-
公开(公告)号：CN119672029A
公开(公告)日：2025-03-21
申请号：CN202510195359.7
申请日：2025-02-21
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于目标检测的预制构件外表缺陷检测分类方法，对YOLOV8深度学习网络模型进行改进，在Backbone网络中将RepGhost瓶颈结构集成到C2f模块中，记为C2f_RepGhost模块；在Neck网络中添加EMA注意力机制模块，并将PAFPN网络结构替换为BiFPN_Concat网络结构；在Head网络中对边界框回归损失函数进行优化。本发明利用上述改进有效提高了对预制构件中外表缺陷的检测效率和精度。
-
公开(公告)号：CN118377556A
公开(公告)日：2024-07-23
申请号：CN202410808906.X
申请日：2024-06-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于移动边缘计算的智能仓储任务卸载方法，首先将每个终端设备的计算任务发送给最近的边缘服务器，然后边缘服务器的任务选择智能体和卸载决策智能体均基于多指针注意力模型进行马尔科夫决策，使得任务选择智能体从任务对列中选择优先级最高的计算任务，卸载决策智能体为所选计算任务做出卸载决策，选择将计算任务卸载到边缘服务器或者云服务器进行计算，从而能够有效平衡边缘服务器与云服务器中的计算资源，减少任务处理延迟，在智能仓储任务卸载场景中具有极高的应用价值。
-
公开(公告)号：CN118196181B
公开(公告)日：2024-07-19
申请号：CN202410625207.1
申请日：2024-05-20
Applicant: 安徽大学
Abstract: 本发明公开了一种基于图像处理的预制构件表面蜂窝麻面面积检测方法，首先利用图像采集仪对待测混凝土预制构件的结构面进行图像采集，并测量图像采集仪与结构面之间的距离，然后将结构面图像转化为灰度图，并进行增强处理、几何校正和降噪之后，分别用基于改进的形态学边缘检测算子、基于分数阶Sobel算子和插值法融合的Canny算法，进行图像边缘检测，得到两种边缘图像，两种边缘图像再进行图像融合，输出融合后边缘图像，并结合测量的距离值计算得到待测混凝土预制构件结构面上蜂窝麻面的面积。本发明基于两种边缘算法结合的图像处理技术，对结构面上的蜂窝麻面面积进行计算，计算结果准确，从而达到减小人工误差和提高质检效率的目的。
-
公开(公告)号：CN118233461A
公开(公告)日：2024-06-21
申请号：CN202410463303.0
申请日：2024-04-17
Applicant: 安徽大学
IPC: H04L67/10 , H04L41/0663 , H04L67/1097 , H04L41/0896 , H04L47/283
Abstract: 本发明公开了一种基于边云协同计算的数据集放置方法，首先私有云服务器存储来自终端设备的数据请求，将私有数据集和共享数据集进行标记分类，私有云服务器将共享数据集发送到公有云服务器，将私有数据集发送到离数据集上传者最近的边缘服务器上，然后当私有数据集放置完成后，进行环境动态变化检测，当检测到存储私有数据集的边缘服务器故障后，私有云服务器通过动态数据放置算法生成动态数据放置方案，私有云服务器通过动态数据放置方案将私有数据集放传输至新的边缘服务器中。本发明针对智慧系统中服务器设备故障等动态变化，通过动态数据放置算法生成最优的数据集放置方案，在保证边缘服务器存储容量足够的同时，节省数据集传输的时间。
-
公开(公告)号：CN112291176B
公开(公告)日：2022-03-18
申请号：CN202011238044.X
申请日：2020-11-09
Applicant: 安徽大学
IPC: H04L27/26
Abstract: 本发明公开了一种动态多用户检测方法及其动态多用户检测装置。本发明通过设计特定的调制信号Y，只需要对调制信号Y对调制信号Y中幅值处于一个预定阈值范围内的数据做零幅值处理，然后对超出所述预定阈值范围外的数据进行放大，经过这样处理的调制信号Y进行解调，统计一个预定时间段内接收到同一用户发送符号的次数，只要次数大于一个预定次数阈值，即可区别活跃用户。因此易运行、易调用、且可随时中断，而且可以大概率的得到真正活跃用户。用户可以随机地发送数据，基站通过数据处理可以定义出哪些用户是活跃的，在后续过程中可以方便突出管理，同时由于基站在不断更新活跃用户，也使得数据保持实时的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119672029B
公开(公告)日：2025-05-06
申请号：CN202510195359.7
申请日：2025-02-21
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于目标检测的预制构件外表缺陷检测分类方法，对YOLOV8深度学习网络模型进行改进，在Backbone网络中将RepGhost瓶颈结构集成到C2f模块中，记为C2f_RepGhost模块；在Neck网络中添加EMA注意力机制模块，并将PAFPN网络结构替换为BiFPN_Concat网络结构；在Head网络中对边界框回归损失函数进行优化。本发明利用上述改进有效提高了对预制构件中外表缺陷的检测效率和精度。
-
公开(公告)号：CN119672717A
公开(公告)日：2025-03-21
申请号：CN202510195361.4
申请日：2025-02-21
Applicant: 安徽大学
IPC: G06V20/70 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于目标检测的构件预埋件的图像识别与定位方法，对YOLOV8深度学习网络模型进行改进，在Backbone网络中添加CBAM注意力机制模块，并将SPPF模块替换为Improve_SPPF模块；在Neck网络中将Conv模块替换成GSConv模块；在Head网络中对边界框回归损失函数进行优化；利用改进的YOLOV8深度学习网络模型对预制构件的平面图像数据集进行预埋件的识别与定位，并利用二维码像素尺寸标定技术标定预埋件中心位置的实际坐标。本发明利用上述改进有效提高了对预制构件中线盒及预埋管等预埋件的识别效率和精度，并实现对预埋件的精准定位。
-
公开(公告)号：CN118233461B
公开(公告)日：2024-08-30
申请号：CN202410463303.0
申请日：2024-04-17
Applicant: 安徽大学
IPC: H04L67/10 , H04L41/0663 , H04L67/1097 , H04L41/0896 , H04L47/283
Abstract: 本发明公开了一种基于边云协同计算的数据放置方法，首先私有云服务器存储来自终端设备的数据请求，将私有数据集和共享数据集进行标记分类，私有云服务器将共享数据集发送到公有云服务器，将私有数据集发送到离数据集上传者最近的边缘服务器上，然后当私有数据集放置完成后，进行环境动态变化检测，当检测到存储私有数据集的边缘服务器故障后，私有云服务器通过动态数据放置算法生成动态数据放置方案，私有云服务器通过动态数据放置方案将私有数据集放传输至新的边缘服务器中。本发明针对智慧系统中服务器设备故障等动态变化，通过动态数据放置算法生成最优的数据集放置方案，在保证边缘服务器存储容量足够的同时，节省数据集传输的时间。
-
公开(公告)号：CN118229681B
公开(公告)日：2024-07-30
申请号：CN202410637905.3
申请日：2024-05-22
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0455 , G06N3/0464 , G06T7/13 , G06T7/194 , G06V10/44 , G06V10/764 , G06V10/82 , G01S13/88
Abstract: 本发明公开了一种结合PVT和U‑Net深度学习的道路缺陷检测方法，首先获取原始探地雷达数据集，然后进行数据的预处理，构建标准化的探地雷达图像数据集；然后构建结合PVT和U‑Net的深度学习网络、添加符号距离函数的损失函数，基于损失函数、采用深度学习网络对探地雷达图像数据集中的训练集进行训练，得到训练好的深度学习网络；最后采用训练好的深度学习网络对探地雷达图像数据集中的测试集进行检测，提取到道路缺陷特征。本发明采用结合PVT和U‑Net的深度学习网络，能更好的提取和分割出道路的缺陷特征，并采用添加符号距离函数的损失函数进行训练，有效增强前景背景区域特征的可分性，提高了图像边缘部分的预测精度。
-
公开(公告)号：CN118194733B
公开(公告)日：2024-07-19
申请号：CN202410617373.7
申请日：2024-05-17
Applicant: 安徽大学
IPC: G06F30/27 , G06N3/126 , G06Q10/04 , G06Q50/04 , G06F111/06
Abstract: 本发明公开了一种装配式建筑构件模具的智能排版双目标优化方法，首先构建生产所需数据集；然后基于资源约束和时间约束，构建智能排版双目标优化模型；再提取生产所需数据集中的构件数据和模台数据，采用最大剩余空间法将构件模具在模台上组合放置，得到构件模具的排版方案，每个构件模具的排版方案作为一个个体；最后将多个个体构建得到初始种群，设置适应度函数并采用遗传算法对初始种群进行迭代优化，得到满足优化目标的全局最优解。本发明构建智能排版双目标优化模型，以最大模台利用率与产线负载均衡为优化目标，得到最优的构件模具排版方案，提高排版效率和生产效率，为装配式建筑构件的生产和应用提供了有力技术支持。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.024 seconds)
