-
公开(公告)号:CN119007024A
公开(公告)日:2024-11-22
申请号:CN202411495255.X
申请日:2024-10-24
Applicant: 安徽大学
IPC: G06V20/10 , G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/58 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种多模自监督混合曼巴的高光谱影像分类方法,所述方法包括以下步骤:多模自监督混合曼巴的高光谱影像分类数据集处理、构建结合CNN和Mamba的高光谱影像分类网络、基于自监督的高光谱影像分类网络的无标签预训练、基于CLIP的多模态高光谱影像分类模型的训练、对多模态高光谱影像分类模型进行测试。与现有技术相比,结合CNN和Mamba提取空谱特征,有利于实现精准的高光谱图像分类,并通过自监督学习方法对模型进行预训练,无需标注的数据,让模型能够自行识别不同场景下的高光谱图像,提高了模型的泛化能力,同时,基于CLIP模型能够实现多模态的高光谱图像分类。
-
公开(公告)号:CN118967527A
公开(公告)日:2024-11-15
申请号:CN202411443444.2
申请日:2024-10-16
Applicant: 安徽大学
IPC: G06T5/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种物理模型引导和曼巴结合的云去除方法,所述方法包括以下步骤:构建光学遥感云去除数据集;基于物理模型引导的云分布显著图区域划分;基于曼巴的云去除模型构建与模型参数训练;获取待处理有云光学遥感影像数据;云去除性能验证。与现有技术相比,利用显著图计算辅助分析云覆盖遥感影像受云雾干扰的程度,引导云去除模型进行针对性的参数调整,以增强模型在特定区域对信息恢复的敏感性。同时基于具有高效全局特征提取能力的曼巴状态空间模型构建云去除模型,实现薄云和厚云区域缺失信息的恢复。在薄云和厚云共存情况下,保证云去除结果在薄云区域不过度校正,厚云区域得到充分填充与优化。
-
公开(公告)号:CN118396546A
公开(公告)日:2024-07-26
申请号:CN202410481748.1
申请日:2024-04-22
Applicant: 安徽大学
IPC: G06Q10/10 , G06Q10/0631 , G06Q10/0637 , G06Q50/26 , H04L67/1095
Abstract: 本发明涉及城市文明创建测评问题的管理、整改和跟踪的系统和方法领域,本发明公开了一种文明创建测评整改系统,包括前端界面、后端管理系统、移动端小程序以及数据库,前端界面提供多种列表内容展示和筛选导出功能,用户可以方便地查看和筛选相关信息,通过该界面,用户可以浏览测评计划、问题和整改任务等内容,并进行导出操作;本发明通过引入指标体系、评分标准和自动化数据处理等技术,本发明的文明创建测评整改系统能够实现快速、客观、全面的文明测评,并通过整改系统和管理系统实现对问题的及时跟进和记录,同时,移动应用程序的结合使得用户可以方便地随时随地进行测评填报和整改进展查看,提高了工作的灵活性和效率。
-
公开(公告)号:CN118196837A
公开(公告)日:2024-06-14
申请号:CN202410435500.1
申请日:2024-04-11
Applicant: 安徽大学
IPC: G06V40/10 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/74 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/045 , G06Q50/02 , G06N3/048
Abstract: 本发明公开了一种基于改进YOLOv7模型的奶牛体况评分方法,具体涉及奶牛畜牧业生产领域,包括摄像机录制牧场环境下奶牛尾部视频,得到原始奶牛尾部视频流;对视频流进行分帧,提取出带有牛尾部的图像数据;对图像数据使用labelimg软件进行标注,得到原始数据集;对标注的数据集中进行mosica增强,随机翻转,平移,加入高斯噪声,椒盐噪声进行模糊化处理,得到最终训练数据集;在YOLOv7模型的特征提取网络backbone的第42层加入双向路由注意力机制;在YOLOv7模型的CIOU中融合归一化高斯距离损失;具体为采集牧场奶牛尾部体况的图像数据,得到YOLOv7模型训练所需的数据集;对原始数据集进行加入高斯噪声,椒盐噪声,模糊化处理,获得多样化的数据集。
-
公开(公告)号:CN117522824B
公开(公告)日:2024-05-14
申请号:CN202311531117.8
申请日:2023-11-16
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06V10/764 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于域知识库的多源域泛化的云和云阴影检测方法,所述方法包括以下步骤:基于域知识库的多源域泛化的云和云阴影检测准备工作、构建与训练基于域知识库的多源域泛化的云和云阴影检测模型、对基于域知识库的多源域泛化的云和云阴影检测模型测试和求解。与现有技术相比,通过基于域知识库的多源域泛化的云和云阴影检测网络,本发明解决了现有云和云阴影检测任务中由于数据量局限以及域差异导致的难以将源训练模型推广至目标数据集的问题,实现了一个可以适应到其他卫星域的较好泛化能力的模型。
-
公开(公告)号:CN117521914A
公开(公告)日:2024-02-06
申请号:CN202311634508.2
申请日:2023-12-01
Applicant: 安徽大学
Abstract: 本发明涉及一种城市轨道交通早高峰乘客出发时间策略优化方法,包括:收集并处理城市轨道交通仿真模拟所需的基础数据;搭建并运行城市轨道交通仿真模拟系统,得到乘客出发时间调整策略;优化乘客出发时间调整策略所涉及的α和β这两个参数,考虑乘客对乘客出发时间调整策略的时间容忍度,通过将乘客出发时间调整策略和时间容忍度进行融合,进一步优化乘客的出发时间。本发明针对城市轨道交通环境,对参数α和β的取值及其相互关系对方法有效性的影响进行分析,引入了时间容忍度,使其更加符合实际情况,提高了有效性和鲁棒性,通过个体乘客出发时间的优化调整,以实现早高峰通勤期间客流压力的均匀分布,并有效减少通勤时间,缓解车站拥堵。
-
公开(公告)号:CN116798117A
公开(公告)日:2023-09-22
申请号:CN202310387213.3
申请日:2023-04-07
Applicant: 安徽大学 , 苏州图灵智驰智能科技有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V40/10 , G06V10/82 , G06V10/764 , G06V20/52 , G06T7/246 , G06N3/08
Abstract: 一种基于视频理解的矿井下异常动作识别方法,其中包括:通过摄像头获取井下包含矿工实时动作的视频数据;预处理视频数据进行视频剪裁与抽帧,先将图片帧中的人物进行识别与标记;再将标记的人物目标绑定ID进行前后帧目标跟踪;将目标跟踪的结果送入3D卷积神经网络提取视频帧特征;将样本输入至SlowFast网络获得动作识别结果;根据追踪目标的具体动作,发现异常行为并发出警告。本发明解决了矿井下矿工异常动作判断智能化水平低的问题。
-
公开(公告)号:CN116189461B
公开(公告)日:2023-07-21
申请号:CN202310474045.1
申请日:2023-04-28
Applicant: 安徽大学
Abstract: 本发明涉及交通管控领域,尤其涉及考虑碳排放的交叉口交通管控方法、系统和存储介质。本发明中的考虑碳排放的交叉口交通管控方法首先结合等效系数计算当前交叉口各行驶方向上的流量比;然后计算信号周期和信号周期内各相位中的有效绿灯时间。该方法可通过调整等效系数基于交叉口实际情况进行交通管控,有利于提高高能耗车辆更多的行驶方向上的车辆通行效率,降低车辆损失时间,且该管控方法可用于制定任何交叉口的信号灯控制方案,实现符合交叉口最低碳排放的信号灯控制方案的制定。
-
公开(公告)号:CN110909858B
公开(公告)日:2023-06-02
申请号:CN201911178914.6
申请日:2019-11-27
Applicant: 安徽大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/006 , G06Q50/04
Abstract: 本发明提供了一种基于双信息素蚁群算法的批调度方法,包括S1:初始化n、M、Si、AntNum、Tmax、ρ,Ant=1,t=1;S2:令S3:蚂蚁Ant将工件分配到机器中,得到分批方案;S4:优化分批方案,计算解;S5:如果Ant<AntNum,令Ant=Ant+1,返回S3,否则获取当前的全局最优解,令Ant=1,更新期望和S6:当t<Tmax时,如果t%TS=0,令t=t+1,返回S2,否则令t=t+1,返回S3,当t≥Tmax时输出全局最优解及对应的分批方案。本发明提供的一种基于双信息素蚁群算法的批调度方法的优点在于:引入双信息素,同时考虑工件一起加工和顺序加工的期望,提高了对分批方案的优化效果,通过周期性初始化期望值,能够增加产生新解的可能性,防止陷入局部最优,为工业生产提供了有效的指导意见。
-
公开(公告)号:CN116151497A
公开(公告)日:2023-05-23
申请号:CN202211240191.X
申请日:2022-10-11
Applicant: 安徽大学
IPC: G06Q10/047 , G06Q10/0835
Abstract: 本发明提供一种带有取送货的多隔间车辆路径规划方法,方法包括:根据订单信息获取客户订单的订单三维参数、订单取货点以及订单送货点;获取车辆的隔间尺寸规格数据,据以将分类处理各客户订单;根据订单信息,根据订单取货点进行取货操作,根据订单三维参数将客户订单对应的物品放入车辆相应隔间,根据订单送货点进行送货操作;获取具有取送货的多隔间车辆路径参数,据以设定多隔间车辆约束条件,据以构建具有取送货的多隔间车辆路径模型;根据具有取送货的多隔间车辆路径模型,基于预置混合算法,求解具有取送货的多隔间车辆路径模型。本发明解决了适用性差、调度使用成本高以及运输车辆利用率较低导致路径规划效率较低的技术问题。
-
-
-
-
-
-
-
-
-