基于声纹检测的端云融合桥梁伸缩缝健康监测系统OA

桥梁伸缩缝的完整性和可靠性是保障行车安全、延长基础设施使用寿命的关键,然而,传统检测方法往往存在重复性高、耗时长以及对交通运行干扰较大等问题。为此,提出了一种用于长期监测桥梁伸缩缝健康状态的端云融合声学监测系统。在多座桥梁18个月的监测期间,共采集了约21000条桥梁伸缩缝声纹数据,且由经验丰富的公路工程师标注,制作成可靠的声纹识别数据集。基于该数据集构建了一种自适应端云融合检测算法框架。边缘设备采用基于支持向量机的级联分类模型,实现轻量化的实时推理;云端则利用基于门控循环单元的深度学习模型进行更精确的分析。其中,部署于边缘设备的级联分类模型分类准确率为96.7%,其95%置信区间为(0.9632,0.9668);云端的基于门控循环单元的模型分类准确率为98.2%,其95%置信区间为(0.9783,0.9823)。此外,所提出的自适应两级分类策略将数据传输量降低至总数据量的5%以下。实验结果表明,该系统能够为桥梁伸缩缝健康监测提供一种可靠、高效且准确的解决方案。