-
公开(公告)号:CN113723841B
公开(公告)日:2023-07-25
申请号:CN202111030371.0
申请日:2021-09-03
Applicant: 安徽大学绿色产业创新研究院
IPC: G06Q10/0639 , G06Q50/08 , G06V20/40 , G06V10/25 , G06V10/774 , G06V10/764 , G06K17/00
Abstract: 本发明涉及建筑工业领域,特别是涉及一种装配式预制构件中工装缺失的在线检测方法。方法包括如下步骤:S1:构建一个基于实时视频的工装检测网络;S2:获取载有预制构件的模台运动状态的实时视频。S3:设置一个执行在线检测的矩形的目标感应区。S4:采用工装检测网络对实时视频进行目标检测和目标跟踪,依次获取实时视频中出现的各个预制构件中的类型信息,以及预制构件中的工装的数量信号和位置信息;S5:根据类型信息查询云端数据库,获取该型预制构件中的工装的数量信息和位置信息的参考值;并将参考值实测值进行对比,判断产品是否合格。本发明解决了预制构件人工质量检测效率低,自动化检测的检测精度和实时性较差,难以满足要求的问题。
-
公开(公告)号:CN113421019A
公开(公告)日:2021-09-21
申请号:CN202110790777.2
申请日:2021-07-13
Applicant: 安徽大学绿色产业创新研究院
Abstract: 本发明公开了一种装配式建筑内运成本排产优化方法,属于装配式建筑构件排产技术领域,包括:以装配式建筑内运成本最优为优化目标,确定初步构件排产方案;以内运成本最优为优化目标,采用粒子群算法优化初步构件排产方案,得到最优的构件排产方案。本发明在保证多项目资源调度不冲突的情况下以内运成本最优为优化目标,基于粒子群算法优化构件排产方案,可以解决多项目排产时,多订单资源调度冲突,订单不能及时交付以及企业内运成本过高等问题。
-
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: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
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:CN113723841A
公开(公告)日:2021-11-30
申请号:CN202111030371.0
申请日:2021-09-03
Applicant: 安徽大学绿色产业创新研究院
Abstract: 本发明涉及建筑工业领域,特别是涉及一种装配式预制构件中工装缺失的在线检测方法。方法包括如下步骤:S1:构建一个基于实时视频的工装检测网络;S2:获取载有预制构件的模台运动状态的实时视频。S3:设置一个执行在线检测的矩形的目标感应区。S4:采用工装检测网络对实时视频进行目标检测和目标跟踪,依次获取实时视频中出现的各个预制构件中的类型信息,以及预制构件中的工装的数量信号和位置信息;S5:根据类型信息查询云端数据库,获取该型预制构件中的工装的数量信息和位置信息的参考值;并将参考值实测值进行对比,判断产品是否合格。本发明解决了预制构件人工质量检测效率低,自动化检测的检测精度和实时性较差,难以满足要求的问题。
-
公开(公告)号:CN114997195B
公开(公告)日:2024-10-18
申请号:CN202210515092.1
申请日:2022-05-12
Applicant: 安徽大学绿色产业创新研究院
Abstract: 本发明涉及建筑工业领域,特别是涉及一种基于巡检机器人的构件盘点定位方法,包括如下步骤:巡检机器人通过货架上的ARTAG标识码获取巡检机器人在ARTAG标识码坐标系下的定位坐标数据;根据ARTAG标识码预先标定的位置以及定位坐标数据,计算得到巡检机器人的位置;巡检机器人靠近货架时,货架上构件的RFID标签被巡检机器人的LF频率触发激励器唤醒,构件向巡检机器人的RFID阅读器发送自身ID和LF频率触发激励器的ID,得到构件盘点数据;根据步骤二中巡检机器人的位置反推货架的位置,将货架位置与构件盘点数据结合,得到构件定位数据;本发明解决了预制构件堆场盘点效率低,构件定位困难,构件数据更新实时性较差,难以满足要求的问题。
-
公开(公告)号:CN114879674B
公开(公告)日:2024-06-07
申请号:CN202210515083.2
申请日:2022-05-12
Applicant: 安徽大学绿色产业创新研究院
Abstract: 本发明涉及建筑工业领域,公开了一种预制构件堆场中巡检机器人调度与路径规划方法,首在建模时充分考虑了预制构件堆场环境条件,并考虑了局部带有避障效果的路径规划方法;其次在获得避障条件下的货架距离矩阵后,将每个货架的停留时间窗作为约束条件考虑在内,使用粒子群优化算法计算同时满足成本最低和效率最高的巡检机器人调度与路径规划方法;本发明对硬件的性能要求较低,系统的实时性好,因而能够实现在云端对巡检机器人进行调度和路径规划,能够实现巡检机器人最优巡检方案。
-
公开(公告)号:CN116740060B
公开(公告)日:2023-10-20
申请号:CN202311009724.8
申请日:2023-08-11
Applicant: 安徽大学绿色产业创新研究院
Abstract: 本发明公开了一种基于点云几何特征提取的装配式预制构件尺寸检测方法,首先基于法向量精细化进行装配式预制构件点云前景和背景的分割,使得装配式预制构件的点云从环境背景中分割出来;然后提取装配式预制构件点云的几何特征后,根据点云的几何特征,进行装配式预制构件边缘线的拟合,再根据拟合的边缘线计算得到装配式预制构件的尺寸信息;最后在点云可视化界面下添加装配式预制构件尺寸信息的3D文字标签。本发明基于装配式预制构件实测点云数据的分割结果拟合边缘线和提取特征点,进而计算装配式预制构件的尺寸,实现尺寸自动化检测的目的,提高检测效率的同时,保证尺寸检测的准确度。
-
公开(公告)号:CN116740060A
公开(公告)日:2023-09-12
申请号:CN202311009724.8
申请日:2023-08-11
Applicant: 安徽大学绿色产业创新研究院
Abstract: 本发明公开了一种基于点云几何特征提取的装配式预制构件尺寸检测方法,首先基于法向量精细化进行装配式预制构件点云前景和背景的分割,使得装配式预制构件的点云从环境背景中分割出来;然后提取装配式预制构件点云的几何特征后,根据点云的几何特征,进行装配式预制构件边缘线的拟合,再根据拟合的边缘线计算得到装配式预制构件的尺寸信息;最后在点云可视化界面下添加装配式预制构件尺寸信息的3D文字标签。本发明基于装配式预制构件实测点云数据的分割结果拟合边缘线和提取特征点,进而计算装配式预制构件的尺寸,实现尺寸自动化检测的目的,提高检测效率的同时,保证尺寸检测的准确度。
-
-
-
-
-
-
-
-
-