-
公开(公告)号：CN117612109A
公开(公告)日：2024-02-27
申请号：CN202311683815.X
申请日：2023-12-08
Applicant: 中南大学
Abstract: 本发明公开了一种铁路行车轨道范围内非特定异物侵限的分步检测方法。首先基于铁路异物侵限检测的特点，选用实时性高和轻量化的YOLO v5目标检测网络和PP‑Liteseg语义分割网络进行铁路非特定异物侵限分步检测。在进行检测之前，首先构建铁路异物侵限数据集，使用该数据集分别训练目标检测网络和语义分割网络，将铁路监控图像输入到训练好的PP‑LiteSeg分割网络，提取出轨道以划分侵限区域，再利用侵限判别模块判断是否有异物侵限，如果存在侵限则通过YOLO v5检测网络检测图像中是否存在人或列车，如果不存在人或者列车这两个目标，则输出警报。本发明通过分析分割网络的结果来减少目标检测网络的检测频率，达到了减少算力资源的目的，能够实现实时检测铁路行车范围内的异物入侵。
-
Patent Agency Ranking
公开(公告)号：CN114861368B
公开(公告)日：2023-09-12
申请号：CN202210659378.7
申请日：2022-06-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于近端策略的铁路纵断面设计学习模型的构建方法，涉及深度强化学习理论在铁路智能选线领域的应用，是一种基于近端策略算法(Proximal Policy Optimization，PPO)的铁路纵断面方案智能设计方法。发明构建了基于近端策略优化的铁路纵断面设计学习模型，结合铁路纵断面切割线模型以及深度强化学习理论，定义了切割线模型中的状态向量、动作向量，利用奖励函数处理了铁路纵断面设计中的各种约束，同时给出了铁路纵断面成本奖励函数的形式。自动优化后的纵断面方案能综合考虑工程费用和运营环境，较好地绕避障碍物和适应地形，为工程设计人员提供前期设计参考。
-
公开(公告)号：CN114723312B
公开(公告)日：2022-10-28
申请号：CN202210424111.X
申请日：2022-04-22
Applicant: 中南大学
Abstract: 本发明公开了一种考虑减碳的土石方机械配置方法。根据土石方系统中机械的实际运作特征和排队理论，建立以减少总成本、缩短工期和减少碳排放为目标的土石方工程中机械配置模型；对基本多目标粒子群优化算法进行改进，得到新的多目标粒子群优化算法；采用所述新的多目标粒子群优化算法对机械配置模型进行求解。该模型在原有基本土石方机械配置模型的基础上增加了减少碳排放的目标以及运输卡车会车的影响。然后采用一种改进多目标粒子群优化算法对模型进行求解。本发明提供的是一组解，同时可以满足不同偏好决策者的需求，对于指导土石方机械配置管理、降低土石方工程成本、工期和碳排放有着重要的现实意义。
-
公开(公告)号：CN117710886A
公开(公告)日：2024-03-15
申请号：CN202311724947.2
申请日：2023-12-15
Applicant: 中南大学
IPC: G06V20/52 , G06V10/26 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务学习网络的铁路非特定异物侵限整体检测方法。首先通过一个主干网络提取出轨道区域和待检测目标的共同特征，接着同时通过两个分支，一个是用于从铁路场景中分割出轨道部分的语义分割分支，另一个是用于检测侵入轨道区域的人或列车的目标检测分支，然后这两个分支同时进入判别模块，通过分析语义分割分支和目标检测分支输出的结果来判断是否需要报警。根据铁路异物侵限检测的特点，语义分割分支采用YOLOP算法，目标检测分支采用YOLO v5s算法，构建了一个并行式多任务学习网络。本发明通过同时进行语义分割分支和目标检测分支，有效提高了铁路非特定异物侵限检测的精度，并且采用轻量级网络，对硬件要求更低，更适合部署在设备上，能够实现铁路异物入侵的高精度实时检测。
-
公开(公告)号：CN114861368A
公开(公告)日：2022-08-05
申请号：CN202210659378.7
申请日：2022-06-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于近端策略的铁路纵断面设计学习模型的构建方法，涉及深度强化学习理论在铁路智能选线领域的应用，是一种基于近端策略算法(Proximal Policy Optimization，PPO)的铁路纵断面方案智能设计方法。发明构建了基于近端策略优化的铁路纵断面设计学习模型，结合铁路纵断面切割线模型以及深度强化学习理论，定义了切割线模型中的状态向量、动作向量，利用奖励函数处理了铁路纵断面设计中的各种约束，同时给出了铁路纵断面成本奖励函数的形式。自动优化后的纵断面方案能综合考虑工程费用和运营环境，较好地绕避障碍物和适应地形，为工程设计人员提供前期设计参考。
-
公开(公告)号：CN114723312A
公开(公告)日：2022-07-08
申请号：CN202210424111.X
申请日：2022-04-22
Applicant: 中南大学
Abstract: 本发明公开了一种考虑减碳的土石方机械配置方法。根据土石方系统中机械的实际运作特征和排队理论，建立以减少总成本、缩短工期和减少碳排放为目标的土石方工程中机械配置模型；对基本多目标粒子群优化算法进行改进，得到新的多目标粒子群优化算法；采用所述新的多目标粒子群优化算法对机械配置模型进行求解。该模型在原有基本土石方机械配置模型的基础上增加了减少碳排放的目标以及运输卡车会车的影响。然后采用一种改进多目标粒子群优化算法对模型进行求解。本发明提供的是一组解，同时可以满足不同偏好决策者的需求，对于指导土石方机械配置管理、降低土石方工程成本、工期和碳排放有着重要的现实意义。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
