CN111951128B - 一种节能环保的建筑施工方法和装置 - Google Patents
一种节能环保的建筑施工方法和装置 Download PDFInfo
- Publication number
- CN111951128B CN111951128B CN202010897147.0A CN202010897147A CN111951128B CN 111951128 B CN111951128 B CN 111951128B CN 202010897147 A CN202010897147 A CN 202010897147A CN 111951128 B CN111951128 B CN 111951128B
- Authority
- CN
- China
- Prior art keywords
- information
- training data
- building material
- training
- obtaining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000009435 building construction Methods 0.000 title claims abstract description 43
- 238000012549 training Methods 0.000 claims abstract description 203
- 239000004566 building material Substances 0.000 claims abstract description 160
- 230000007613 environmental effect Effects 0.000 claims abstract description 64
- 238000005520 cutting process Methods 0.000 claims abstract description 59
- 238000012795 verification Methods 0.000 claims description 35
- 238000007477 logistic regression Methods 0.000 claims description 30
- 239000000463 material Substances 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 5
- 239000004035 construction material Substances 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 26
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 238000003062 neural network model Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004134 energy conservation Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种节能环保的建筑施工方法:获得第一参照模型,将所述第一参照模型作为第一输入数据;获得建筑材料尺寸信息,将所述尺寸信息作为第二输入数据;根据所述第一输入数据和所述第二输入数据构建训练数据集;将所述训练数据集输入第一训练模型;获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割。达到对建筑材料准确切割、节省建筑材料、环保的技术效果。
Description
技术领域
本发明涉及节能环保领域,尤其涉及一种节能环保的建筑施工方法和装置。
背景技术
随着建筑施工技术的快速发展,节能环保已经成为国家、社会和企业关注的焦点,如何将节能环保与建筑施工技术有机的进行结合是亟需解决的问题。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
在现有的建筑施工技术中,在建筑材料切割的过程中经常会因为切割不准确,造成建筑材料的浪费,导致建筑施工的不节能、不环保。
发明内容
本申请实施例通过提供一种节能环保的建筑施工方法和装置,解决了现有技术在建筑材料切割的过程中切割不准确的问题,达到对建筑材料准确判断、切割,进而达到节省建筑材料、节能、环保的技术效果。
鉴于上述问题,提出了本申请实施例提供一种节能环保的建筑施工方法和装置。
第一方面,本申请实施例提供了一种节能环保的建筑施工方法,所述方法包括:获得第一参照模型,将所述第一参照模型作为第一输入数据;获得建筑材料的尺寸信息,将所述尺寸信息作为第二输入数据;根据所述第一输入数据和所述第二输入数据构建训练数据集;将所述训练数据集输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息;获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割。
另一方面,本申请还提供了一种节能环保的建筑施工装置,其中,所述装置包括:第一获得单元,所述第一获得单元用于获得第一参照模型,将所述第一参照模型作为第一输入数据;第二获得单元,所述第二获得单元用于获得建筑材料的尺寸信息,将所述尺寸信息作为第二输入数据;第三获得单元,所述第三获得单元用于根据所述第一输入数据和所述第二输入数据构建训练数据集;第一输入单元,所述第一输入单元用于将所述训练数据集输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息;第四获得单元,所述第四获得单元用于获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;第一确定单元,所述第一确定单元用于根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割。
第三方面,本发明提供了一种节能环保的建筑施工装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获得第一参照模型和第一材料的尺寸信息并将其分别作为第一和第二输入数据构成训练集,将所述训练集输入第一训练模型,并所述训练模型经过多组数据训练后输出所述建筑材料与所述第一参照模型是否匹配结论的方式,基于训练模型进行多组训练后自动修改、校正的特性,使得所述训练模型输出的判断所述建筑材料与所述第一参照模型是否匹配的结论更加准确,进而达到对所述建筑材料切割更加准确、节省材料、环保、节能的效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种节能环保的建筑施工方法的流程示意图;
图2为本申请实施例一种节能环保的建筑施工方法中获得第一参照模型的流程示意图;
图3为本申请实施例一种节能环保的建筑施工方法中保证训练数据集的安全性的流程示意图;
图4为本申请实施例一种节能环保的建筑施工方法中获得更准确的训练模型的流程示意图;
图5为本申请实施例一种节能环保的建筑施工方法中确定是否获得第一切割指令的流程示意图;
图6为本申请实施例一种节能环保的建筑施工方法中保证所述建筑材料更加环保的流程示意图;
图7为本申请实施例一种节能环保的建筑施工方法中进一步保证所述建筑材料更加环保的流程示意图;
图8为本申请实施例一种节能环保的建筑施工方法中确定是否获得第一切割指令的流程示意图;
图9为本申请实施例一种节能环保的建筑施工装置的结构示意图;
图10为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一输入单元14,第四获得单元15,第一确定单元16,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种节能环保的建筑施工方法和装置,解决了现有技术在建筑材料切割的过程中切割不准确的问题,达到对建筑材料准确判断、切割,进而达到节省建筑材料、节能、环保的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
随着建筑施工技术的快速发展,节能环保已经成为国家、社会和企业关注的焦点,如何将节能环保与建筑施工技术有机的进行结合是亟需解决的问题。在现有的建筑施工技术中,在建筑材料切割的过程中经常会因为切割不准确,造成建筑材料的浪费,导致建筑施工的不节能、不环保。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种节能环保的建筑施工方法,所述方法包括:获得第一参照模型,将所述第一参照模型作为第一输入数据;获得建筑材料的尺寸信息,将所述尺寸信息作为第二输入数据;根据所述第一输入数据和所述第二输入数据构建训练数据集;将所述训练数据集输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息;获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种节能环保的建筑施工方法,其中,所述方法包括:
步骤S100:获得第一参照模型,将所述第一参照模型作为第一输入数据;
具体而言,所述模型具体为通过主观意识借助实体或者虚拟表现、构成客观阐述形态、结构的一种表达目的的物件,所述参照模型具体为根据需求的建筑材料的结构、形态、尺寸、形状获得的具有参考价值的标准的模型。所述第一输入数据具体为训练模型的输入数据。
步骤S200:获得建筑材料的尺寸信息,将所述尺寸信息作为第二输入数据;
具体而言,所述尺寸信息为物体的长、宽、高、等信息,这里指建筑材料的相关的长、宽、高信息。将所述尺寸信息作为第二输入数据,所述第二输入数据为输入所述训练模型的第二输入数据。通过获得要裁剪的建筑材料的本身的尺寸信息,为后续对所述建筑材料进行准确分析判断夯实了基础。
步骤S300:根据所述第一输入数据和所述第二输入数据构建训练数据集;
具体而言,所述训练数据集为根据第一输入数据和第二输入数据构建的,更具体而言,将第一输入数据和第二输入数据作为第一训练数据,通过多组训练数据构成训练数据集,通过所述训练数据训练获得的训练模型,使得所述训练模型输出的所述建筑材料与所述第一参照模型是否匹配的信息更加准确,进而达到节省建筑材料、节能、环保的技术效果。
步骤S400:将所述训练数据集输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息;
具体而言,所述第一训练模型为一神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量的数据的训练,将所述第一输入数据、所述第二输入数据输入神经网络模型,则输出所述建筑材料与第一参照模型是否匹配信息。更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息,将所述第一输入数据、所述第二输入数据输入到神经网络模型中,所述神经网络模型输出所述建筑材料与第一参照模型是否匹配信息,判断所述输出信息与用来标识建筑材料与第一参照模型是否匹配的标识信息是否一致,如一致,进行下一组数据的监督学习;如果所述输出信息与用来标识建筑材料与第一参照模型是否匹配的标识信息不一致,则所述神经网络模型进行自我修正、调整,直至获得的输出信息与用来标识建筑材料与第一参照模型是否匹配的标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入数据更加准确,进而使得输出的所述建筑材料与所述第一参照模型是否匹配的信息更加准确,进而达到节省建筑材料、节能、环保的技术效果。
步骤S500:获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;
具体而言,所述训练模型是基于逻辑回归模型构建的,详细来说,将所述第一输入数据作为横坐标,第二输入数据作为纵坐标,建立坐标系,通过所述坐标系,基于逻辑回归模型,获得逻辑回归线。所述逻辑回归线的一侧代表第一输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果;所述逻辑回归线的另一侧代表第二输出结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果。进一步而言,所述逻辑回归线受第一角度和第一位置控制。通过多组监督数据对所述逻辑回归模型进行监督学习,进而使得所述逻辑回归线的位置不断地修正调整,使得通过所述逻辑回归线对所述输出结果为第一结果还是第二结果进行更加准确的判定,进而来实现输出的所述建筑材料与所述第一参照模型是否匹配的信息更加准确,进而达到节省建筑材料、节能、环保的技术效果。
步骤S600:根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割。
具体而言,当所述第一输出信息为第一输出结果时,则所述建筑材料与所述第一参照模型匹配,此时获得第一切割指令,控制对所述建筑材料进行切割;当第一输出信息为第二输出结果时,则所述建筑材料与所述第一参照模型不匹配,此时不获得第一切割指令。通过对所述第一输出信息的判定,决定是否获得第一切割指令的方式,对所述输出信息进行进一步的确认,进而达到对所述建筑材料与所述第一参照模型是否匹配进行准确的判断的效果,进而达到准确切割,节省建筑材料、节能、环保的技术效果。
如图2所示,为了获得第一参照模型,本申请实施例S100还包括:
步骤S110:获得第一参照对象的尺寸信息;
步骤S120:获得所述第一参照对象的形状信息;
步骤S130:根据所述第一参照对象的尺寸信息和所述形状信息,获得所述第一参照模型。
具体而言,所述尺寸信息为物体的长、宽、高、等信息,这里指建筑材料的相关的长、宽、高信息,所述形状信息是指物体或图形的形态、状貌信息,所述第一参照对象为根据所述建筑过程中需要而获得的参照对象,根据第一参照对象的尺寸信息和形状信息获得所述第一参照模型。
如图3所示,为了保证训练数据集的安全性,本申请实施例步骤S300还包括:
步骤S310:获得第一训练数据,并根据所述第一训练数据生成第一验证码,其中,所述第一验证码是与所述第一训练数据一一对应的;
步骤S320:获取第二训练数据,根据所述第二训练数据和第一验证码生成第二验证码;以此类推,获取第N训练数据,根据所述第N训练数据和第N-1验证码生成第N验证码,其中,N为大于1的自然数,所述第一训练数据、所述第二训练数据和所述第N训练数据均为所述训练数据集中的数据信息;
步骤S330:将构成所述训练数据集的所有训练数据和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
具体而言,获得第一训练数据和根据第一训练数据生成的与所述第一训练数据一一对应的第一验证码;获得第二训练数据,获得根据第二训练数据和第一验证码生成的第二验证码;以此类推,获取第N训练数据,获得根据第N训练数据和第N-1验证码生成的第N验证码,其中,N为大于1的自然数,所述每组训练数据均包括:第一输入数据和第二输入数据。将构成所述训练数据集的所有训练数据和验证码分别复制保存在M台设备上,其中,每台设备上均保存有完整的所述训练数据集的所有训练数据和验证码,通过区块链的逻辑对所述训练数据进行加密处理,保证了所述训练数据的安全性,并存储于多台设备上,所述存储于多台设备上的数据通过共识机制进行处理,即少数服从多数,当一台或多台设备被篡改时,只要存储正确数据的设备数量大于被篡改的设备数量,则获得的训练数据仍然是正确的,进一步的保证了训练数据的安全性。进而达到通过所述训练数据训练获得的训练模型更加准确,使得所述训练模型输出的所述建筑材料与所述第一参照模型是否匹配的信息更加准确,进而达到节省建筑材料、节能、环保的技术效果。
如图4所示,为了获得更准确的训练模型,本申请实施例步骤S500还包括:
步骤S510:获得所述第一参照模型,并将所述第一参照模型作为横坐标;
步骤S520:获得所述建筑材料的尺寸信息,并将所述尺寸信息作为纵坐标;
步骤S530:采用回归模型根据所述横坐标和所述纵坐标获得逻辑回归线,所述逻辑回归线的一侧表示第一输出结果,所述逻辑回归线的另一侧表示第二输出结果,其中,所述第一输出结果和所述第二输出结果不同。
具体而言,所述训练模型是基于逻辑回归模型构建的,详细来说,将所述第一参照模型作为横坐标,所述建筑材料的尺寸信息作为纵坐标,建立坐标系,通过所述坐标系,基于逻辑回归模型,获得逻辑回归线。所述逻辑回归线的一侧代表第一输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果;所述逻辑回归线的另一侧代表第二输出结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果。进一步而言,所述逻辑回归线受第一角度和第一位置控制。通过多组监督数据对所述逻辑回归模型进行监督学习,进而使得所述逻辑回归线的位置不断地修正调整,使得通过所述逻辑回归线对所述输出结果为第一结果还是第二结果进行更加准确的判定,进而来实现输出的所述建筑材料与所述第一参照模型是否匹配的信息更加准确,进而达到节省建筑材料、节能、环保的技术效果。
如图5所示,为了确定是否获得第一切割指令,实现对所述建筑材料与所述第一参照模型是否匹配准确判断的效果,所述步骤S600还包括:
步骤S610:如果所述第一输出信息为第一输出结果,获得第一切割指令;
步骤S620:如果所述第一输出信息为第二输出结果,获得第一预警信息,所述第一预警信息用于提醒所述建筑材料与所述第一参照模型不匹配。
具体而言,当所述第一输出信息为第一输出结果时,则所述建筑材料与所述第一参照模型匹配,此时获得第一切割指令,控制对所述建筑材料进行切割;当第一输出信息为第二输出结果时,则所述建筑材料与所述第一参照模型不匹配,此时获得第一预警信息,所述预警信息用于提醒所述建筑材料与所述第一参照模型不匹配。对所述输出信息进行进一步的确认,进而达到对所述建筑材料与所述第一参照模型是否匹配进行准确的判断的效果,进而达到准确切割,节省建筑材料、节能、环保的技术效果。
如图6所示,为了保证所述建筑材料更加环保的效果,所述步骤S600还包括:
步骤S630:获得所述建筑材料的材质信息;
步骤S640:将所述建筑材料的材质信息作为输入数据输入第二训练模型,其中,所述第二训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述建筑材料的材质信息和用来标识建筑材料环保等级的标识信息;
步骤S650:获得所述第二训练模型的第二输出信息,所述第二输出信息包括所述建筑材料的环保等级信息。
具体而言,所述材质信息具体分为天然材料,化学材料、金属材料、非金属材料等等,本文中的材质信息具体为所述建筑材料各种有害物质、污染物质含量信息。所述第二训练模型为机器学习模型,通过大量的数据的训练,将所述建筑材料的材质信息输入机器学习模型,则输出所述建筑材料的环保等级信息。更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述建筑材料的材质信息和用来标识建筑材料环保等级的标识信息,将所述建筑材料的材质信息输入机器学习模型,所述机器学习模型输出建筑材料的环保等级信息,判断所述输出信息与用来标识建筑材料环保等级的标识信息是否一致,如一致,进行下一组数据的监督学习;如果所述输出信息与用来标识建筑材料环保等级的标识信息不一致,则所述机器学习模型进行自我修正、调整,直至获得的输出信息与用来标识建筑材料环保等级的标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习。当所述机器学习模型的输出信息达到预定的准确率时,则监督学习过程结束。通过对所述机器学习模型的监督学习,进而使得所述机器学习模型处理所述输入数据更加准确,进而使得输出的所述建筑材料的环保等级信息更加准确,进而达到更加环保的技术效果。
如图7所示,为了进一步保证所述建筑材料更加环保的效果,所述步骤S650还包括:
步骤S651:获得预定环保等级标准;
步骤S652:判断所述建筑材料的环保等级信息是否满足所述预定环保等级标准;
步骤S653:如果所述建筑材料的环保等级信息满足所述预定环保等级标准,根据所述第一输出信息,确定是否获得第一切割指令;
步骤S654:如果所述建筑材料的环保等级信息不满足所述预定环保等级标准,获得第二预警信息,所述第二预警信息用于提醒所述建筑材料的环保等级不达标;
具体而言,根据所述建筑材料的不同的用途,获得预定环保等级标准,当所述建筑材料的环保等级信息满足预定环保等级标准时,则根据所述第一输出信息,决定是否获得第一切割指令。当所述环保等级信息不满足所述预定的环保等级标准时,则获得第二预警信息,所述第二预警信息用于提醒所述建筑材料的环保等级没有达到预定标准。通过对所述建筑材料环保等级与预定环保等级标准进行对比的方式,达到保证了建筑材料是符合预定环保等级标准的效果。
如图8所示,为了确定是否获得第一切割指令,本申请实施例步骤S600还包括:
步骤S660:获得所述第二预警信息;
步骤S670:根据所述第二预警信息获得第一修正参数;
步骤S680:所述第一修正参数用于终止获得所述第一切割指令;
具体而言,当获得第二预警信息时,根据第二预警信息产生第一修正参数,所述第一修正参数为终止获得第一指令的参数,也就是说,当获得第二预警信息,产生第一修正参数后,无论第一输出信息为任何结果,都不可以获得第一切割指令,也不会对所述建筑材料进行切割,通过第一修正参数,保证了所述建筑材料为符合预定环保等级标准的材料的效果。
综上所述,本申请实施例所提供的一种节能环保的建筑施工方法和装置具有如下技术效果:
1、由于采用了获得第一参照模型和第一材料的尺寸信息并将其分别作为第一和第二输入数据构成训练集,将所述训练集输入第一训练模型,并所述训练模型经过多组数据训练后输出所述建筑材料与所述第一参照模型是否匹配的结论的方式,基于训练模型进行多组训练后自动修改、校正的特性,使得所述训练模型输出的判断所述建筑材料与所述第一参照模型是否匹配的结论更加准确,进而达到对所述建筑材料切割更加准确、节省材料、环保、节能的效果。
2、由于采用了将训练数据集进行区块链处理,保证了所述训练数据集的安全性,使得所述输入数据不可被篡改,进而达到通过所述训练数据训练获得的训练模型更加准确,使得所述训练模型输出的所述建筑材料与所述第一参照模型是否匹配的信息更加准确,进而达到节省建筑材料、节能、环保的技术效果。
3、由于采用了通过多组监督数据对所述逻辑回归模型进行监督学习,进而使得所述逻辑回归线的位置不断地修正调整,使得通过所述逻辑回归线对所述输出结果为第一结果还是第二结果进行更加准确的判定,进而来实现输出的所述建筑材料与所述第一参照模型是否匹配的信息更加准确,进而达到节省建筑材料、节能、环保的技术效果。
4、由于采用了判断所述建筑材料的环保等级信息与预定环保等级信息对比的方式,达到保证了建筑材料是符合预定环保等级标准的效果。
实施例二
基于与前述实施例中一种节能环保的建筑施工方法同样发明构思,本发明还提供了一种节能环保的建筑施工装置,如图9所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得第一参照模型,将所述第一参照模型作为第一输入数据;
第二获得单元12,所述第二获得单元12用于获得建筑材料的尺寸信息,将所述尺寸信息作为第二输入数据;
第三获得单元13,所述第三获得单元13用于根据所述第一输入数据和所述第二输入数据构建训练数据集;
第一输入单元14,所述第一输入单元14用于将所述训练数据集输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息;
第四获得单元15,所述第四获得单元15用于获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;
第一确定单元16,所述第一确定单元16用于根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割。
进一步的,所述装置还包括:
第五获得单元,所述第五获得单元用于获得第一参照对象的尺寸信息;
第六获得单元,所述第六获得单元用于获得所述第一参照对象的形状信息;
第七获得单元,所述第七获得单元用于根据所述第一参照对象的尺寸信息和所述形状信息,获得所述第一参照模型;
进一步的,所述装置还包括:
第八获得单元,所述第八获得单元用于获得第一训练数据,并根据所述第一训练数据生成第一验证码,其中,所述第一验证码是与所述第一训练数据一一对应的;
第九获得单元,所述第九获得单元用于获取第二训练数据,根据所述第二训练数据和第一验证码生成第二验证码;以此类推,获取第N训练数据,根据所述第N训练数据和第N-1验证码生成第N验证码,其中,N为大于1的自然数,所述第一训练数据、所述第二训练数据和所述第N训练数据均为所述训练数据集中的数据信息;
第一保存单元,所述第一保存单元用于将构成所述训练数据集的所有训练数据和验证码分别复制保存在M台设备上,其中,M为大于1的自然数;
进一步的,所述装置还包括:
第十获得单元,所述第十获得单元用于获得所述第一参照模型,并将所述第一参照模型作为横坐标;
第十一获得单元,所述第十一获得单元用于获得所述建筑材料的尺寸信息,并将所述尺寸信息作为纵坐标;
第十二获得单元,所述第十二获得单元用于采用回归模型根据所述横坐标和所述纵坐标获得逻辑回归线,所述逻辑回归线的一侧表示第一输出结果,所述逻辑回归线的另一侧表示第二输出结果,其中,所述第一输出结果和所述第二输出结果不同;
进一步的,所述装置还包括:
第十三获得单元,所述第十三获得单元用于如果所述第一输出信息为第一输出结果,获得第一切割指令;
第十四获得单元,所述第十四获得单元用于如果所述第一输出信息为第二输出结果,获得第一预警信息,所述第一预警信息用于提醒所述建筑材料与所述第一参照模型不匹配;
进一步的,所述装置还包括:
第十五获得单元,所述第十五获得单元用于获得所述建筑材料的材质信息;
第二输入单元,所述第二输入单元用于将所述建筑材料的材质信息作为输入数据输入第二训练模型,其中,所述第二训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述建筑材料的材质信息和用来标识建筑材料环保等级的标识信息;
第十六获得单元,所述第十六获得单元用于获得所述第二训练模型的第二输出信息,所述第二输出信息包括所述建筑材料的环保等级信息;
进一步的,所述装置还包括:
第十七获得单元,所述第十七获得单元用于获得预定环保等级标准;
第一判断单元,所述第一判断单元用于判断所述建筑材料的环保等级信息是否满足所述预定环保等级标准;
第二确定单元,所述第二确定单元用于如果所述建筑材料的环保等级信息满足所述预定环保等级标准,根据所述第一输出信息,确定是否获得第一切割指令;
第十八获得单元,所述第十八获得单元用于如果所述建筑材料的环保等级信息不满足所述预定环保等级标准,获得第二预警信息,所述第二预警信息用于提醒所述建筑材料的环保等级不达标;
前述图1实施例一中的一种节能环保的建筑施工方法的各种变化方式和具体实例同样适用于本实施例的一种节能环保的建筑施工装置,通过前述对一种节能环保的建筑施工方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种节能环保的建筑施工装置的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图10来描述本申请实施例的电子设备。
图10图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种节能环保的建筑施工方法的发明构思,本发明还提供一种节能环保的建筑施工装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种节能环保的建筑施工方法的任一方法的步骤。
其中,在图10中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种节能环保的建筑施工方法,所述方法包括:获得第一参照模型,将所述第一参照模型作为第一输入数据;获得建筑材料的尺寸信息,将所述尺寸信息作为第二输入数据;根据所述第一输入数据和所述第二输入数据构建训练数据集;将所述训练数据集输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息;获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割。解决了现有技术在建筑材料切割的过程中切割不准确的问题,达到对建筑材料准确判断、切割,进而达到节省建筑材料、节能、环保的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种节能环保的建筑施工方法,其中,所述方法包括:
获得第一参照模型,将所述第一参照模型作为第一输入数据;
获得建筑材料的尺寸信息,将所述尺寸信息作为第二输入数据;
根据所述第一输入数据和所述第二输入数据构建训练数据集;
将所述训练数据集输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息;
获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;
根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割;
其中,所述将所述训练数据集输入训练模型之前,包括:
获得第一训练数据,并根据所述第一训练数据生成第一验证码,其中,所述第一验证码是与所述第一训练数据一一对应的;
获取第二训练数据,根据所述第二训练数据和第一验证码生成第二验证码;以此类推,获取第N训练数据,根据所述第N训练数据和第N-1验证码生成第N验证码,其中,N为大于1的自然数,所述第一训练数据、所述第二训练数据和所述第N训练数据均为所述训练数据集中的数据信息;
将构成所述训练数据集的所有训练数据和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
2.如权利要求1所述的方法,其中,所述获得第一参照模型,包括:
获得第一参照对象的尺寸信息;
获得所述第一参照对象的形状信息;
根据所述第一参照对象的尺寸信息和所述形状信息,获得所述第一参照模型。
3.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一参照模型,并将所述第一参照模型作为横坐标;
获得所述建筑材料的尺寸信息,并将所述尺寸信息作为纵坐标;
采用回归模型根据所述横坐标和所述纵坐标获得逻辑回归线,所述逻辑回归线的一侧表示第一输出结果,所述逻辑回归线的另一侧表示第二输出结果,其中,所述第一输出结果和所述第二输出结果不同。
4.如权利要求1所述的方法,其中,所述根据所述第一输出信息,确定是否获得第一切割指令,包括:
如果所述第一输出信息为第一输出结果,获得第一切割指令;
如果所述第一输出信息为第二输出结果,获得第一预警信息,所述第一预警信息用于提醒所述建筑材料与所述第一参照模型不匹配。
5.如权利要求4所述的方法,其中,所述根据所述第一输出信息,确定是否获得第一切割指令之前,包括:
获得所述建筑材料的材质信息;
将所述建筑材料的材质信息作为输入数据输入第二训练模型,其中,所述第二训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述建筑材料的材质信息和用来标识建筑材料环保等级的标识信息;
获得所述第二训练模型的第二输出信息,所述第二输出信息包括所述建筑材料的环保等级信息。
6.如权利要求5所述的方法,其中,所述方法包括:
获得预定环保等级标准;
判断所述建筑材料的环保等级信息是否满足所述预定环保等级标准;
如果所述建筑材料的环保等级信息满足所述预定环保等级标准,根据所述第一输出信息,确定是否获得第一切割指令;
如果所述建筑材料的环保等级信息不满足所述预定环保等级标准,获得第二预警信息,所述第二预警信息用于提醒所述建筑材料的环保等级不达标。
7.一种节能环保的建筑施工装置,其中,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一参照模型,将所述第一参照模型作为第一输入数据;
第二获得单元,所述第二获得单元用于获得建筑材料的尺寸信息,将所述尺寸信息作为第二输入数据;
第三获得单元,所述第三获得单元用于根据所述第一输入数据和所述第二输入数据构建训练数据集;
第一输入单元,所述第一输入单元用于将所述训练数据集输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入数据、所述第二输入数据和用来标识建筑材料与第一参照模型是否匹配的标识信息;
第四获得单元,所述第四获得单元用于获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为所述建筑材料与所述第一参照模型匹配的结果,所述第二输出结果为所述建筑材料与所述第一参照模型不匹配的结果;
第一确定单元,所述第一确定单元用于根据所述第一输出信息,确定是否获得第一切割指令,所述第一切割指令用于控制对所述建筑材料进行切割;
所述装置还包括:
第八获得单元,所述第八获得单元用于获得第一训练数据,并根据所述第一训练数据生成第一验证码,其中,所述第一验证码是与所述第一训练数据一一对应的;
第九获得单元,所述第九获得单元用于获取第二训练数据,根据所述第二训练数据和第一验证码生成第二验证码;以此类推,获取第N训练数据,根据所述第N训练数据和第N-1验证码生成第N验证码,其中,N为大于1的自然数,所述第一训练数据、所述第二训练数据和所述第N训练数据均为所述训练数据集中的数据信息;
第一保存单元,所述第一保存单元用于将构成所述训练数据集的所有训练数据和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
8.一种节能环保的建筑施工装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897147.0A CN111951128B (zh) | 2020-08-31 | 2020-08-31 | 一种节能环保的建筑施工方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897147.0A CN111951128B (zh) | 2020-08-31 | 2020-08-31 | 一种节能环保的建筑施工方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951128A CN111951128A (zh) | 2020-11-17 |
CN111951128B true CN111951128B (zh) | 2022-01-28 |
Family
ID=73368131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010897147.0A Active CN111951128B (zh) | 2020-08-31 | 2020-08-31 | 一种节能环保的建筑施工方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951128B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487780A (zh) * | 2020-11-30 | 2021-03-12 | 德安(常州)自动化科技有限公司 | 一种订单数据排版优化方法及系统 |
CN112633397B (zh) * | 2020-12-29 | 2021-12-14 | 江苏惟妙纺织科技有限公司 | 一种绣花定制方法及系统 |
CN112529113B (zh) * | 2020-12-30 | 2021-12-14 | 江苏惟妙纺织科技有限公司 | 一种绣花生产控制方法及系统 |
CN112661645A (zh) * | 2020-12-31 | 2021-04-16 | 佳力士添加剂(海安)有限公司 | 一种高纯度单甘酯的提纯方法及装置 |
CN113435691B (zh) * | 2021-05-18 | 2024-04-16 | 华仁建设集团有限公司 | 一种基于bim的建筑质量标准评估方法及系统 |
CN113343179B (zh) * | 2021-06-02 | 2022-03-01 | 江苏邦鼎科技有限公司 | 一种基于斜向剪切的打击粉碎方法及系统 |
CN113360995B (zh) * | 2021-07-01 | 2022-02-15 | 苏州苏明装饰股份有限公司 | 一种基于bim模型的互换装修材料调用方法及系统 |
CN113538172B (zh) * | 2021-07-12 | 2023-04-18 | 中建西部建设贵州有限公司 | 一种智能获取混凝土针状石块含量的方法和装置 |
CN114493477B (zh) * | 2021-12-13 | 2023-11-21 | 南通科达建材科技股份有限公司 | 一种基于bim的建筑成本多维度统计方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009687A (zh) * | 2017-12-15 | 2018-05-08 | 华北理工大学 | 提高钢坯定重切割精度的预测方法 |
CN109409428A (zh) * | 2018-10-25 | 2019-03-01 | 北京木业邦科技有限公司 | 木板识别及木板识别模型的训练方法、装置及电子设备 |
CN109711611A (zh) * | 2018-12-17 | 2019-05-03 | 北京木业邦科技有限公司 | 木材切割出材率识别方法、装置、电子设备及存储介质 |
CN111191822A (zh) * | 2019-12-18 | 2020-05-22 | 河钢股份有限公司承德分公司 | 钢材的参数预测方法及终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633745B (zh) * | 2017-12-12 | 2022-11-29 | 腾讯科技(深圳)有限公司 | 一种基于人工智能的图像分类训练方法、装置及存储介质 |
-
2020
- 2020-08-31 CN CN202010897147.0A patent/CN111951128B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009687A (zh) * | 2017-12-15 | 2018-05-08 | 华北理工大学 | 提高钢坯定重切割精度的预测方法 |
CN109409428A (zh) * | 2018-10-25 | 2019-03-01 | 北京木业邦科技有限公司 | 木板识别及木板识别模型的训练方法、装置及电子设备 |
CN109711611A (zh) * | 2018-12-17 | 2019-05-03 | 北京木业邦科技有限公司 | 木材切割出材率识别方法、装置、电子设备及存储介质 |
CN111191822A (zh) * | 2019-12-18 | 2020-05-22 | 河钢股份有限公司承德分公司 | 钢材的参数预测方法及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111951128A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111951128B (zh) | 一种节能环保的建筑施工方法和装置 | |
CN111986191B (zh) | 一种建筑施工验收方法及系统 | |
CN111684367B (zh) | 控制装置、控制系统、控制方法以及计算机可读存储介质 | |
CN111950068A (zh) | 一种基于Bim的维护建筑设备的方法和装置 | |
WO2020118586A1 (zh) | 一种能源消耗预测方法及装置 | |
CN111731326A (zh) | 避障策略确定方法、装置及存储介质 | |
CN113282514A (zh) | 问题数据的处理方法、装置、计算机设备和存储介质 | |
CN108768750A (zh) | 通信网络故障定位方法及装置 | |
CN112712264B (zh) | 一种智慧社区信息共享方法及系统 | |
CN114510867A (zh) | 一种3d模拟配电柜电路接线方法及系统 | |
Acharya et al. | Solving multi-objective fuzzy probabilistic programming problem | |
CN112101149B (zh) | 一种建筑垃圾分类方法及系统 | |
Lehman | The role and impact of assumptions in software development, maintenance and evolution | |
CN112116515A (zh) | 一种疫情后社区大健康信息处理方法及系统 | |
Hrehova et al. | Evaluation a process using fuzzy principles and tools of Matlab | |
CN109993374B (zh) | 货物量预测方法及装置 | |
CN104933052A (zh) | 数据真实值的估计方法及数据真实值估计装置 | |
Khalyasmaa et al. | Membership functions for the formation of the electrical equipment state estimation for power stations and substations | |
Petlíková | Modeling of the time structure of construction processes using neural networks | |
CN112668899B (zh) | 一种基于人工智能的合同风险识别方法及装置 | |
CN113049793A (zh) | 一种Abs复合材料的生产检测验证方法和装置 | |
CN113516383A (zh) | 一种建筑施工安全管控方法和装置 | |
CN113222524A (zh) | 一种基于大数据的项目申报评估方法及系统 | |
CN111310960A (zh) | 一种能源消耗预测方法及装置 | |
CN111310964A (zh) | 一种负荷预测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |