[发明专利]一种基于深度学习的桥梁快速检测方法

权利要求书

1.一种基于深度学习的桥梁快速检测方法，其特征在于，包括如下步骤：

S1、在桥梁结构上阵列布置振动传感器，实时采集由过境车辆激发的桥梁振动响应数据；

S2、通过无线传输将数据发送至CNN卷积神经网络；

S3、对数据进行标注标签并制作训练用的数据集；

S4、对CNN卷积神经网络进行训练并建立映射关系；

S5、输入数据对CNN卷积神经网络进行预测，并根据映射关系映射出的校验系数判断桥梁结构是否需要维修或加固。

2.根据权利要求1所述的基于深度学习的桥梁快速检测方法，其特征在于：所述步骤S1中的阵列布置传感器为矩阵阵列布置传感器；所述振动响应数据包括位移、速度或者加速度信号数据。

3.根据权利要求1所述的基于深度学习的桥梁快速检测方法，其特征在于：所述步骤S2中的无线传输包括物联网、5G或云端技术。

4.根据权利要求1所述的基于深度学习的桥梁快速检测方法，其特征在于：所述步骤S3中的标注标签是使用数据标注工具对样本数据进行标注标签，得到.xml格式的标签文件。

5.根据权利要求1所述的基于深度学习的桥梁快速检测方法，其特征在于：所述步骤S4中对CNN卷积神经网络进行训练并建立映射关系具体是指：将数据集中的数据作为训练样本，输入到CNN卷积神经网络中，经过卷积和池化操作后，实现对数据的特征提取，再通过全连接层，建立出关于结构振动的输入与桥梁校验系数的输出之间的映射关系，训练结束后，保存网络参数。

6.根据权利要求1所述的基于深度学习的桥梁快速检测方法，其特征在于：所述步骤S5中的预测是指：将训练完成后的数据输入到CNN卷积神经网络进行预测，结合训练完成后的网络参数，输出桥梁结构校验系数。

7.根据权利要求1所述的基于深度学习的桥梁快速检测方法，其特征在于：所述步骤S5中判断的标准是指将输出的桥梁结构校验系数与规范内的校验系数比较，若输出的校验系数不在规范范围内，则判断需要维修或加固。