一种基于时空注意力机制的送达时间智能预测方法

    公开(公告)号:CN116596170A

    公开(公告)日:2023-08-15

    申请号:CN202310875592.0

    申请日:2023-07-18

    摘要: 本发明涉及即时配送时间预测技术领域,具体是一种基于时空注意力机制的送达时间智能预测方法,包括以下步骤:计算节点间余弦相似度,构造近邻关系特征数据集;使用深度神经网络计算节点选择概率,确定配送顺序;利用图嵌入和卷积神经网络对配送路线序列进行嵌入和提取,并计算注意力权重值;将路线节点特征输入门控循环单元中,提取特征间的时间关联性;将注意力权重和门控循环单元值相乘得到最终特征向量,并输入多层感知机中预测送达时间。在对即时配送送达时间预测过程中,充分考虑各类特征对配送节点选择的影响,提高了顺序预测的准确度,同时利用提出的时空注意力机制充分挖掘时空关系对送达过程用时的影响关系,实现较高精度的预测。

    大数据跨域图像分类模型训练方法、图像分类方法和系统

    公开(公告)号:CN116385808B

    公开(公告)日:2023-08-01

    申请号:CN202310644725.3

    申请日:2023-06-02

    摘要: 本发明涉及计算机和深度领域自适应技术领域,尤其是一种大数据跨域图像分类模型训练方法、图像分类方法和系统。本发明构建的基础模型包括骨干网络、区域级注意力提取模块、全局平均池化层、全局最大池化层、级联层、全连接瓶颈层、残差特征校正模块和全连接分类层。本发明在任务特定层之后插入残差特征校正模块,实现了显式学习跨域差异,通过最小化所提出的域识别损失,将较大的权重分配给最相关的源域类别,具有卓越的跨域迁移性能,同时有效地缓解了语义负迁移。源域标签数量多于目标域时,残差特征校正块的存在有利于降低语义负迁移,保证最终获得的大数据跨域图像分类模型在目标域上的精确度。

    一种基于深度学习的数据中心机房配电柜检测方法

    公开(公告)号:CN115937198A

    公开(公告)日:2023-04-07

    申请号:CN202310015929.0

    申请日:2023-01-06

    摘要: 本发明涉及一种基于深度学习的数据中心机房配电柜检测方法,包括:数据采集;进行目标检测标签标注;搭建Yolov5网络模型进行训练;搭建MaskRCNN网络模型进行训练;获取检测结果,若检测结果中包含仪表盘则进入下一步,否则进入步骤(9);进行图像细化、边缘检测、直线检测,判断是否出现异常情况,若出现异常情况则进行报警;将步骤(8)中获取的仪表盘读数与设定的发出警报的最大值和最小值进行对比,若超过最大值和/或小于最小值进行报警。本发明的成本更低,可大大降低数据中心运维成本;本发明可处理复杂业务识别,本发明针对设备指示灯与仪器仪表,基于Yolov5的检测算法有更为精准的定位与识别效果,基于MaskRCNN的分割算法有更好的指针提取效果。

    一种数据中心机器人自动巡检方法及其系统

    公开(公告)号:CN115755930A

    公开(公告)日:2023-03-07

    申请号:CN202211568305.3

    申请日:2022-12-08

    IPC分类号: G05D1/02

    摘要: 本发明涉及一种数据中心机器人自动巡检方法及其系统,与现有技术相比解决了难以实现数据中心机器巡检的缺陷。本发明包括以下步骤:机器人巡检路径的确定;巡检障碍物的识别;冷通道门的打开;环境信息的监测。本发明提出了将激光雷达与超声波传感器结合的方式,利用激光雷达速度快、精度高、距离远的优点,通过激光雷达进行定位;同时,利用超声波无法穿透玻璃且无视黑色物体影响的优势,可以准确识别玻璃门与数据中心内黑色模组及机柜,实现精准避障。