-
公开(公告)号：CN119672717B
公开(公告)日：2025-05-13
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：CN118377556B
公开(公告)日：2024-09-03
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：CN118396977A
公开(公告)日：2024-07-26
申请号：CN202410652482.2
申请日：2024-05-24
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06T7/246 , G06V10/25 , G06V10/82
Abstract: 本发明公开了一种装配式建筑中预埋件缺陷的检测方法，首先采集模台上载有预埋件的模具实时视频，同时设置执行在线检测的目标感应区，构建基于Mask R‑CNN目标检测算法和SORT目标跟踪算法的预埋件检测网络并进行训练，然后基于目标感应区的视频帧，采用训练好的预埋件检测网络对预埋件进行识别及跟踪，得到构件的实测预埋件数量信息和位置信息，最后将构件的实测预埋件数量信息和位置信息与该类型构件的标准预埋件数量信息和位置信息进行比对，获知构件模具中预埋件的检测结果。本发明可以实现逐帧图像的特征提取和目标跟踪的目的，从而更加精准的获取各个构件模具中预埋件的数量信息和位置信息。
-
公开(公告)号：CN118194733A
公开(公告)日：2024-06-14
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。
-
公开(公告)号：CN116757585A
公开(公告)日：2023-09-15
申请号：CN202311055812.1
申请日：2023-08-22
Applicant: 安徽大学
IPC: G06Q10/083 , G06Q10/0835 , G06K17/00
Abstract: 本发明公开了一种基于移动边缘计算的无人机和无人车协同配送方法，首先根据订单业务请求整合站点资源，生成能耗优先的静态配送服务方案，无人机执行静态配送服务方案中的前半段飞行配送任务，将包裹运送到指定的无人车交接站点；当无人机到达指定的无人车交接站点时，进行服务冲突检测，当不存在服务冲突时，则将包裹交给指定无人车交接站点中合适的无人车；当存在服务冲突时，给出替代方案；最后无人车执行后半段车载配送任务，将包裹运行至目的地。本发明选择能耗优先的静态配送服务方案，采用无人机和无人车接驳进行包裹的连续配送，能够有效降低物流配送成本，提高物流配送效率，在智慧物流包裹配送场景中具有极高的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN118396977B
公开(公告)日：2024-12-27
申请号：CN202410652482.2
申请日：2024-05-24
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06T7/246 , G06V10/25 , G06V10/82
Abstract: 本发明公开了一种装配式建筑中预埋件缺陷的检测方法，首先采集模台上载有预埋件的模具实时视频，同时设置执行在线检测的目标感应区，构建基于Mask R‑CNN目标检测算法和SORT目标跟踪算法的预埋件检测网络并进行训练，然后基于目标感应区的视频帧，采用训练好的预埋件检测网络对预埋件进行识别及跟踪，得到构件的实测预埋件数量信息和位置信息，最后将构件的实测预埋件数量信息和位置信息与该类型构件的标准预埋件数量信息和位置信息进行比对，获知构件模具中预埋件的检测结果。本发明可以实现逐帧图像的特征提取和目标跟踪的目的，从而更加精准的获取各个构件模具中预埋件的数量信息和位置信息。
-
公开(公告)号：CN118196103B
公开(公告)日：2024-08-13
申请号：CN202410617362.9
申请日：2024-05-17
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G01S13/88
Abstract: 本发明公开了一种结合YOLOv8和RTDETR的道路缺陷检测方法，采用YOLOv8特征提取网络实现对道路雷达图像的多尺度特征提取，采用RTDETR缺陷检测网络对提取出的特征进行缺陷区域的识别与分割，并在YOLOv8特征提取网络的Backbone网络中，利用CAGM模块对Conv层以及GFNet层获取的特征信息进行多次交互从而丰富梯度流信息。本发明基于以上技术内容的改进，从而大大提升了道路缺陷检测的准确率和召回率。
-
公开(公告)号：CN118196103A
公开(公告)日：2024-06-14
申请号：CN202410617362.9
申请日：2024-05-17
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G01S13/88
Abstract: 本发明公开了一种结合YOLOv8和RTDETR的道路缺陷检测方法，采用YOLOv8特征提取网络实现对道路雷达图像的多尺度特征提取，采用RTDETR缺陷检测网络对提取出的特征进行缺陷区域的识别与分割，并在YOLOv8特征提取网络的Backbone网络中，利用CAGM模块对Conv层以及GFNet层获取的特征信息进行多次交互从而丰富梯度流信息。本发明基于以上技术内容的改进，从而大大提升了道路缺陷检测的准确率和召回率。
-
公开(公告)号：CN118196181A
公开(公告)日：2024-06-14
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：CN116757585B
公开(公告)日：2023-10-31
申请号：CN202311055812.1
申请日：2023-08-22
Applicant: 安徽大学
IPC: G06Q10/083 , G06Q10/0835 , G06K17/00
Abstract: 本发明公开了一种基于移动边缘计算的无人机和无人车协同配送方法，首先根据订单业务请求整合站点资源，生成能耗优先的静态配送服务方案，无人机执行静态配送服务方案中的前半段飞行配送任务，将包裹运送到指定的无人车交接站点；当无人机到达指定的无人车交接站点时，进行服务冲突检测，当不存在服务冲突时，则将包裹交给指定无人车交接站点中合适的无人车；当存在服务冲突时，给出替代方案；最后无人车执行后半段车载配送任务，将包裹运行至目的地。本发明选择能耗优先的静态配送服务方案，采用无人机和无人车接驳进行包裹的连续配送，能够有效降低物流配送成本，提高物流配送效率，在智慧物流包裹配送场景中具有极高的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.024 seconds)
