-
公开(公告)号:CN117423031A
公开(公告)日:2024-01-19
申请号:CN202311356744.2
申请日:2023-10-18
Applicant: 安徽大学
Abstract: 本发明涉及一种基于改进YOLOv7和DeepSORT的目标检测及跟踪系统,通过改进YOLOv7网络架构和训练策略,在损失函数中,坐标损失使用SIoU取代CIoU,考虑真实框与预测框向量角度,实现更准确的目标检测。系统融合DeepSORT算法,利用深度学习提取目标特征,引入加速度参数的卡尔曼滤波,实现持续跟踪和轨迹预测。系统可实时监测目标位置与行为,根据规则或模型进行实时预警,包括异常行为检测、碰撞风险预测等,早发现潜在安全问题或异常情况。工作流程包括:视频流数据读取与预处理;基于改进YOLOv7构建检测模型;基于改进DeepSORT构建跟踪模型;实时目标监测与异常预警。本系统是一种针对目标检测和跟踪领域的技术改进,具备准确检测、连续跟踪和实时预警功能,具有广泛的应用前景。
-
公开(公告)号:CN119962738A
公开(公告)日:2025-05-09
申请号:CN202510043081.1
申请日:2025-01-10
Applicant: 安徽大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/087 , G06N5/01
Abstract: 本申请涉及智能仓储技术领域,尤其是涉及一种基于模拟退火算法改进DMPC的库内作业全流程优化方法、装置及系统。该方法首先构建库内作业全流程的数学模型,涵盖库位分配、路径规划、任务调度等多个环节;然后利用动态矩阵预测控制(DMPC)生成初步优化方案;接着通过模拟退火算法对DMPC的优化结果进行改进,避免局部最优解,提升全局优化效果;最后根据优化结果动态调整库内各作业单元的工作状态,实现资源的均衡利用和作业效率的最大化。本申请通过引入模拟退火算法对DMPC进行改进,实现了库内作业全流程的全局优化,提升了资源利用率和作业效率,能够适应动态订单需求变化。
-