公开(公告)号：CN118194733B

公开(公告)日：2024-07-19

申请号：CN202410617373.7

申请日：2024-05-17

Applicant: 安徽大学

Inventor： 吴邦琪 ,  周思宇 ,  徐佳 ,  王华彬 ,  李学俊

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：CN118229681A

公开(公告)日：2024-06-21

申请号：CN202410637905.3

申请日：2024-05-22

Applicant: 安徽大学

Inventor： 凌子龙 ,  周思宇 ,  徐佳 ,  王华彬 ,  李学俊

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06T7/13 ,  G06T7/194 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G01S13/88

Abstract: 本发明公开了一种结合PVT和U‑Net深度学习的道路缺陷检测方法，首先获取原始探地雷达数据集，然后进行数据的预处理，构建标准化的探地雷达图像数据集；然后构建结合PVT和U‑Net的深度学习网络、添加符号距离函数的损失函数，基于损失函数、采用深度学习网络对探地雷达图像数据集中的训练集进行训练，得到训练好的深度学习网络；最后采用训练好的深度学习网络对探地雷达图像数据集中的测试集进行检测，提取到道路缺陷特征。本发明采用结合PVT和U‑Net的深度学习网络，能更好的提取和分割出道路的缺陷特征，并采用添加符号距离函数的损失函数进行训练，有效增强前景背景区域特征的可分性，提高了图像边缘部分的预测精度。

公开(公告)号：CN112291176A

公开(公告)日：2021-01-29

申请号：CN202011238044.X

申请日：2020-11-09

Applicant: 安徽大学

Inventor： 柏仕超 ,  徐佳 ,  李晓辉

IPC: H04L27/26

Abstract: 本发明公开了一种动态多用户检测方法及其动态多用户检测装置。本发明通过设计特定的调制信号Y，只需要对调制信号Y对调制信号Y中幅值处于一个预定阈值范围内的数据做零幅值处理，然后对超出所述预定阈值范围外的数据进行放大，经过这样处理的调制信号Y进行解调，统计一个预定时间段内接收到同一用户发送符号的次数，只要次数大于一个预定次数阈值，即可区别活跃用户。因此易运行、易调用、且可随时中断，而且可以大概率的得到真正活跃用户。用户可以随机地发送数据，基站通过数据处理可以定义出哪些用户是活跃的，在后续过程中可以方便突出管理，同时由于基站在不断更新活跃用户，也使得数据保持实时的可靠性。