-
公开(公告)号：CN115597494B
公开(公告)日：2023-03-10
申请号：CN202211609954.3
申请日：2022-12-15
Applicant: 安徽大学绿色产业创新研究院
Abstract: 本发明属于建筑质量检测领域，具体涉及一种基于点云的预制构件预留孔的精度检测方法、系统、设备。检测方法包括如下步骤：S1：利用深度相机对待测预制构件的各个结构面进行扫描。S2：生成预制构件对应结构面的单面点云。S3：对单面点云进行投影和像素优化，得到对应的二值化图。S4：识别预留孔。S5：将二值化图逆投影回点云进行点云降维度。S6：根据降维后的点云计算出每个预留孔的半径，再根据投影矩阵的逆反投影得出圆心；S7：将计算结果与BIM模型中的标准参数进行比对，进而判断预制构件是否合格。本发明解决了现有预制构件中预留孔的精度检测依赖人工，检测效率低，测结果误差较大等问题。
-
公开(公告)号：CN112801414B
公开(公告)日：2023-03-10
申请号：CN202110229789.8
申请日：2021-03-02
Applicant: 安徽大学绿色产业创新研究院
IPC: G06Q10/04 , G06Q10/0633 , G06Q10/10 , G06Q50/08 , G06N3/126
Abstract: 本发明公开了一种装配式建筑构件排产优化方法及系统，以均衡每条生产线生产时间为前提，基于线性规划求解每条生产线中各构件类型的应分构件数，得到每条生产线的构件集；以交付时间最短为目标，基于贪心‑遗传算法对所述每条生产线的构件集求解构件生产顺序，得到每条生产线生产时间最短的最优构件排产次序，实现构件排产优化；以模具成本最优为目标，基于非线性规划求解所述每条生产线的构件集中各模具型号的最少模具套数，得到每条生产线上的模具套数，实现构件排产优化；该排产优化方法以交付时间最短、模具成本最优为目标，提高了生产线的产能。
-
公开(公告)号：CN115277181A
公开(公告)日：2022-11-01
申请号：CN202210883332.3
申请日：2022-07-26
Applicant: 安徽大学
IPC: H04L9/40
Abstract: 本发明属于信息科学领域，具体涉及一种基于自适应鲸鱼优化算法的验证系统破解方法，以及可以实施该破解方法的破解工具、破解装置。破解方法包括如下过程：S1：获取验证系统中至少一个注册用户的可撤销生物特征模板及对应的辅助数据。S2：随机生成多个生物特征样本构成所需的初始样本集。S3：利用初始样本集对验证系统进行尝试登录，直到满足破解目标。S4：在每个轮次的尝试登录过程结束后，采用自适应鲸鱼优化算法对初始样本集进行迭代更新。S5：在满足达到最大迭代次数，或输入的生物特征样本满足破解目标时，结束破解过程，并输出一组可以通过验证系统的输入信息。本发明解决了现有可撤销生物模板保护系统难以破解的问题。
-
公开(公告)号：CN110942251B
公开(公告)日：2022-09-30
申请号：CN201911179848.4
申请日：2019-11-27
Applicant: 安徽大学
Abstract: 本发明提供了一种基于联合蚁群算法的批调度方法，包括以下步骤：初始化Tmax、AntNum、n，I，S，信息素矩阵、ρ、库存概率和运输概率，令t＝1，Ant＝0；令Ant＝Ant+1，蚂蚁Ant对工件进行分配输出调度方案；通过局部优化策略优化调度方案，计算优化后的调度方案的目标值，更新库存概率和运输概率；重复此过程直到所有蚂蚁用尽结束本次迭代，获取全局最优调度方案，更新信息素，如果t＜Tmax，则令t＝t+1，Ant＝0，返回分配工件，直到迭代结束，输出全局最优调度方案。本发明提供的一种基于联合蚁群算法的批调度方法的优点在于：综合考虑的生产过程中的库存和运输问题，通过合理的反馈机制，适合解决大规模批调度问题，实现成本优化，能够为生产过程提供有效的指导建议。
-
公开(公告)号：CN114004748A
公开(公告)日：2022-02-01
申请号：CN202111289499.9
申请日：2021-11-02
Applicant: 安徽大学
IPC: G06T3/40 , G06K9/62 , G06T5/50 , G06V10/764
Abstract: 本发明属于医学图像重构技术领域，公开了一种脑PET图像超分辨率方法、系统、设备及处理终端，所述脑PET图像超分辨率方法包括：获取带有标签的脑PET高分辨率图像数据集，将数据集分为训练集与测试集；对图像进行双三次下采样，得到低分辨率的训练集和测试集；在SRGAN生成器的残差块中加入简单注意力机制SimAm得到ARB，用ARB代替原有残差块；在生成器后加入分类器ResNet34，得到SRGAN_RC；将分类器的分类损失与SRGAN损失联合优化，用训练集训练网络；用高清测试集和低清测试集测试SRGAN_RC模型，评估网络性能。本发明通过引入医学先验知识与简单注意力机制，提高脑PET图像的分辨率。
-
Patent Agency Ranking
公开(公告)号：CN110161997B
公开(公告)日：2021-11-05
申请号：CN201910505977.1
申请日：2019-06-12
Applicant: 安徽大学
IPC: G05B19/418 , G06N3/00
Abstract: 本发明公开了基于蚁群和模拟退火算法的流水车间调度方法及装置，方法包括：1)、根据当前全局信息素矩阵，利用蚁群算法对当前次迭代中的每一只蚂蚁进行待加工工件的批调度，得到蚂蚁对应的解；2)、针对当前次迭代中的每一只蚂蚁，利用模拟退火算法获取蚂蚁对应的最优解，并根据最优解更新当前全局非劣解集；3)、判断当前次迭代对应的迭代次数是否不小于最大迭代次数；4)、若是，将当前次迭代的非劣解集作为目标调度方案；5)、若否，更新频次矩阵，根据频次矩阵更新全局信息素矩阵，将当前次迭代的下一次迭代作为当前次迭代，并返回执行步骤1)，直至获取目标调度方案。应用本发明实施例，可以提高解的质量。
-
公开(公告)号：CN105727550B
公开(公告)日：2019-10-25
申请号：CN201610060615.2
申请日：2016-01-27
Applicant: 安徽大学
Abstract: 本发明公开了一种基于UCT算法的点格棋游戏系统，包括：外部显示装置、输入装置和内部处理单元；外部显示装置，用于与内部处理单元建立通讯，显示棋盘信息和对弈过程；输入装置，用于用户设置参数和策略选择，并与内部处理单元建立通讯，进行点格棋游戏，或者选择进行自动测试；内部处理单元，采用智能的博弈技术实现游戏系统的智能化，实现智能博弈技术之间自动对弈以及人与智能博弈技术之间的对弈。本发明采用UCT算法作为点格棋游戏系统的博弈技术，解决了原有算法的估值问题，在对所有的可能下棋选择进行全局搜索的基础上根据搜索结果选择好的节点进行更多次的局部搜索，可以搜索结果向着好的方向发展。并且可以同时利用多线程进行多次的模拟，充分利用了电脑的硬件资源。
-
公开(公告)号：CN110119804A
公开(公告)日：2019-08-13
申请号：CN201910375250.6
申请日：2019-05-07
Applicant: 安徽大学
Abstract: 本发明公开了一种爱恩斯坦棋中基于深度强化学习的自学习博弈算法，将BP神经网络运用到棋盘的价值评估方法以及在蒙特卡洛树搜索算法的动作选择策略中，借助强化学习方法自对弈学习规则，对棋盘的特征进行学习并逐渐调整网络参数，使得BP神经网络对于棋盘的价值评估以及下棋动作的策略计算逐渐准确，从而使整个博弈算法的性能逐渐提升。本发明将两个BP神经网络分别作为爱恩斯坦棋的价值估值函数和行为策略函数，将强化学习算法作为调整BP神经网络参数的进化机制，解决了目前爱恩斯坦棋训练集的水平受到人类水平限制的缺陷，提高了爱恩斯坦棋博弈水平的上限。
-
公开(公告)号：CN120069746A
公开(公告)日：2025-05-30
申请号：CN202510195357.8
申请日：2025-02-21
Applicant: 安徽大学
IPC: G06Q10/087 , G06F30/13 , G06F30/27 , G06N3/126
Abstract: 本发明提供一种基于多目标优化的立式预制构件堆场储位分配方法，首先根据堆场堆存情况、入场预制构件信息、桁车工作状态构建堆场储位优化数据集；然后以资源约束和空间约束为前提，以提高多桁车运作并行度、减少入场搬运完工时间以及关联预制构件就近存放为目标，构建堆场储位优化模型；再基于堆场储位优化数据集和模型，采用改进的非支配排序遗传算法NSGA‑II，通过适应度值评估、非支配排序以及拥挤度计算，数次择优迭代，输出Pareto前沿上的多个优质解；最后选择所有目标值均最优、染色体编码最小的个体作为最优的堆存方案，并进行可视化展示。本发明为装配式建筑工厂提供合理参考的同时，规范了堆场管理、优化了空间利用、提升了堆场运营效率。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.023 seconds)
