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

Inventor： 凌子龙 ,  周思宇 ,  徐佳 ,  王华彬 ,  李学俊

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

Inventor： 吴邦琪 ,  周思宇 ,  徐佳 ,  王华彬 ,  李学俊

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。

公开(公告)号：CN118229681A

公开(公告)日：2024-06-21

申请号：CN202410637905.3

申请日：2024-05-22

Applicant: 安徽大学

Inventor： 凌子龙 ,  周思宇 ,  徐佳 ,  王华彬 ,  李学俊

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：CN115154828B

公开(公告)日：2023-06-30

申请号：CN202210940177.4

申请日：2022-08-05

Applicant: 安徽大学

Inventor： 吕钊 ,  裴胜兵 ,  王华彬 ,  范存航 ,  李平 ,  周健

IPC: A61M21/00 ,  G06F3/01

Abstract: 本发明涉及一种基于脑机接口技术的大脑功能重塑方法、系统、设备。一种基于脑机接口技术的大脑功能重塑方法包括以下步骤：S1.实时采集运动功能障碍病人的脑电信号，根据脑电信号转换成控制指令。S2.根据运动功能障碍病人的全身视频得到一个动作评价指标。S3.根据运动功能障碍病人的面部视频计算出运动功能障碍病人的生理指标。S4.判断运动功能障碍病人的生理指标和动作评价指标是否在一个预设的合理指标范围内，得到一个判断结果。S5.根据控制指令控制机械臂，当判断运动功能障碍病人的生理指标或动作评价指标不在合理指标范围内时，控制机械臂停止。本发明实现了运动功能障碍病人可以通过脑电信号控制机械臂独立完成康复训练。

公开(公告)号：CN115600774B

公开(公告)日：2023-03-10

申请号：CN202211600382.2

申请日：2022-12-14

Applicant: 安徽大学绿色产业创新研究院

Inventor： 李学俊 ,  史快乐 ,  周思宇 ,  王华彬

IPC: G06Q10/04 ,  G06Q10/0631

Abstract: 本发明属于建筑工业领域，具体涉及一种装配式建筑构件产线的多目标生产调度优化方法、系统与装置。该多目标生产调度优化方法包括如下步骤：S1：对企业的订单数据、产线数据、生产资料数据和工艺数据进行标准化处理，构成企业运营数据集。S2：以均衡各条产线的负载为目标，生成若干个可行的调度网络图。S3：对调度网络图进行解析获得生产工序图。S4：构建用于评价生产工序图效能的优化函数。S5：采用遗传算法对初始化种群进行迭代优化，得到最佳调度网络图。S6：根据最佳调度网络图解析出当前订单的最佳排产方案。本发明解决了现有方案无法有根据企业产能的变化对产线进行合理调度，进而导致订单加工时长延长、产品生产成本升高等问题。

公开(公告)号：CN109697692B

公开(公告)日：2022-11-22

申请号：CN201811634213.4

申请日：2018-12-29

Applicant: 安徽大学

Inventor： 谭莉 ,  汪粼波 ,  方贤勇 ,  王华彬

IPC: G06T3/00 ,  G06V10/75

Abstract: 本发明提供一种基于局部结构相似的特征匹配方法，用来解决图像配准过程中出现的由于噪声干扰而造成匹配结果不理想的问题。步骤包括：步骤1，对两张待匹配图像进行特征提取与初始匹配；步骤2，建立特征点的邻域仿射系数矩阵；步骤3，对初始匹配集中的每一个匹配，计算与之相关联的特征点的邻域仿射系数矩阵的差异；步骤4，对邻域仿射系数矩阵进行优化，获取局部结构差异程度；步骤5，根据每个匹配相关联的特征点的局部结构差异值，设定比较阈值，确定最终的特征匹配对作为待匹配图像的匹配关系结果。本发明在技术上克服了现有技术优化过程复杂并收敛慢的问题，有效提高匹配的效率。

公开(公告)号：CN113269718B

公开(公告)日：2022-09-16

申请号：CN202110406927.5

申请日：2021-04-15

Applicant: 安徽大学

Inventor： 李学俊 ,  谢佳员 ,  琚川徽 ,  王华彬

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及计算机视觉、深度学习技术领域，具体涉及一种基于深度学习的混凝土预制构件裂缝检测方法，该方法包括：采集裂缝图像数据，将采集的裂缝图像样本进行预处理，并对其进行人工标注；将标注后的数据样本进行数据增广，并划分为训练集、验证集和测试集；搭建卷积神经网络模型；对卷积神经网络模型进行训练、验证和测试，以得到最终的算法模型；利用所述的算法模型对待检测的裂缝图像进行检测，得到检测结果。本发明相较于传统的人工检测方法，大大降低了人工成本并且提高了检测的精度。此外，相对于现有的图像处理检测方法，本发明可对高分辨率图像进行检测，具有可操作性强和检测精度较高的优点。

公开(公告)号：CN109544605B

公开(公告)日：2022-01-21

申请号：CN201810497909.0

申请日：2018-05-23

Applicant: 安徽大学

Inventor： 方贤勇 ,  孙磊 ,  孙恒飞 ,  傅张军 ,  孙皆安 ,  王华彬 ,  周健 ,  汪粼波 ,  刘天坤 ,  王志斌 ,  王民化

IPC: G06T7/277

Abstract: 目前的移动阴影检测算法检测结果不够理想的问题，本发明提供基于时空关系建模的移动阴影检测方法，该方法利用HSV颜色空间和LBP纹理特征相结合的阴影特征，在阴影区域两步预检测的基础上，通过计算区域阴影程度的似然概率和其在帧内相邻域基于阴影特征两步特征分项比较和帧间相邻区域基于区域面积加权相结合得到的先验概率，实现基于马尔可夫随机场的迭代优化式阴影区域分割求解。实验结果表明，对于视频中移动阴影的检测，该方法有很好的效果。

公开(公告)号：CN108805897B

公开(公告)日：2022-01-21

申请号：CN201810498273.1

申请日：2018-05-22

Applicant: 安徽大学

Inventor： 方贤勇 ,  曹明军 ,  李薛剑 ,  孙恒飞 ,  傅张军 ,  孙皆安 ,  王华彬 ,  汪粼波 ,  周健 ,  李同芝 ,  陶宗祥

IPC: G06T7/215 ,  G06T7/254 ,  G06T7/194

Abstract: 针对经典的VIBE前景提取算法当输入的第一帧含有运动目标时后续检测就会出现“鬼影”现象、像素判别时模型中的固定半径在复杂场景检测效果不佳等问题，本发明提供一种改进的运动目标检测VIBE算法，区分静止区域是“鬼影”区域还是静止目标，并描述当前像素与背景模型中样本之间的差异程度，且在像素判别时根据描述字来动态调整判别模型中半径的大小，使得在场景变化程度较小时有更多的前景点被检测出，变化程度较大时能够阻止波动较小的像素点被检测为前景点，减少检测结果中的噪声。有益的技术效果：与原始的VIBE算法相比较，本发明能够在更少的帧数内去除“鬼影”，并使得检测出的运动目标更为准确。

公开(公告)号：CN113487503A

公开(公告)日：2021-10-08

申请号：CN202110749087.2

申请日：2021-07-01

Applicant: 安徽大学

Inventor： 周芃 ,  林毅 ,  李学俊 ,  王华彬 ,  韩先君

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于通道注意力生成对抗网络的PET超分辨率方法。该方法包括：步骤一.获取高分辨率的训练数据集和测试数据集；步骤二.获取低分辨率的训练数据集和测试数据集；步骤三.在超分辨率生成对抗网络(Super Reso l ut i on Generat i ve Adversar i a l Network，SRGAN)的生成器中用残差通道注意力块取代残差块，得到通道注意力超分辨率生成对抗网络；步骤四.用像素级的均方误差损失改进SRGAN的感知损失；步骤五.对网络进行训练；步骤六.用图像质量评价指标对网络进行评价。本发明在SRGAN的基础上加入了通道注意力机制，使得生成器网络更加关注含有丰富高频信息的通道，增加了卷积神经网络的表征能力。同时，用像素级的均方误差损失改进SRGAN的感知损失，进一步提高了重建图像的质量。