究正迅速展开。其中对虚拟现实场景下空间认知脑电信号的分析成为该领域研究热点,通过空间认知训练前后脑电信号变化可以有效评估认知能力训练效果。目前,在空间认知脑电信号研究方面取得了不少进展,主要包括脑电信号的特征提取以及后续的数据分类。但是仍然存在着不足,主要体现在计算不同通道之间的耦合特征强
近年来,因果特征选择已逐渐成为机器学习和因果发现领域的研究热点。它通过将特征预测与因果发现联系在一起来识别目标属性（Target attribute,T）的马尔可夫毯（Markov Blanket,MB）。本文针对当前因果特征选择无法应用于动态特征空间,而面向流特征的特征选择无法挖掘出T的MB或只识别出T的PC集（Parents and Children）的问题,从在线学习MB的角度,提出一个面向
近年来,随着人工智能技术的不断发展,研究者在单智能体深度强化学习领域取得了许多优秀的成果。为了解决复杂的团队任务,研究人员将深度强化学习方法应用到了多智能体领域。地标覆盖任务是最常见的多智能体协同问题之一,在国防、物流、车间等领域均有重要应用。多智能体系统中,内部智能体同时与环境交互,且智能体之间相互影响,受邻居智能体的位置、运动速度等因素影响较大,导致很多单智能体深度强化学习算法在多智能体系统中
基于深度网络的图像分类技术性能大幅提升,使得计算机视觉迈入产业化阶段,逐步应用于人类工作和生活多方面。人体行为识别作为计算机视觉中典型的分类任务,在医疗、家庭、交通运输等多种场景下的潜在价值不可估量。本文从行为识别的应用方向出发,分析了日常行为中的跌倒动作以及相似动作,运用深度学习的方法设计了针对跌倒动作、相似动作的行为识别方法。首先,提取了FallFree骨架数据集,借助Kinect Studi
随着软件在日常生活中的广泛使用,软件安全问题正逐渐引起人们的重视。其中缓冲区溢出漏洞在软件安全中最常见也是最严重的一种漏洞。缓冲区溢出漏洞会导致权限被非法获取,信息被窃取,系统瘫痪等一系列危害。为了能有效的检测出缓冲区溢出漏洞,本文提出一种基于深度学习的缓冲区溢出漏洞检测方法。本文主要工作如下。首先,针对软件缓冲区溢出漏洞进行研究,针对缓冲区溢出漏洞可疑代码,构建了抽象语法树。基于缓冲区溢出漏洞可
随着社会的发展,针对复杂网络社区发现算法的研究逐渐深入,社区发现算法在推荐领域、信息传播、精准营销等方面都有着很大的价值。标签传播算法因为其简易性和效率高而受到研究学者的青睐,然而标签传播社区发现算法存在稳定性差、准确率低的问题。针对上述问题,本文分别在静态社区和动态社区上提出了基于标签传播思想的社区发现算法。首先,针对标签传播算法稳定性不足,提出了融合标签熵和k-shell的标签传播重叠社区发现
机械装备结构日益复杂、自动化,对设备安全性和可靠性的要求也越来越高,机械故障的检测和诊断显得尤为重要,基于振动信号分析的数据驱动类方法得到了广泛研究。但多数智能故障诊断方法的应用基础为训练数据与测试数据同分布,而实际中复杂工况的影响使得理论方法的诊断效果受到较大影响。迁移学习的引入为解决不同数据分布下的轴承故障诊断问题提供了新思路。该文主要研究了基于深度迁移学习的轴承故障跨域诊断方法。首先,考虑到