-
题名基于品项相关性的阵列式自动拣选机货位优化
被引量：4
- 1
-
-
作者
李明
吴耀华
张健
陈宁宁
-
机构
山东大学控制科学与工程学院
山东建筑大学信息与电气工程学院
济南大学经济学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2015年第7期1896-1905,共10页
-
基金
国家自然科学基金资助项目(61403234)
山东大学自主创新基金资助项目(31400073614023)~~
-
文摘
为提高阵列式自动拣选机的拣选效率,提出基于品项相关性的货位优化方法。针对阵列式自动化拣选机通道列串行拣选、并行合流的工作特点,分析了设备通道列作业时序,建立了阵列式自动拣选机订单拣选总时间数学模型,将其归结为以最大总虚拟视窗时差为目标的货位分配问题。为求解该问题,设计了启发式聚类算法,将相关性强的品项分配至间隔距离远的通道列存储,以增大总虚拟视窗时差,提高设备拣选效率。通过某医药物流配送中心阵列式自动拣选机的实例分析表明,采用启发式算法可使订单拣选总时间减少约5%。
-
关键词
自动化拣选
数学模型
货位分配
品项相关性
启发式算法
-
Keywords
automated picking
mathematical models
storage location assignment
item correlations
heuristic algorithms
-
分类号
TP278
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于深度学习的木材缺陷图像的识别与定位
被引量：12
- 2
-
-
作者
李若尘
朱悠翔
孙卫民
龚思源
钱鑫
业宁
-
机构
南京林业大学信息技术学院
江苏省住建厅住宅与房地产业促进中心
南京市金陵中学
-
出处
《数据采集与处理》
CSCD
北大核心
2020年第3期494-505,共12页
-
基金
国家重点研发计划(2016YFD0600101)资助项目
江苏省住建厅计划(2016ZD44)资助项目
江苏省大学生训练计划(201810298052Z)资助项目。
-
文摘
传统的木材缺陷定位方法主要有物理设备检测和传统计算机技术检测,但这两种方法均存在数据收集困难、高度依赖数据本身等问题,不适用于实际生产。本文提出一种基于深度学习的自动缺陷定位模型(Automatic defect location model,ADLM),包含单缺陷定位模型(Single defect location model,SDLM)与多缺陷定位模型(Multi-defect location model,MDLM),满足不同需求。模型使用MobileNet作为骨干网,只需少量数据集进行训练。在公开数据集Wood Defect Database中,该模型可获得86.1%的缺陷识别率。在单缺陷数据集中,该模型可获得97.5%的定位精确率。在多缺陷数据集中,该模型可获得90.0%的定位精确率。与传统的木材缺陷识别模型相比,基于深度学习的自动缺陷定位模型无须前期人工提取特征,具有检测速度更快、精准度更高以及适用性更广等优点。
-
关键词
自动缺陷定位模型方法
多缺陷定位模型
木材图像检测
MobileNet
-
Keywords
automated defect location model(adlm)algorithm
multi-defect location model(MDLM)
wood image segmentation
Mobile Net
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名电网故障自动定位与检测系统
被引量：1
- 3
-
-
作者
周桐
-
机构
铜陵学院
-
出处
《湖南城市学院学报（自然科学版）》
CAS
2016年第2期176-177,共2页
-
文摘
本文从配网自动化故障定位的作用出发,从主动检测和被动检测两个方面,分析了配网自动化故障定位的算法,并分析了基于重合器的故障定位模式和基于FTU的故障定位模式等两种配网自动化故障定位模式,以期为保障配网运行安全,降低配网故障率提供借鉴意义。
-
关键词
配网自动化
故障定位
算法
模式
-
Keywords
distribution network automation fault location algorithm model
-
分类号
P228.4
[天文地球—大地测量学与测量工程]
-
