-
题名工作流在煤矿经营管理系统应用的研究
- 1
-
-
作者
鲍士水
成三彬
-
机构
安徽理工大学计算机科学与技术学院
-
出处
《黑龙江科技信息》
2010年第28期86-86,共1页
-
文摘
从加强煤矿管理信息化建设的角度出发,结合煤矿经营管理的特点,在对煤矿煤矿经营管理系统进行分析的基础上,建立起基于工作流的煤矿经营管理系统,并对工作流技术进行研究,提高煤矿经营管理水平。
-
关键词
工作流
JBPM
工作流管理系统
工作流引擎
-
分类号
TP317.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于图像识别的带式输送机输煤量和跑偏检测方法
被引量：36
- 2
-
-
作者
韩涛
黄友锐
张立志
徐善永
许家昌
鲍士水
-
机构
安徽理工大学电气与信息工程学院
西安外事学院工学院
-
出处
《工矿自动化》
北大核心
2020年第4期17-22,共6页
-
基金
国家自然科学基金资助项目(61772033)
陕西省教育厅科研计划资助项目(18JK1131)。
-
文摘
传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能.为降低网络结构的复杂性,提出了一种基于多任务卷积神经网络(MT-CNN)的带式输送机输煤量和跑偏检测方法,可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数.在VGGNet模型的基础上,增大卷积核和池化核的尺度,减少全连接层通道数量,改变输出层结构,构建了MT-CNN;对采集的输送带图像进行灰度化、中值滤波和提取感兴趣区域等预处理后,获取训练数据集和测试数据集,并对MT-CNN进行训练;使用训练好的MT-CNN对输送带图像进行识别分类,实现输煤量和跑偏的准确、快速检测.实验结果表明,训练后的MT-CNN在测试数据集中检测准确率为97.3%,平均处理每张图像的时间约为23.1 ms.通过现场实际运行验证了该方法的有效性.
-
关键词
带式输送机
输煤量检测
跑偏检测
图像识别
多任务卷积神经网络
-
Keywords
belt conveyor
coal quantity detection
deviation detection
image recognition
multi-task convolutional neural network
-
分类号
TD634.1
[矿业工程—矿山机电]
-
-
题名遗传算法在最大容积率估算问题中的应用
- 3
-
-
作者
成三彬
鲍士水
-
机构
安徽理工大学计算机科学与技术学院
-
出处
《黑龙江科技信息》
2011年第8期43-43,共1页
-
文摘
近年,随着我国城市化规模的迅速发展和生活水平的不断提高,人们对生活质量要求越来越高。在城市规划中,有关建筑日照和分析方面的矛盾日益突出。因此,在设计施工前对容积率、日照要求进行评估成为减少矛盾发生的重要手段,文章讨论了估算最大容积率的客观必要性以及主要障碍,探讨了将生物遗传算法应用于最大容积率的求解计算。
-
关键词
最大容积率
遗传算法
包络体
-
分类号
TU241
[建筑科学—建筑设计及理论]
-
