中国公路学报

作者：高康, 陈子达, 张皓炜, 刘松荣, 吴刚

单位：1. 东南大学　混凝土及预应力混凝土结构教育部重点实验室，江苏　南京　211189","2. 东南大学　智慧建造与运维国家地方联合工程研究中心，江苏　南京　211189","3. 东南大学　土木工程学院，江苏　南京　211189","4. 浙江交投高速公路运营管理有限公司，浙江　杭州　310020

关键词：桥梁工程,动态称重,机器学习,视觉大模型,字符识别,荷载监测

<p>为解决现有基于计算机视觉的车辆称重系统在泛化能力和环境适应性方面的局限，提出了一种基于视觉大模型与机器学习的非接触式动态称重方法。首先，通过视觉大模型设计了一个创新的边缘检测算法，用于精确获取轮胎变形参数；其次，基于Mask-RCNN（Mask-Region-based Convolutional Neural Networks）开发了一个包含完整轮胎字符数据库的通用识别模型，能够准确标记并提取轮胎侧壁的特征信息；进一步，采用LightGBM（Light Gradient Boosting Machine）构建了一个用于预测车辆轮胎与路面接触力的机器学习模型，并验证了其准确性、可行性和有效性。特别地，通过对SUV车辆和载重货车的测试，证明了该方法与传统动态称重系统相比，最大误差不超过5%，显示出高精度和优越性能。该研究提供了一种不需安装传感器的车辆称重技术，操作简便、成本低廉，未来在收费站、高速公路等交通工程领域有着广泛应用前景。</p>

来源：2024年第8期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2024年第8期