公开(公告)号：CN119295540A

公开(公告)日：2025-01-10

申请号：CN202411148571.X

申请日：2024-08-21

Applicant: 暨南大学 ,  合肥长陆工业科技有限公司

Inventor： 李德平 ,  郭永辉 ,  苏胡云 ,  刘晓翔 ,  蒋健卓 ,  张远凯 ,  王高 ,  谭满春

IPC: G06T7/73 ,  G06T7/60 ,  G06V10/25 ,  G06V10/94 ,  G06N3/0464

Abstract: 本发明公开了一种用于桶形贴标机的圆桶特征定位方法及装置，包括基于预设的多个摄像头获取圆桶的视频流数据，利用预训练的圆桶特征识别网络对所述视频流数据进行特征识别，并将识别到的目标特征和目标特征对应的摄像头编号保存到缓冲文件中；初始化缓冲文件；清空缓冲文件后，等待缓冲文件中的一条新的识别数据，将缓冲文件中的识别数据输入到预先设立的圆桶位置角度模型中，得到目标特征当前所在的角度位置信息；基于圆桶目标特征当前所在的角度位置信息生成一个状态信息；将所述角度位置信息和所述状态信息传给服务器端，服务器端根据接收到的角度位置信息和状态信息将圆桶的目标特征转到指定位置。本发明解决了传统贴标机定位速度较慢的问题。

公开(公告)号：CN118714711A

公开(公告)日：2024-09-27

申请号：CN202410917900.6

申请日：2024-07-10

Applicant: 暨南大学

Inventor： 刘晓翔 ,  李佳信 ,  张桦坚 ,  詹东东 ,  李恒鑫 ,  黄旻睿 ,  陈妙儿

IPC: H05B47/165 ,  G06N3/0464 ,  G06N3/082 ,  G06V20/40 ,  G06V10/25 ,  G06V10/82 ,  H05B47/125

Abstract: 本申请涉及基于改进的YOLOv7和量化加速的路灯控制方法、装置、系统及介质，该方法包括：接收在预设路灯开启时间内对目标区域进行监控所生成的目标视频图像；对目标视频图像进行预处理，利用已加速推理部属的目标识别引擎，在预处理后的目标视频图像中进行移动目标识别，得到识别结果，目标识别引擎是采用TensorRT对轻量化YOLOv7模型进行加速推理和量化处理生成的，轻量化YOLOv7模型是在对标准YOLOv7模型的深度乘数和宽度乘数进行调节后，对标准YOLOv7模型的Head网络中的目标网络层进行剪枝，以及利用ShuffleNet和MobileNetV2对标准YOLOv7模型的BackBone网络和Neck网络中的E‑ELAN进行替换所生成的；在识别结果中，检测目标标签，并根据检测结果，按预设的亮度控制策略，对位于目标区域内的预设路灯进行亮度控制。

公开(公告)号：CN116665092A

公开(公告)日：2023-08-29

申请号：CN202310559438.2

申请日：2023-05-17

Applicant: 暨南大学

Inventor： 刘晓翔 ,  昂思宁 ,  刘思远 ,  黄宇星 ,  黄浩彬

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/764 ,  G06V10/25 ,  G06T5/00 ,  G06V10/40

Abstract: 本申请涉及基于IA‑YOLOV7的污水悬浮物识别方法及系统，该方法包括：获取待识别的目标图像，目标图像是从检测污水流动介质的视频流数据中获取的；利用已构建的图像自适应Image‑Adaptive YOLOV7目标检测模型，处理目标图像，得到污水悬浮物的目标标签信息，目标标签信息包括悬浮物类别标签信息和悬浮物位置信息，Image‑Adaptive YOLOV7目标检测模型是以YOLOV7标准模型为基线模型，并基于预设的图像数据集以及图像数据集的图像所对应的实测悬浮物类别标签信息及实测悬浮物位置信息进行训练的；基于悬浮物类别标签信息、悬浮物位置信息及目标图像，生成污水悬浮物的识别结果。通过本申请，解决了相关技术中污水悬浮物的识别受恶劣自然环境影响，造成识别污水悬浮物的难度大且识别准确率低的问题。

公开(公告)号：CN114689058A

公开(公告)日：2022-07-01

申请号：CN202210444320.0

申请日：2022-04-25

Applicant: 暨南大学

Inventor： 刘晓翔 ,  陈星池 ,  李敏 ,  宋世杰 ,  吴之尧 ,  覃哲

IPC: G01C21/20 ,  G06N3/04 ,  G06N3/12

Abstract: 本申请涉及一种基于深度学习和混合遗传算法的火灾疏散路径规划方法，包括：在根据实时消防监测的视频确定目标区域发生火灾时，获取处于目标区域的疏散目标所对应的跟踪信息，跟踪信息包括人流信息和目标位置信息；获取目标区域外多个空间节点所对应的节点信息，生成与疏散目标对应的可疏散路径，空间节点用于表征疏散目标疏散时所经过的区域；基于人流信息、目标位置信息和可疏散路径，确定疏散优化标签；利用混合遗传算法和疏散优化标签对可疏散路径进行处理，得到每个疏散目标所对应的备选疏散路径，并根据备选疏散路径是否被阻断，确定疏散路径规划结果。通过本申请，解决了相关技术中规划的火灾疏散路径疏散人群速度慢、疏散效率低的问题。

公开(公告)号：CN118135251A

公开(公告)日：2024-06-04

申请号：CN202410269108.4

申请日：2024-03-11

Applicant: 暨南大学

Inventor： 刘晓翔 ,  李佳信 ,  张桦坚 ,  黄旻睿 ,  陈妙儿 ,  郑悦 ,  吴尚师 ,  张智尧

IPC: G06V10/60 ,  G06V10/25 ,  G06V10/44 ,  G06V10/56 ,  G06V10/774 ,  G06V10/30 ,  G06V10/80

Abstract: 本申请涉及基于3D‑LUT的目标检测方法、装置、电子装置、系统及存储介质，该方法包括：获取待检测的第一图像帧；利用已训备的第一3D‑LUT模型和预设的插值法，对第一图像帧进行亮度和对比度增强处理，得到增强图像帧，第一3D‑LUT模型是利用当前已生成的第二3D‑LUT模型，对配对的暗光样本图像和亮光样本图像进行图像增强校验，指导当前已生成的第二3D‑LUT模型进行迭代所训练的CNN；基于目标检测模型，在增强图像帧中进行目标检测，得到检测结果，目标检测模型是基于YOLOv8算法，根据通过第一3D‑LUT模型对预设的样本图像帧进行增强处理生成的第二图像帧和与第二图像帧对应的实测目标所训练的神经网络模型。通过本申请，解决了现有目标检测技术应对弱光复杂环境检测效果不佳的问题。

公开(公告)号：CN117787186A

公开(公告)日：2024-03-29

申请号：CN202311842531.0

申请日：2023-12-28

Applicant: 暨南大学

Inventor： 欧阳雅捷 ,  刘晓翔

IPC: G06F30/392 ,  G06N3/09 ,  G06N3/092

Abstract: 本发明提出了基于分层强化学习的多目标芯片布局优化方法，所述方法包括：构建分层强化学习的基本框架，确定优化目标，定义状态空间、动作空间、奖励函数；将布局问题分解成子任务，构建基于子任务的分层强化学习框架；引入图神经网络改进状态表示，设计多层次图神经网络，并将图神经网络与强化学习结合进行训练；设计多目标优化策略，并调整动态权重系数；根据多目标优化策略调整奖励机制，并引入策略微调机制进行策略微调，再将动态权重系数调整为自适应权重系数；设计跨尺度策略进行跨尺度协调和同步，优化布局策略。本发明不仅提高了问题处理的效率，而且通过专注于局部优化，改善了整体布局的质量。

公开(公告)号：CN116594358B

公开(公告)日：2024-01-02

申请号：CN202310436057.5

申请日：2023-04-20

Applicant: 暨南大学

Inventor： 欧阳雅捷 ,  刘晓翔

IPC: G05B19/418

Abstract: 本发明提出了一种基于强化学习的多层工厂车间调度方法，包括：建立多层工厂车间物流网络模型；收集数据，采用边缘计算算法对数据进行实时预处理和分析，采用联邦学习技术对分散在不同设备上的数据进行分布式学习；设计强化学习模型；实时调度执行，使用模型预测控制技术，生成鲁棒调度策略，然后采用事件驱动调度方法，提高调度系统的适应性；采用多层工厂在线强化学习方法，强化学习模型实时更新参数，然后采用迁移学习技术，提升强化学习模型的学习效果和泛化能力；采用贝叶斯优化算法和进化算法，优化物流网络模型。本发明通过设计在线学习方法的形式在多层工厂调度问题中实现高效率协同的分布式计算，能够快速适应环境的变化。

公开(公告)号：CN117114236A

公开(公告)日：2023-11-24

申请号：CN202311073467.4

申请日：2023-08-23

Applicant: 暨南大学

Inventor： 张鑫源 ,  董佳奇 ,  刘晓翔 ,  林聪 ,  龚雪沅

IPC: G06Q10/063 ,  G06Q50/06 ,  G06N3/126

Abstract: 本申请涉及基于协同演化算法的非侵入式负荷监测方法及存储介质，该方法包括：对获取的目标信息和第一基因值进行编码，生成多个包括多个第一编码的第一编码数组；在每个第一编码数组的多个第一编码分组中，确定当前利用遗传算法进行遗传操作的目标分组；在多个进化编码数组中，确定局部最优编码数组，基于从局部最优编码数组获取的意向编码基因，对除局部最优编码数组之外的进化编码数组进行编码基因更新，得到多个第二编码数组；基于第二编码数组对应的适应度，对每个第二编码数组的多个第二编码进行基于协同演化算法的处理、对处理得到的第二编码分组进行遗传操作及将对应的第二编码进行编码基因更新，得到包括目标编码数组的负荷监测结果。

公开(公告)号：CN114689058B

公开(公告)日：2024-06-11

申请号：CN202210444320.0

申请日：2022-04-25

Applicant: 暨南大学

Inventor： 刘晓翔 ,  陈星池 ,  李敏 ,  宋世杰 ,  吴之尧 ,  覃哲

IPC: G01C21/20 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/126

Abstract: 本申请涉及一种基于深度学习和混合遗传算法的火灾疏散路径规划方法，包括：在根据实时消防监测的视频确定目标区域发生火灾时，获取处于目标区域的疏散目标所对应的跟踪信息，跟踪信息包括人流信息和目标位置信息；获取目标区域外多个空间节点所对应的节点信息，生成与疏散目标对应的可疏散路径，空间节点用于表征疏散目标疏散时所经过的区域；基于人流信息、目标位置信息和可疏散路径，确定疏散优化标签；利用混合遗传算法和疏散优化标签对可疏散路径进行处理，得到每个疏散目标所对应的备选疏散路径，并根据备选疏散路径是否被阻断，确定疏散路径规划结果。通过本申请，解决了相关技术中规划的火灾疏散路径疏散人群速度慢、疏散效率低的问题。

公开(公告)号：CN116738923B

公开(公告)日：2024-04-05

申请号：CN202310359245.2

申请日：2023-04-04

Applicant: 暨南大学

Inventor： 欧阳雅捷 ,  刘晓翔

IPC: G06F30/392 ,  G06F30/3308 ,  G06F30/367 ,  G06F30/27 ,  G06N3/006 ,  G06F111/04

Abstract: 本发明提出了一种基于带约束强化学习的芯片布局优化方法，属于集成电路领域，方法包括：对芯片布局问题建立基于马尔可夫决策过程的模型；针对芯片设计布局领域，区分硬约束和软约束；设计强化学习算法处理硬约束和软约束；设计奖励函数分别处理硬约束和软约束；利用带约束的强化学习算法训练智能体，使智能体在满足硬约束的前提下，找到优化软约束的策略；在智能体训练完成后，将其应用于实际的芯片布局问题，通过智能体执行的动作序列，得到一个优化的布局方案。本发明通过采用带约束的强化学习算法和针对性的约束处理方式，可以在满足硬约束的前提下，对软约束进行优化，从而实现高性能、低功耗的芯片布局方案。