公开(公告)号：CN116612636B

公开(公告)日：2024-01-23

申请号：CN202310582760.7

申请日：2023-05-22

Applicant: 暨南大学

Inventor： 欧阳雅捷 ,  殷力 ,  郭艺雯 ,  赵阔

IPC: G08G1/01 ,  G06F18/25 ,  G06F18/213 ,  G06N3/092 ,  G06N3/042 ,  G06N3/0464 ,  G08G1/052 ,  G08G1/095 ,  G08G1/08

Abstract: 本发明提出了一种基于多智能体强化学习及多模态信号感知的信号灯协同控制方法，包括：收集各种传感器的数据和进行多模态定义，通过数据融合技术实时获取信息；采用协同车路多智能体强化学习算法对信号灯与车辆进行协同控制；根据各种传感器的收集数据进行预处理，利用特征融合方法将不同模态的数据融合，为每个智能体构建局部状态空间；为信号灯智能体和车辆智能体设计动作空间；根据交通流控制的目标，为多智能体强化学习设计奖励函数；设计适用于车路协同控制场景的通信协议；使用历史数据或仿真环境对多智能体强化学习模型进行训练，找到最优策略。本发明通过引入车辆作(56)对比文件杨山田.基于多智能体深度强化学习的交通信号控制算法研究.中国博士学位论文全文数据库 工程科技Ⅱ辑.2023,(第1期),第66-72页.丛珊.基于多智能体强化学习的交通信号灯协同控制算法的研究.中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑.2023,(第1期),第19-24页.孙浩 等.基于深度强化学习的交通信号控制方法.计算机科学.2020,第47卷(第2期),第169-174页.

公开(公告)号：CN120031791A

公开(公告)日：2025-05-23

申请号：CN202411877675.4

申请日：2024-12-19

Applicant: 暨南大学

Inventor： 牛伟龙 ,  伍子卿 ,  孙小光 ,  屈挺 ,  陈洋 ,  魏来 ,  王梦媛 ,  陈顺如 ,  林婷婷 ,  张振兴 ,  刘畅 ,  邱若洁 ,  郭艺雯

IPC: G06T7/00 ,  G06T7/13 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V10/764 ,  G06V10/25 ,  G06V10/26

Abstract: 本发明涉及图像处理技术领域，具体指一种两阶段的刀具表面缺陷检测方法及系统，包括：对待检测刀具表面通道图像进行灰度化、姿态矫正、裁剪和标注操作，得到待检测刀具表面矫正灰度图像对应每张子图像及其编号；将每张子图像分别输入训练好的残差网络和支持向量机，输出每张子图像的第一预测缺陷概率值和第二预测缺陷概率值，并得到每张子图像的融合缺陷概率值；将融合缺陷概率值大于等于阈值的子图像作为异常子图像；基于各异常子图像及其编号相同的正常子图像，构成各异常子图像的缺陷对；将所有异常子图像的缺陷对输入训练好的孪生变换检测网络，输出各异常子图像中缺陷区域特征和分割结果。本发明提升刀具表面缺陷检测精确度、可靠性和效率。

公开(公告)号：CN120031790A

公开(公告)日：2025-05-23

申请号：CN202411877673.5

申请日：2024-12-19

Applicant: 暨南大学

Inventor： 牛伟龙 ,  徐许 ,  宋铖 ,  孙小光 ,  屈挺 ,  陈洋 ,  林婷婷 ,  刘畅 ,  魏来 ,  郭艺雯 ,  邱若洁 ,  陈顺如 ,  王梦媛 ,  张振兴

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/62 ,  G06T3/06 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及图像处理技术领域，尤其是指一种基于多模态融合的结构损伤检测方法及系统，包括：采集结构损伤的二维图像和三维点云；利用深度学习模型对二维图像进行分割，得到分割图像；将三维点云的三维坐标映射到图像坐标，建立三维点云与分割图像像素之间的对应关系，依据分割图像中每个像素的分割结果获取对应三维点云的损伤类别标签；根据三维点云的损伤类别标签，根据损伤的几何特性分别提取裂缝和面状损伤的结构化数据。本发明确保了损伤检测结果的准确性和一致性，有效提升了损伤检测的精度和鲁棒性。

公开(公告)号：CN116612636A

公开(公告)日：2023-08-18

申请号：CN202310582760.7

申请日：2023-05-22

Applicant: 暨南大学

Inventor： 欧阳雅捷 ,  殷力 ,  郭艺雯 ,  赵阔

IPC: G08G1/01 ,  G06F18/25 ,  G06F18/213 ,  G06N3/092 ,  G06N3/042 ,  G06N3/0464 ,  G08G1/052 ,  G08G1/095 ,  G08G1/08

Abstract: 本发明提出了一种基于多智能体强化学习及多模态信号感知的信号灯协同控制方法，包括：收集各种传感器的数据和进行多模态定义，通过数据融合技术实时获取信息；采用协同车路多智能体强化学习算法对信号灯与车辆进行协同控制；根据各种传感器的收集数据进行预处理，利用特征融合方法将不同模态的数据融合，为每个智能体构建局部状态空间；为信号灯智能体和车辆智能体设计动作空间；根据交通流控制的目标，为多智能体强化学习设计奖励函数；设计适用于车路协同控制场景的通信协议；使用历史数据或仿真环境对多智能体强化学习模型进行训练，找到最优策略。本发明通过引入车辆作为智能体，实现更有效的车路协同，进一步提高交通控制效果。