排序方式： 共有5条查询结果，搜索用时 0 毫秒
1
1.
2.
针对国有勘测企业信息化发展的行业特点，在分析勘测生产管理信息化与勘测专业发展信息化现状和存在问题的基础上，提出了在互联网+、大数据信息时代勘测设计行业信息化发展的模式。探讨了以勘测数据为核心，通过对勘测生产手段、生产流程、数据标准、成果管理等内容利用计算机和网络技术实现勘测生产的现代化、勘测成果的专题化、数据格式的标准化、数据提供的网络化、信息共享的集成化、服务流程的规范化、业务财务一体化、成果应用智慧化的勘测企业信息化发展模式。依托勘测技术的发展发挥勘测大数据在智慧城市建设中的应用，充分发挥勘测数据作为"智慧大厦"根基的优势，借由其衍生出来的海量数据及物联网数据、BIM信息数据和城市运维数据相结合的信息管理需求所面对的巨大市场机遇实现勘测设计行业的升级和转型。 相似文献
3.
现有的神经网络模型能在一定程度上实现自动识别路面病害,但在实际应用中,检测准确率无法满足道路安全运维的需求,容易出现病害的漏检和误检。针对上述问题,本文提出了一种融合灰度图像和深度图像的U-Net改进模型。首先利用深度图特征,实现自动剔除无病害数据,减轻模型的运算量;然后在传统的U-Net模型结构基础上加入全局上下文模块,在实现网络轻量化的基础上提升了网络性能;最后加入路面深度图高程信息,使模型的训练数据由一维变为二维。基于病害范围与路面深度图,获取路面病害深度参数。试验结果表明,本文提出的融合灰度图像和深度图像的U-Net改进模型在全局识别准确率、精准率、召回率、综合评价指标和mIoU指标上分别为99.09%、84.69%、81.64%、91.67%和84.58%,均高于其他两种同时进行测试的模型。在路面病害检测结果中,本文方法比其他4种模型提高了99.07%。因此,本文算法可以用于有噪声干扰的复杂场景,且能够平滑、高效地提取路面裂缝,具有较强的稳健性,可为后续的路面修复工作提供重要参考。 相似文献
4.
5.
1