-
公开(公告)号：CN119861674A
公开(公告)日：2025-04-22
申请号：CN202510087719.1
申请日：2025-01-20
Applicant: 安徽大学
IPC: G05B19/418
Abstract: 本发明公开了一种用于异构的分布式装配置换流水车间节能调度方法，包括：1构建分布式装配置换流水车间节能调度模型的目标函数；2构建分布式装配置换流水车间节能调度模型的约束条件；3使用分布式多种群协同进化算法对分布式装配置换流水车间节能调度模型进行求解，生成异构分布式装配置换流水车间节能调度方案。本发明在复杂分布式装配置换流水车间场景下，能获得耗时短、能耗低的最优生产加工方案，从而提高生产加工效率并降低能耗。
-
公开(公告)号：CN119809480A
公开(公告)日：2025-04-11
申请号：CN202411982837.0
申请日：2024-12-31
Applicant: 安徽大学
IPC: G06Q10/083 , G06Q10/047
Abstract: 本发明公开了一种具有取送货服务的无人机灵活访问的卡车无人机协同配送方法，包括：1.基于配送场景构建以最小化成本为目标的目标函数；2.构建碳排放约束；3.构建路径约束；4.构建空间约束；5.构建时间约束；6.构建负载约束；7.利用gurobi求解器对配送模型进行求解，得到最终配送方案。本发明通过构建更加全面的卡车无人机协同配送模型，并生成最优协同配送方案，从而大幅提高配送的合理性和效率，更贴近现实中客户需求和配送不可分割的情况，弥补了现有协同方案的不足。
-
公开(公告)号：CN119444875B
公开(公告)日：2025-04-08
申请号：CN202510027732.8
申请日：2025-01-08
Applicant: 安徽大学
IPC: G06T7/80 , G01S13/90 , G06V20/13 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明涉及一种提示学习和SAR数据辅助光学影像外参数自主标定方法，与现有技术相比实现了摆脱地面控制点依赖和融合多源信息，构建光学影像外参数补偿模型。本发明包括以下步骤：提示学习和SAR辅助的光学影像外参数自主标定方法准备工作；SAR卫星影像转换伪光学影像；基于提示学习的光学影像外参数自主标定模型构建；基于提示学习的光学影像外参数自主标定模型训练；光学影像外参数自主标定模型的应用。本发明通过引入SAR影像和提示学习技术，在传统标定方法无法覆盖的区域，如极地、沙漠和山林区域中外参数定标性能表现尤为突出。
-
公开(公告)号：CN119273704B
公开(公告)日：2025-04-04
申请号：CN202411807262.9
申请日：2024-12-10
Applicant: 安徽大学
IPC: G06T7/11 , G06T5/70 , G06T5/60 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种显著性参考和解耦的食管肿瘤CT影像扩散分割方法，通过结合显著性伪标签和扩散去噪网络，提高肿瘤分割的准确性。首先，对食管肿瘤CT图像进行预处理，并生成显著性伪标签，增强网络对肿瘤区域的关注。然后，构建显著性参考的分割网络和扩散去噪网络，采用条件扩散模型逐步加噪和去噪还原图像。设计了分割与去噪任务解耦的多任务学习框架，通过一致性约束确保任务之间的协同优化。通过联合优化交叉熵损失、Dice损失、均方误差和一致性损失，提高分割性能。实验结果表明，该方法能有效提升食管肿瘤的分割精度，具有较强的临床应用潜力。
-
公开(公告)号：CN119598139A
公开(公告)日：2025-03-11
申请号：CN202411566898.9
申请日：2024-11-05
Applicant: 安徽大学
IPC: G06F18/21 , G06F18/213 , G06V20/40 , G06V10/75 , G06F18/22 , G06F18/26 , G06F16/2458 , G06Q50/26
Abstract: 本发明公开了一种基于视觉问答技术的交通突发事件模式快速识别系统与方法，涉及智能交通管理、信息化技术与主动安全防控技术领域，一种基于视觉问答技术的交通突发事件模式快速识别系统，包括：信息上报模块，信息处理模块，实时视频调取模块，模糊匹配模块以及识别模块；信息上报模块用于向系统发送交通事件信息；信息处理模块用于将交通事件信息解析得到突发事件的时间地点信息以及突发事件的关键特征信息；实时视频调取模块用于获取相应路段上相应时间的监控视频数据；模糊匹配模块用于根据突发事件的关键特征信息匹配多个多维特征基本范式；识别模块基于相应路段上相应时间的监控视频数据和多个多维特征基本范式快速精确识别，得到唯一多维特征基本范式，从而得到相应的事件处理意见，从而能够及时对突发事件进行处理，降低衍生事故风险。
-
Patent Agency Ranking
公开(公告)号：CN119167985A
公开(公告)日：2024-12-20
申请号：CN202411649102.6
申请日：2024-11-19
Applicant: 安徽大学
IPC: G06N3/042 , G06N3/0464 , G06N3/0895 , G06F18/21 , G06F18/24
Abstract: 本发明涉及人工智能图神经网络（GNN）技术领域，具体为一种基于社区结构共性的图神经网络预训练方法及系统。预训练方法包括以下步骤：预处理输入图，形成包含节点集合V和边集合A的图G(V,A)；对图G(V,A)进行社区结构检测，以识别出图G(V,A)的社区结构，采用基于模块度的Louvain方法或标签传播的LPA方法高度识别社区；本发明提出了一种基于社区结构共性的图神经网络预训练方法，能够有效解决现有技术中关于大规模图数据处理效率低和对标注数据依赖强的问题。通过对输入图进行预处理和社区结构检测，采用模块度优化的Louvain方法或标签传播的LPA方法，可以高效识别并划分社区，从而保留图的局部和全局结构信息。
-
公开(公告)号：CN114091768B
公开(公告)日：2024-11-22
申请号：CN202111414339.2
申请日：2021-11-25
Applicant: 安徽大学
IPC: G06Q10/0631 , G06Q50/14 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 一种基于STL和带有注意力机制的LSTM的旅游需求预测方法，包括：从旅游客流量数据中获取初始的时间序列；使用STL分解模型对初始时间序列进行分解，得到3个分解序列；将3个分解序列分别输入到一个共享的注意力层，获得每个序列中不同特征的权重，然后将带有权重的特征作为LSTM的输入；对3个分解序列使用相同参数的LSTM模型进行训练，并分别对它们的测试集进行预测；3个预测结果进入全连接单元；将这3个预测结果相加得到游客达到量的最终预测结果并输出。本发明的优点在于：首先利用STL解决了旅游需求预测过程中由于数据量有限引起的高度复杂的模型中过拟合问题，并形成了一个相对简单的预测过程；其次，运用Attention‑LSTM有效地选择了特征变量和适当的时间步长。
-
公开(公告)号：CN117849795B
公开(公告)日：2024-08-02
申请号：CN202410054007.5
申请日：2024-01-15
Applicant: 安徽大学
IPC: G01S13/90
Abstract: 本发明设计一种顾及成像特性误差补偿的扫描成像模式SAR的几何处理方法，与现有技术相比解决了扫描成像模式SAR应用对高精度几何质量数据的要求，以及成像特性误差对几何定位精度带来的严重影响缺陷。本发明包括以下步骤：扫描成像模式SAR几何处理数据准备及预处理，升降轨异视配置下的扫描成像模式SAR距离和方位向时延系统误差自补偿，距离向和方位向的成像特性误差自适应补偿，子带SAR影像的基准传递标定，扫描成像模式多子带SAR影像拼接处理。本发明通过多重步骤补偿几何误差，包括预处理、自补偿、误差自适应补偿、基准传递标定和多子带拼接，提高了扫描成像模式SAR影像几何质量，为后续遥感应用提供可靠基础。
-
公开(公告)号：CN117788281B
公开(公告)日：2024-05-28
申请号：CN202410025880.1
申请日：2024-01-08
Applicant: 安徽大学
IPC: G06T3/4007 , G06T3/4038 , G06T5/80 , G06T17/00 , G06V20/10
Abstract: 本发明涉及低POS精度的机载线阵高光谱影像区域影像拼接方法及系统，与现有技术相比实现了低POS精度下大区域机载线阵高光谱影像高精度多轨拼接。本发明包括以下步骤：附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理；利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正；地物类型引导下的多航带线阵高光谱遥感影像稳健同名点匹配；航带定位基准一致的分块校正与多航带影像拼接。本发明实现利用交叉航带配置有效消除系统误差，以航带间同名点坐标误差聚类分块结果为单位进行拼接，有效解决沿轨和垂轨向误差变化所引起的航带间影像错误，为高光谱影像的大区域应用提供高质量数据。
-
公开(公告)号：CN118038086A
公开(公告)日：2024-05-14
申请号：CN202410430415.6
申请日：2024-04-11
Applicant: 安徽大学
IPC: G06V10/52 , G06N3/0464 , G06N3/09 , G06V10/82 , G06V10/88
Abstract: 本发明涉及一种基于多尺度和深度监督耦合增益的SAR转光学图像方法，所述方法包括以下步骤：获取成对光学遥感影像和SAR影像数据集；构建基于多尺度和深度监督耦合增益的SAR转光学图像模型；基于多尺度和深度监督耦合增益的SAR转光学图像模型训练；获取待翻译SAR影像数据；获取SAR影像翻译成光学影像结果。与现有技术相比，通过构建多层次的SAR转光学图像模型，充分利用不同尺度下SAR的图像特征的一致性与互补性，保证每一层的图像翻译都是有方向的；同时本发明对每种尺度下的翻译结果进行深度监督，对聚合的多尺度特征进行有效过滤；在二者的协同作用下，最终实现局部纹理保持和全局色调一致的SAR转光学图像。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.025 seconds)
