-
公开(公告)号：CN113377125B
公开(公告)日：2022-04-22
申请号：CN202110579170.X
申请日：2021-05-26
Applicant: 安徽大学
Abstract: 用于空气污染检测的无人机系统，包括云服务器端，包括云服务器，云服务器进行实时污染数据分析和模型的训练以及调度策略的制定；移动服务器端，包括移动边缘服务器，移动边缘服务器利用其移动能力为计算资源不充足区域提供计算卸载和无线信号覆盖范围通信服务；边缘节点端，包括边缘节点，边缘节点对原始污染数据进行预处理操作和将数据传输按调度策略分别传输到指定的层计算资源，层计算资源包括边缘节点层、云服务器层和以无人机为载体的移动边缘服务器层。本申请使用配备边缘服务器的无人机在布满污染检测节点的场地中执行任务，综合考虑充分利用无人机的计算能力、移动能力和基于无线信号衰减的通信能力，高效利用多层架构的资源。
-
公开(公告)号：CN117036958A
公开(公告)日：2023-11-10
申请号：CN202311157101.5
申请日：2023-09-08
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种小麦幼苗期分蘖数的检测方法，包括：获取小麦幼苗根茎部图像并进行预处理；构建小麦幼苗分蘖数检测识别模型；将卷积注意力模块加入小麦幼苗分蘖数检测识别模型中；将训练集输入改进的小麦幼苗分蘖数检测识别模型进行训练，得到训练后的小麦幼苗分蘖数检测识别模型；将待识别的小麦幼苗根茎部图像输入训练后的小麦幼苗分蘖数检测识别模型中，得到小麦幼苗分蘖数图像检测识别分类结果。本发明的训练结果较好，对小麦幼苗分蘖数检测识别模型性能的提高更加显著，对小麦幼苗的分蘖数检测精确度明显提高，可以有效解决小麦幼苗图像中存在的遮挡重叠问题，实现分蘖期小麦幼苗分蘖部位的准确检测和分蘖数的准确识别。
-
公开(公告)号：CN113156992B
公开(公告)日：2022-07-08
申请号：CN202110390787.7
申请日：2021-04-12
Applicant: 安徽大学
IPC: G05D1/10
Abstract: 一种面向边缘环境下无人机的三层架构协同优化系统及方法，系统包括从底层到上层依次设置的边缘节点层、移动边缘服务器层、云服务器层；边缘节点层用于获取执行特定应用的任务的计算时间和能耗；移动边缘服务器层在边缘节点层中的边缘终端位置确定情况下，带宽通过三维空间中的欧式距离、路径损耗和香农定理计算得到；通过带宽的计算确定无人机信号覆盖范围和最佳悬停位置，还根据带宽得到相应的传输数据时间和任务计算时间；云服务器层计算边缘节点层中边缘终端与云服务器层的传输能耗，获得云端计算时间和相应网络环境下的传输时间。本发明针对移动边缘环境下响应时间敏感的计算密集型任务，解决了任务执行时间延迟较大和能耗较高的问题。
-
公开(公告)号：CN113395679B
公开(公告)日：2022-08-05
申请号：CN202110572660.7
申请日：2021-05-25
Applicant: 安徽大学 , 安徽国通亿创科技股份有限公司
Abstract: 一种无人机边缘服务器的资源和任务分配优化系统，云服务器端包括任务资源分配和无人机定位模块；任务资源分配和无人机定位模块在收集需要卸载任务的请求后，以相关设备的状态信息和需要卸载的任务信息为判断依据，使用深度学习算法和进化算法来将非凸分数规划问题转化为可解形式，分解为优化卸载决策和无人机定位两个过程，根据决策结果得到任务和资源分配方案，然后将生成的任务和资源分配方案传送给指定的设备以进行任务卸载。本发明解决了现有的研究方法未综合考虑无人机信号有效覆盖范围与多层系统计算资源充分利用，未能发挥出系统资源的最大性能的问题。
-
公开(公告)号：CN113395679A
公开(公告)日：2021-09-14
申请号：CN202110572660.7
申请日：2021-05-25
Applicant: 安徽大学 , 安徽国通亿创科技股份有限公司
Abstract: 一种无人机边缘服务器的资源和任务分配优化系统，云服务器端包括任务资源分配和无人机定位模块；任务资源分配和无人机定位模块在收集需要卸载任务的请求后，以相关设备的状态信息和需要卸载的任务信息为判断依据，使用深度学习算法和进化算法来将非凸分数规划问题转化为可解形式，分解为优化卸载决策和无人机定位两个过程，根据决策结果得到任务和资源分配方案，然后将生成的任务和资源分配方案传送给指定的设备以进行任务卸载。本发明解决了现有的研究方法未综合考虑无人机信号有效覆盖范围与多层系统计算资源充分利用，未能发挥出系统资源的最大性能的问题。
-
Patent Agency Ranking
公开(公告)号：CN113377125A
公开(公告)日：2021-09-10
申请号：CN202110579170.X
申请日：2021-05-26
Applicant: 安徽大学
Abstract: 用于空气污染检测的无人机系统，包括云服务器端，包括云服务器，云服务器进行实时污染数据分析和模型的训练以及调度策略的制定；移动服务器端，包括移动边缘服务器，移动边缘服务器利用其移动能力为计算资源不充足区域提供计算卸载和无线信号覆盖范围通信服务；边缘节点端，包括边缘节点，边缘节点对原始污染数据进行预处理操作和将数据传输按调度策略分别传输到指定的层计算资源，层计算资源包括边缘节点层、云服务器层和以无人机为载体的移动边缘服务器层。本申请使用配备边缘服务器的无人机在布满污染检测节点的场地中执行任务，综合考虑充分利用无人机的计算能力、移动能力和基于无线信号衰减的通信能力，高效利用多层架构的资源。
-
公开(公告)号：CN117664577A
公开(公告)日：2024-03-08
申请号：CN202311694019.6
申请日：2023-12-08
Applicant: 安徽大学 , 脉谱智能(合肥)有限公司
IPC: G01M13/045 , G01M17/10
Abstract: 本发明属于故障诊断技术领域内的一种车载列车轴承故障诊断方法、系统和设备，诊断方法基于监测装置采集声学信号，装置包含参考麦克风和双环麦克风阵列，系统具有采集、存储、传输、网络通讯和故障诊断功能，诊断方法步骤包括：采用双环麦克风阵列获取多通道数据x(n)进行预处理得到d(n，k)并进行声源定位；根据声源定位结果与远场条件选择d(n，k)进行信号增强处理得到y(t)，利用参考麦克风采集到的环境噪声信号D(n)消除y(t)中的环境噪声，得到期望信号Y(n)；从Y(n)中提取时域、频域和小波域特征，建立诊断模型。本发明创新性的提出双环麦克风阵列和参考麦克风方案，通过信号增强与环境噪声消除实现多目标声源环境下的准确故障识别，具有安装适应性强和诊断精确等优点。
-
公开(公告)号：CN117152735A
公开(公告)日：2023-12-01
申请号：CN202311119458.4
申请日：2023-09-01
Applicant: 安徽大学
IPC: G06V20/68 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于改进yolov5s的番茄成熟度分级方法，包括：获取图像；进行图像预处理，得到训练集、测试集和验证集；对yolov5s模型进行改进；采用训练集对改进后的yolov5s模型进行训练，得到训练好的yolov5s模型；采用测试集对训练好的yolov5s模型进行测试，利用测试集中的图片进行定性以及定量的相关指标的评估；将待分级的番茄图片输入训练好的yolov5s模型，训练好的yolov5s模型识别出成熟的番茄。本发明用高像素相机获取成熟番茄图像，将深度学习技术中的全卷积图像分割网络应用到番茄智能采摘中，根据实际使用场景对网络结构进行调整，利用采集的番茄图像数据集训练卷积神经网络，最终使网络能够自动检测成熟番茄。
-
公开(公告)号：CN117063903A
公开(公告)日：2023-11-17
申请号：CN202311223649.5
申请日：2023-09-21
Applicant: 安徽大学
IPC: A01M1/04 , A01M1/20 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种大型虫情监测回收方法，包括下列顺序的步骤：打开黑光引虫灯管和加热仓的上仓门，吸引虫子来到加热仓；关闭加热仓的上仓门和下仓门，执行加热杀虫工作，杀死虫子后，打开下仓门，加热烘干的虫子落到圆盘上摆放；位于圆盘正上方的相机对圆盘上的虫子进行拍照；拍摄的照片分别存储本地和上传云端进行识别，通过基于深度学习的图像识别模型，对图片内容进行依次识别；启动电刷对圆盘上的害虫进行清扫和回收。本发明还公开了一种大型虫情监测回收装置。本发明基于硬件、软件、电子、网络实现了自动化、智能化的虫情测报设备，为农业、林业等各个领域提供虫情的监测功能；实现软硬件的自动化，这使得虫情测报灯的工作更高效。
-
公开(公告)号：CN113156992A
公开(公告)日：2021-07-23
申请号：CN202110390787.7
申请日：2021-04-12
Applicant: 安徽大学
IPC: G05D1/10
Abstract: 一种面向边缘环境下无人机的三层架构协同优化系统及方法，系统包括从底层到上层依次设置的边缘节点层、移动边缘服务器层、云服务器层；边缘节点层用于获取执行特定应用的任务的计算时间和能耗；移动边缘服务器层在边缘节点层中的边缘终端位置确定情况下，带宽通过三维空间中的欧式距离、路径损耗和香农定理计算得到；通过带宽的计算确定无人机信号覆盖范围和最佳悬停位置，还根据带宽得到相应的传输数据时间和任务计算时间；云服务器层计算边缘节点层中边缘终端与云服务器层的传输能耗，获得云端计算时间和相应网络环境下的传输时间。本发明针对移动边缘环境下响应时间敏感的计算密集型任务，解决了任务执行时间延迟较大和能耗较高的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
