CN111986191B - 一种建筑施工验收方法及系统 - Google Patents

一种建筑施工验收方法及系统 Download PDF

Info

Publication number
CN111986191B
CN111986191B CN202010897099.5A CN202010897099A CN111986191B CN 111986191 B CN111986191 B CN 111986191B CN 202010897099 A CN202010897099 A CN 202010897099A CN 111986191 B CN111986191 B CN 111986191B
Authority
CN
China
Prior art keywords
information
color difference
wall surface
color
image
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
Application number
CN202010897099.5A
Other languages
English (en)
Other versions
CN111986191A (zh
Inventor
高路恒
王斯海
曹留峰
肖瑶
陆近涛
孟翔
丁帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Textile Vocational Technology College
Original Assignee
Nantong Textile Vocational Technology College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong Textile Vocational Technology College filed Critical Nantong Textile Vocational Technology College
Priority to CN202010897099.5A priority Critical patent/CN111986191B/zh
Publication of CN111986191A publication Critical patent/CN111986191A/zh
Application granted granted Critical
Publication of CN111986191B publication Critical patent/CN111986191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395Quality analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种建筑施工验收方法及系统:获得第一墙面的第一图像信息,第一墙面的第一图像信息包括第一墙面设计效果图信息;获得所述第一墙面的第二图像信息,第二图像信息包括第一墙面成品图像信息;根据第一图像信息和第二图像信息构建第一训练数据集;将第一训练数据集输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,获得所述第一训练模型的第一输出信息,第一输出信息包括所述第一墙面成品图像与设计效果图的色差等级信息;根据所述色差等级信息,确定是否通过验收,达到对建筑施工进行准确的验收,进而达到提升用户体验的技术效果。

Description

一种建筑施工验收方法及系统
技术领域
本发明涉及建筑施工领域,尤其涉及一种建筑施工验收方法及系统。
背景技术
随着城镇化的不断推进,建筑行业的发展日新月异,在经济和科技的双重发展之下,人们对于建筑施工的要求也在逐步的提高。
但现有技术至少存在如下技术问题:
在现有的建筑施工验收方法中,只是简单的通过比对设计效果图信息与墙面信息,造成建筑施工的验收不准确,进而为用户带来不好的体验的技术问题。
发明内容
本申请实施例通过提供一种建筑施工验收方法及系统,解决了现有技术中只是简单的通过比对设计效果图信息与墙面信息,造成建筑施工的验收不准确,进而为用户带来不好的体验的技术问题,达到对建筑施工进行准确的验收,进而达到提升用户体验的技术效果。
鉴于上述问题,本申请实施例提供一种建筑施工验收方法及系统。
第一方面,本申请实施例提供了一种建筑施工验收方法,所述方法包括:获得第一墙面的第一图像信息,所述第一墙面的第一图像信息包括第一墙面设计效果图信息;获得所述第一墙面的第二图像信息,所述第二图像信息包括第一墙面成品图像信息;根据所述第一图像信息和所述第二图像信息构建第一训练数据集;将所述第一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,所述多组训练数据中的每一组训练数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息;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所述第一墙面成品图像与设计效果图的色差等级信息;根据所述色差等级信息,确定是否通过验收。
另一方面,本申请还提供了一种建筑施工验收系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一墙面的第一图像信息,所述第一墙面的第一图像信息包括第一墙面设计效果图信息;第二获得单元,所述第二获得单元用于获得所述第一墙面的第二图像信息,所述第二图像信息包括第一墙面成品图像信息;第三获得单元,所述第三获得单元用于根据所述第一图像信息和所述第二图像信息构建第一训练数据集;第一输入单元,所述第一输入单元用于将所述第一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,所述多组训练数据中的每一组训练数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息;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所述第一墙面成品图像与设计效果图的色差等级信息;第一确定单元,所述第一确定单元用于根据所述色差等级信息,确定是否通过验收。
第三方面,本发明提供了一种建筑施工验收系统,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,所述处理器执行一种建筑施工验收方法的步骤。
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:
由于采用了将所述第一图像信息和第二图像信息进行组合处理,多组的第一图像信息和第二图像信息的组合构成训练数据集,用于训练模型的训练处理,使得所述训练模型获得足够的“经验”来处理所述输入数据,进而准确的判断所述第一成品墙面和效果图的色差等级信息,通过对色差等级进行详细分类,进而达到准确判断所述第一成品墙面能否通过验收,给用户带来更好的用房体验的效果。
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建筑施工验收方法的流程示意图;
图2为本申请实施例一种建筑施工验收方法中根据所述色差等级信息,确定是否通过验收的流程示意图;
图3为本申请实施例一种建筑施工验收方法中为了获得所述第一墙面成品图像与设计效果图的色差等级信息的流程示意图;
图4为本申请实施例一种建筑施工验收方法中修正所述第一墙面成品图像与设计效果图的色差等级信息的流程示意图;
图5为本申请实施例一种建筑施工验收方法中根据所述拍摄时间信息和所述天气信息和所述第一配比关系,获得第一影响参数的流程示意图;
图6为本申请实施例一种建筑施工验收方法中准确获得第一影响参数的流程示意图;
图7为本申请实施例一种建筑施工验收方法中根据所述色差等级信息,确定是否通过验收的流程示意图;
图8为本申请实施例一种建筑施工验收方法中获得更加准确的标识墙面色差的标识等级信息的流程示意图;
图9为本申请实施例一种建筑施工验收系统的结构示意图;
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建筑施工验收方法及系统,解决了现有技术中只是简单的通过比对设计效果图信息与墙面信息,造成建筑施工的验收不准确,进而为用户带来不好的体验的技术问题,达到对建筑施工进行准确的验收,进而达到提升用户体验的技术效果。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
随着城镇化的不断推进,建筑行业的发展日新月异,在经济和科技的双重发展之下,人们对于建筑施工的要求也在逐步的提高。在现有的建筑施工验收方法中,只是简单的通过比对设计效果图信息与墙面信息,造成建筑施工的验收不准确,进而为用户带来不好的体验的技术问题。
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建筑施工验收方法,所述方法包括:获得第一墙面的第一图像信息,所述第一墙面的第一图像信息包括第一墙面设计效果图信息;获得所述第一墙面的第二图像信息,所述第二图像信息包括第一墙面成品图像信息;根据所述第一图像信息和所述第二图像信息构建第一训练数据集;将所述第一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,所述多组训练数据中的每一组训练数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息;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所述第一墙面成品图像与设计效果图的色差等级信息;根据所述色差等级信息,确定是否通过验收。
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建筑施工验收方法,其中,所述方法包括:
步骤S100:获得第一墙面的第一图像信息,所述第一墙面的第一图像信息包括第一墙面设计效果图信息;
具体而言,所述第一墙面是进行建筑施工后要进行验收的墙面,所述第一图像信息为设计所述第一墙面时的设计效果图信息,所述设计效果图具体指根据设计者的初衷通过图片等传媒来表达作品所需要以及预期的达到的效果。所述信息均为自动获得的。
步骤S200:获得所述第一墙面的第二图像信息,所述第二图像信息包括第一墙面成品图像信息;
具体而言,所述第一墙面是进行建筑施工后要进行验收的墙面,所述第一图像信息是通过某成像设备自动获得的所述第一墙面的图像信息,通过获得所述建筑施工后要进行验收成品墙面的图像信息,进而为后续准确判断所述墙面是否满足验收标准奠定了基础。
步骤S300:根据所述第一图像信息和所述第二图像信息构建第一训练数据集;
具体而言,将所述第一图像信息和第二图像信息进行组合处理,多组的第一图像信息和第二图像信息的组合构成训练数据集,所述训练数据集用于后续训练模型的训练处理,使得所述训练模型获得足够的“经验”来处理所述输入数据,进而准确的判断所述第一成品墙面和效果图的色差等级信息,进而达到准确判断所述第一成品墙面能否通过验收的效果。
步骤S400:将所述第一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,所述多组训练数据中的每一组训练数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息;
具体而言,所述第一训练模型为神经网络模型,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。基于大量的训练数据的训练,所述神经网络模型不断地自我的修正,进而更加准确的处理所述输入数据。
进一步而言,所述训练数据训练的过程本质为监督学习的过程,每一组监督数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息,将所述第一图像信息、所述第二图像信息输入到神经网络模型中,所述神经网络模型输出墙面色差等级信息,判断所述输出信息与用来标识墙面色差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墙面色差等级的标识信息不一致,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墙面色差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,进而使得输出的墙面色差等级信息更加准确,进而获得准确的所述第一墙面成品图像与设计效果图的色差等级信息,进而实现准确判断所述墙面是否通过验收的技术效果。
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所述第一墙面成品图像与设计效果图的色差等级信息;
具体而言,所述第一图像信息、所述第二图像信息输入训练模型后,所述训练模型输出第一输出信息,所述第一输出信息包括所述第一墙面成品图像与设计效果图的色差等级信息。举例而言,所述色差等级可分为1、2、3、4、5、6、7、8、9九个等级,其中1、2、3为A类标准,4、5、6为B类标准,7、8、9为C类标准。通过对色差等级进行详细分类,进而达到准确判断所述墙面能否通过验收。
步骤S600:根据所述色差等级信息,确定是否通过验收。
举例而言,当用户需求的标准为B5时,我们可适当进行收严管控,以B4标准判断所述第一墙面成品图像与设计效果图的色差等级是否满足B4标准,如果满足,则可通过验收;如不能满足,则不通过验收。通过对所述色差等级进行详细分类,并收严管控的方式,准确的判断所述墙面能否通过验收,并给用户带来更好的用房体验。
如图2所示,根据所述色差等级信息,确定是否通过验收,本申请实施例S600还包括:
步骤S610:获得预定色差等级标准;
步骤S620:判断所述第一墙面的色差等级信息是否达到所述预定色差等级标准;
步骤S630:如果所述第一墙面的色差等级信息达到所述预定色差等级标准,获得第一验收合格信息;
步骤S640:如果所述第一墙面的色差等级信息未达到所述预定色差等级标准,获得第一修改指令;
步骤S650:根据所述第一修改指令,获得第一修改方案信息;
步骤S660:根据所述第一修改方案信息,对所述第一墙面进行修改。
具体而言,获得预定的色差等级标准,当所述第一墙面相对于设计效果图的色差等级满足所述预定色差等级标准,则获得第一验收合格信息;当所述第一墙面的色差等级信息未达到所述预定色差等级标准,说明此次建筑施工并不合格,此时获得第一修改指令,所述第一修改指令用于获得第一修改方案,根据所述第一修改方案对所述第一墙面进行修改。通过对所述第一墙面相对于设计效果图的色差等级信息同预定色差等级标准比较的方式,准确的判断所述墙面能否通过验收,当所述墙面不能通过验收时,获得第一修改指令、第一修改方案的方式,对所述第一墙面进行修改,使得所述墙面的色差等级能够合乎验收标准,进而达到给用户带来更好的用房体验的效果。
如图3所示,为了获得所述第一墙面成品图像与设计效果图的色差等级信息,本申请实施例步骤S630还包括:
步骤S631:获得所述第二图像信息的拍摄时间信息;
步骤S632:根据所述第二图像信息的拍摄时间信息,获得所述拍摄时间信息的天气信息;
步骤S633:获得所述拍摄时间信息和所述天气信息的第一配比关系;
步骤S634:根据所述拍摄时间信息和所述天气信息和所述第一配比关系,获得第一影响参数;
步骤S635:根据所述第一影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息。
具体而言,所述第二图像信息的获得还受天气和拍摄时间等因素的影响。所述拍摄时间信息和天气信息的第一配比关系具体为:当所述拍摄时间为采光较好的时间,但天气情况不好,则此时天气信息所占比重则远大于拍摄时间信息;当所述天气情况良好,但拍摄时间为晚上,光线不够充足,则此时拍摄时间所占比重远大于天气信息。也就是说,受天气因素和拍摄时间的因素影响,获得的所述第二图像信息可能本身就与实际的墙面信息有一定的误差,此时,根据所述拍摄时间信息和所述天气信息和所述第一配比关系,获得第一影响参数,根据所述第一影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息。通过对所述第一墙面成品图像与设计效果图的色差等级信息的修正处理,获得更加准确的第一墙面和设计效果图的色差等级信息,进而达到准确的判断所述墙面能否通过验收,给用户带来更好的用房体验的效果。
如图4所示,为了修正所述第一墙面成品图像与设计效果图的色差等级信息,本申请实施例步骤S630还包括:
步骤S636:获得所述第二图像信息的图像采集参数信息;
步骤S637:根据所述图像采集参数信息,获得第二影响参数;
步骤S638:根据所述第二影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息;
具体而言,所述第二图像的与设计效果图的色差等级还受采集第二图像的采集设备的参数影响,不同的采集设备,根据所述采集设备的精度,色域范围的不同,会对获得的所述第一墙面的第二图像信息产生一定的影响。根据图像采集参数信息,获得第二影响参数,所述第二影响参数用于修正所述第一墙面成品图像与设计效果图的色差等级信息。通过对所述第一墙面成品图像与设计效果图的色差等级信息的再次修正处理,获得更加准确的第一墙面和设计效果图的色差等级信息,进而达到准确的判断所述墙面能否通过验收,给用户带来更好的用房体验的效果。
如图5所示,根据所述拍摄时间信息和所述天气信息和所述第一配比关系,获得第一影响参数,本申请实施例步骤S634还包括:
步骤S6341:根据所述第一配比关系生成第一验证码,其中,所述第一验证码是与所述第一配比关系一一对应的;
步骤S6342:根据第二配比关系和第一验证码生成第二验证码;
步骤S6343:将所述第一配比关系和所述第一验证码作为第一存储单位;
步骤S6344:将所述第二配比关系和所述第二验证码作为第二存储单位;
步骤S6345:将所述第一存储单位、所述第二存储单位分别复制保存在两台设备上;
具体而言,所述根据所述第一影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息是通过大量的数据训练进行反复的训练获得的,为了保证在进行训练时的训练数据安全性,将训练用实验数据中的所述第一配比关系生成第一验证码,其中,所述第一验证码是与所述第一配比关系一一对应的;根据第二配比关系和第一验证码生成第二验证码;···根据所述第N配比关系和第N-1验证码生成第N验证码;将所述第一配比关系和所述第一验证码作为第一存储单位;将所述第二配比关系和所述第二验证码作为第二存储单位;···将所述第N配比关系和所述第N验证码作为第N存储单位。将所述第一存储单位、所述第二存储单位、···所述第N存储单位分别复制保存在N台设备上;当需要调用所述训练数据时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希技术对于每一存储单位进行串接,使得所述训练数据不易丢失和遭到破坏,通过将每一配比关系进行区块链计算获得整个训练数据的方式,对所述配比关系进行加密处理,进而获得安全的、准确的训练数据来获得第一影响参数。
如图6所示,为了根据所述拍摄时间信息和所述天气信息和所述第一配比关系,准确获得第一影响参数,所述步骤S6345还包括:
步骤S63451:获得所述第一存储单位的记录时间,所述第一存储单位的记录时间表示第一存储单位需要记录的时间;
步骤S63452:根据所述第一存储单位的记录时间,获得所述两台设备中运力最快的第一设备;
步骤S63453:将第一存储单位的记录权发送给所述第一设备;
具体而言,获得所述第一存储单位需要的预定记录时间,将不能在预定时间内完成记录所述第一存储单位的设备排除,获得N台设备中记录第一存储单位运力最快的设备,将所述第一存储单位的记录权给所述设备。进一步而言,所述第二存储单位、第三存储单位、···、第N存储单位均采用如第一存储单位的记录方法,进而保证了去中心化区块链系统的安全、有效和稳定运行,能够保证所述存储单位能够被快速准确的记录在设备中,进而保证了训练数据不易丢失和安全性。
如图7所示,根据所述色差等级信息,确定是否通过验收,本申请实施例S600还包括:
步骤S670:获得来自用户的第一信息;
步骤S680:所述第一信息为对所述建筑施工的特采信息;
步骤S690:根据所述建筑施工的特采信息,获得第一修正参数,所述第一修正参数用于确定通过验收。
具体而言,所述用户为所述建筑施工的墙面的购买人,当获得所述用户的第一信息时,代表所述用户对所述建筑施工的墙面满意,则所述建筑施工墙面则无论是否满足于色差等级信息,都可因获得的第一修正参数确定通过验收。通过对上述用户本身的对于所述建筑施工墙面的满意度来修正是否能通过验收的方式,充分考量和尊重了用户的意见,进而达到给用户带来更好的用房体验的效果。
如图8所示,为了获得更加准确的标识墙面色差的标识等级信息,所述步骤S400还包括:
步骤S410:根据所述第一墙面设计效果图信息,获得标准色卡信息;
步骤S420:根据所述标准色卡信息,获得所述标准色卡中的第一色号和第二色号,其中,所述第一色号和所述第二色号为相邻色号;
步骤S430:根据所述第一色号和所述第二色号,获得第三色号,所述第三色号为所述第一色号和所述第二色号的中间值色号;
步骤S440:根据所述第一色号、所述第二色号和所述第三色号,获得所述用来标识墙面色差等级的标识信息。
具体而言,对所述标准色卡的色号进行进一步的细化用于标识墙面色差等级的标识信息,详细来说,获得第一墙面设计效果图的颜色信息,根据所述颜色信息对比标准色卡,获得与所述颜色信息最接近的两个相邻色号:第一色号和第二色号,其中,所述颜色信息为徘徊在所述相邻色号之间的颜色信息,此时,获得第一色号和第二色号的中间值色号,通过比对第一色号、第二色号、第三色号三种色号与所述颜色信息,与所述颜色信息最接近的色号为用来标识墙面色差等级的标识信息。通过对所述标准色卡的进一步地细化,达到获得更加准确的用来标识墙面色差等级的标识信息,进而获得更加准确的第一墙面和设计效果图的色差等级信息,进而达到准确的判断所述墙面能否通过验收,给用户带来更好的用房体验的效果。
综上所述,本申请实施例所提供的一种建筑施工验收方法及系统具有如下技术效果:
1、由于采用了将所述第一图像信息和第二图像信息进行组合处理,多组的第一图像信息和第二图像信息的组合构成训练数据集,用于训练模型的训练处理,使得所述训练模型获得足够的“经验”来处理所述输入数据,进而准确的判断所述第一成品墙面和效果图的色差等级信息,通过对色差等级进行详细分类,进而达到准确判断所述第一成品墙面能否通过验收,给用户带来更好的用房体验的效果。
2、由于采用了对所述第一墙面相对于设计效果图的色差等级信息同预定色差等级标准比较的方式,准确的判断所述墙面能否通过验收,当所述墙面不能通过验收时,获得第一修改指令、第一修改方案的方式,对所述第一墙面进行修改,使得所述墙面的色差等级能够合乎验收标准,进而达到给用户带来更好的用房体验效果。
3、由于采用了根据拍摄时间信息、天气信息、第二图像信息的图像采集参数信息对所述第一墙面成品图像与设计效果图的色差等级信息的修正处理,获得更加准确的第一墙面和设计效果图的色差等级信息,进而达到准确的判断所述墙面能否通过验收,给用户带来更好的用房体验的效果。
4、由于采用了将所述第一存储单位、所述第二存储单位、···所述第N存储单位分别复制保存在N台设备上;当需要调用所述训练数据时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希技术对于每一存储单位进行串接,使得所述训练数据不易丢失和遭到破坏,通过将每一配比关系进行区块链计算获得整个训练数据的方式,对所述配比关系进行加密处理,进而获得安全的、准确的训练数据来获得第一影响参数。
5、由于采用了对所述标准色卡的进一步地细化,达到获得更加准确的用来标识墙面色差等级的标识信息,进而获得更加准确的第一墙面和设计效果图的色差等级信息,进而达到准确的判断所述墙面能否通过验收,给用户带来更好的用房体验的效果。
实施例二
基于与前述实施例中一种建筑施工验收方法同样发明构思,本发明还提供了一种建筑施工验收系统,如图9所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一墙面的第一图像信息,所述第一墙面的第一图像信息包括第一墙面设计效果图信息;
第二获得单元12,所述第二获得单元12用于获得所述第一墙面的第二图像信息,所述第二图像信息包括第一墙面成品图像信息;
第三获得单元13,所述第三获得单元13用于根据所述第一图像信息和所述第二图像信息构建第一训练数据集;
第一输入单元14,所述第一输入单元14用于将所述第一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,所述多组训练数据中的每一组训练数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息;
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所述第一墙面成品图像与设计效果图的色差等级信息;
第一确定单元16,所述第一确定单元16用于根据所述色差等级信息,确定是否通过验收。
进一步的,所述系统还包括:
第五获得单元,所述第五获得单元用于获得预定色差等级标准;
第一判断单元,所述第一判断单元用于判断所述第一墙面的色差等级信息是否达到所述预定色差等级标准;
第六获得单元,所述第六获得单元用于如果所述第一墙面的色差等级信息达到所述预定色差等级标准,获得第一验收合格信息;
第七获得单元,所述第七获得单元用于将如果所述第一墙面的色差等级信息未达到所述预定色差等级标准,获得第一修改指令;
第八获得单元,所述第八获得单元用于根据所述第一修改指令,获得第一修改方案信息;
第一修改单元,所述第一修改单元用于根据所述第一修改方案信息,对所述第一墙面进行修改。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于获得所述第二图像信息的拍摄时间信息;
第十获得单元,所述第十获得单元用于根据所述第二图像信息的拍摄时间信息,获得所述拍摄时间信息的天气信息;
第十一获得单元,所述第十一获得单元用于获得所述拍摄时间信息和所述天气信息的第一配比关系;
第十二获得单元,所述第十二获得单元用于根据所述拍摄时间信息和所述天气信息和所述第一配比关系,获得第一影响参数;
第二修正单元,所述第二修正单元用于根据所述第一影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于获得所述第二图像信息的图像采集参数信息;
第十四获得单元,所述第十四获得单元用于根据所述图像采集参数信息,获得第二影响参数;
第三修正单元,所述第三修正单元用于根据所述第二影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于根据所述第一配比关系生成第一验证码,其中,所述第一验证码是与所述第一配比关系一一对应的;
第十六获得单元,所述第十六获得单元用于根据第二配比关系和第一验证码生成第二验证码;
第十七获得单元,所述第十七获得单元用于将所述第一配比关系和所述第一验证码作为第一存储单位;
第十八获得单元,所述第十八获得单元用于将所述第二配比关系和所述第二验证码作为第二存储单位;
第十九获得单元,所述第十九获得单元用于将所述第一存储单位、所述第二存储单位分别复制保存在两台设备上。
进一步的,所述系统还包括:
第二十获得单元,所述第二十获得单元用于获得所述第一存储单位的记录时间,所述第一存储单位的记录时间表示第一存储单位需要记录的时间;
第二十一获得单元,所述第二十一获得单元用于根据所述第一存储单位的记录时间,获得所述两台设备中运力最快的第一设备;
第二十二获得单元,所述第二十二获得单元用于将第一存储单位的记录权发送给所述第一设备。
进一步的,所述系统还包括:
第二十三获得单元,所述第二十三获得单根据所述第一墙面设计效果图信息,获得标准色卡信息;
第二十四获得单元,所述第二十四获得单元用于根据所述标准色卡信息,获得所述标准色卡中的第一色号和第二色号,其中,所述第一色号和所述第二色号为相邻色号;
第二十五获得单元,所述第二十五获得单元用于根据所述第一色号和所述第二色号,获得第三色号,所述第三色号为所述第一色号和所述第二色号的中间值色号;
第二十六获得单元,所述第二十六获得单元用于根据所述第一色号、所述第二色号和所述第三色号,获得所述用来标识墙面色差等级的标识信息。
前述图1实施例一中的一种建筑施工验收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建筑施工验收系统,通过前述对一种建筑施工验收方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种建筑施工验收系统的实施方法,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建筑施工验收方法的发明构思,本发明还提供一种建筑施工验收系统,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建筑施工验收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建筑施工验收方法,所述方法包括:获得第一墙面的第一图像信息,所述第一墙面的第一图像信息包括第一墙面设计效果图信息;获得所述第一墙面的第二图像信息,所述第二图像信息包括第一墙面成品图像信息;根据所述第一图像信息和所述第二图像信息构建第一训练数据集;将所述第一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,所述多组训练数据中的每一组训练数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息;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所述第一墙面成品图像与设计效果图的色差等级信息;根据所述色差等级信息,确定是否通过验收。解决了现有技术中只是简单的通过比对设计效果图信息与墙面信息,造成建筑施工的验收不准确,进而为用户带来不好的体验的技术问题,达到对建筑施工进行准确的验收,进而达到提升用户体验的技术效果。
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、系统、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系统。
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,则可对这些实施例做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 (2)

1.一种建筑施工验收方法,其中,所述方法包括:
获得第一墙面的第一图像信息,所述第一墙面的第一图像信息包括第一墙面设计效果图信息;
获得所述第一墙面的第二图像信息,所述第二图像信息包括第一墙面成品图像信息;
根据所述第一图像信息和所述第二图像信息构建第一训练数据集;
将所述第一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,所述多组训练数据中的每一组训练数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息,其中,所述用来标识墙面色差等级的标识信息包括:
根据所述第一墙面设计效果图信息,获得标准色卡信息;
根据所述标准色卡信息,获得所述标准色卡中的第一色号和第二色号,其中,所述第一色号和所述第二色号为相邻色号;
根据所述第一色号和所述第二色号,获得第三色号,所述第三色号为所述第一色号和所述第二色号的中间值色号;
根据所述第一色号、所述第二色号和所述第三色号,获得所述用来标识墙面色差等级的标识信息;
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所述第一墙面成品图像与设计效果图的色差等级信息;
根据所述色差等级信息,确定是否通过验收;
其中,在所述根据所述色差等级信息,确定是否通过验收之前,包括:
获得所述第二图像信息的拍摄时间信息;
根据所述第二图像信息的拍摄时间信息,获得所述拍摄时间信息的天气信息;
获得所述拍摄时间信息和所述天气信息的第一配比关系;
根据所述拍摄时间信息和所述天气信息和所述第一配比关系,获得第一影响参数;
根据所述第一影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息;
获得所述第二图像信息的图像采集参数信息;
根据所述图像采集参数信息,获得第二影响参数;
根据所述第二影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息;
其中,所述根据所述色差等级信息,确定是否通过验收,包括:
获得预定色差等级标准;
判断所述第一墙面的色差等级信息是否达到所述预定色差等级标准;
如果所述第一墙面的色差等级信息达到所述预定色差等级标准,获得第一验收合格信息;
如果所述第一墙面的色差等级信息未达到所述预定色差等级标准,获得第一修改指令;
根据所述第一修改指令,获得第一修改方案信息;
根据所述第一修改方案信息,对所述第一墙面进行修改;
根据所述第一配比关系生成第一验证码,其中,所述第一验证码是与所述第一配比关系一一对应的;
根据第二配比关系和第一验证码生成第二验证码;
将所述第一配比关系和所述第一验证码作为第一存储单位;
将所述第二配比关系和所述第二验证码作为第二存储单位;
将所述第一存储单位、所述第二存储单位分别复制保存在两台设备上
获得所述第一存储单位的记录时间,所述第一存储单位的记录时间表示第一存储单位需要记录的时间;
根据所述第一存储单位的记录时间,获得所述两台设备中运力最快的第一设备;
将第一存储单位的记录权发送给所述第一设备。
2.一种建筑施工验收系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一墙面的第一图像信息,所述第一墙面的第一图像信息包括第一墙面设计效果图信息;
第二获得单元,所述第二获得单元用于获得所述第一墙面的第二图像信息,所述第二图像信息包括第一墙面成品图像信息;
第三获得单元,所述第三获得单元用于根据所述第一图像信息和所述第二图像信息构建第一训练数据集;
第一输入单元,所述第一输入单元用于将所述第一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,所述多组训练数据中的每一组训练数据均包括:所述第一图像信息、所述第二图像信息和用来标识墙面色差等级的标识信息,其中,所述用来标识墙面色差等级的标识信息包括:第二十三获得单元,所述第二十三获得单根据所述第一墙面设计效果图信息,获得标准色卡信息;
第二十四获得单元,所述第二十四获得单元用于根据所述标准色卡信息,获得所述标准色卡中的第一色号和第二色号,其中,所述第一色号和所述第二色号为相邻色号;
第二十五获得单元,所述第二十五获得单元用于根据所述第一色号和所述第二色号,获得第三色号,所述第三色号为所述第一色号和所述第二色号的中间值色号;
第二十六获得单元,所述第二十六获得单元用于根据所述第一色号、所述第二色号和所述第三色号,获得所述用来标识墙面色差等级的标识信息;
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所述第一墙面成品图像与设计效果图的色差等级信息;
第一确定单元,所述第一确定单元用于根据所述色差等级信息,确定是否通过验收;
第九获得单元,所述第九获得单元用于获得所述第二图像信息的拍摄时间信息;
第十获得单元,所述第十获得单元用于根据所述第二图像信息的拍摄时间信息,获得所述拍摄时间信息的天气信息;
第十一获得单元,所述第十一获得单元用于获得所述拍摄时间信息和所述天气信息的第一配比关系;
第十二获得单元,所述第十二获得单元用于根据所述拍摄时间信息和所述天气信息和所述第一配比关系,获得第一影响参数;
第二修正单元,所述第二修正单元用于根据所述第一影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息;
第十三获得单元,所述第十三获得单元用于获得所述第二图像信息的图像采集参数信息;
第十四获得单元,所述第十四获得单元用于根据所述图像采集参数信息,获得第二影响参数;
第三修正单元,所述第三修正单元用于根据所述第二影响参数,修正所述第一墙面成品图像与设计效果图的色差等级信息;
其中,所述第一确定单元还包括:
第五获得单元,所述第五获得单元用于获得预定色差等级标准;
第一判断单元,所述第一判断单元用于判断所述第一墙面的色差等级信息是否达到所述预定色差等级标准;
第六获得单元,所述第六获得单元用于如果所述第一墙面的色差等级信息达到所述预定色差等级标准,获得第一验收合格信息;
第七获得单元,所述第七获得单元用于将如果所述第一墙面的色差等级信息未达到所述预定色差等级标准,获得第一修改指令;
第八获得单元,所述第八获得单元用于根据所述第一修改指令,获得第一修改方案信息;
第一修改单元,所述第一修改单元用于根据所述第一修改方案信息,对所述第一墙面进行修改;
第十五获得单元,所述第十五获得单元用于根据所述第一配比关系生成第一验证码,其中,所述第一验证码是与所述第一配比关系一一对应的;
第十六获得单元,所述第十六获得单元用于根据第二配比关系和第一验证码生成第二验证码;
第十七获得单元,所述第十七获得单元用于将所述第一配比关系和所述第一验证码作为第一存储单位;
第十八获得单元,所述第十八获得单元用于将所述第二配比关系和所述第二验证码作为第二存储单位;
第十九获得单元,所述第十九获得单元用于将所述第一存储单位、所述第二存储单位分别复制保存在两台设备上;
第二十获得单元,所述第二十获得单元用于获得所述第一存储单位的记录时间,所述第一存储单位的记录时间表示第一存储单位需要记录的时间;
第二十一获得单元,所述第二十一获得单元用于根据所述第一存储单位的记录时间,获得所述两台设备中运力最快的第一设备;
第二十二获得单元,所述第二十二获得单元用于将第一存储单位的记录权发送给所述第一设备。
CN202010897099.5A 2020-08-31 2020-08-31 一种建筑施工验收方法及系统 Active CN111986191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010897099.5A CN111986191B (zh) 2020-08-31 2020-08-31 一种建筑施工验收方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010897099.5A CN111986191B (zh) 2020-08-31 2020-08-31 一种建筑施工验收方法及系统

Publications (2)

Publication Number Publication Date
CN111986191A CN111986191A (zh) 2020-11-24
CN111986191B true CN111986191B (zh) 2022-05-27

Family

ID=73439787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010897099.5A Active CN111986191B (zh) 2020-08-31 2020-08-31 一种建筑施工验收方法及系统

Country Status (1)

Country Link
CN (1) CN111986191B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
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
CN113487200B (zh) * 2021-07-14 2022-10-25 唐山市曹妃甸区陆月柒峰科技有限责任公司 一种公路工程的项目质量评定方法及系统
CN113780881A (zh) * 2021-09-26 2021-12-10 广域铭岛数字科技有限公司 一种涂装色差溯源方法、系统、介质及终端
CN116630974B (zh) * 2023-05-17 2024-02-02 广东智云城建科技有限公司 一种建筑图像数据的快速标记处理方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805198A (zh) * 2018-06-08 2018-11-13 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备
CN110033199A (zh) * 2019-04-19 2019-07-19 深圳格调网络运营有限公司 一种家装施工第三方质量监管智能化管理系统
CN111160476A (zh) * 2019-12-31 2020-05-15 佛山喀视科技有限公司 一种生成色差检测模型、瓷砖分色方法及装置
CN111400800A (zh) * 2020-03-13 2020-07-10 陈宏伟 一种基于bim和vr技术的建筑施工质量控制系统及方法
CN111475341A (zh) * 2020-04-14 2020-07-31 重庆工业职业技术学院 纯电动汽车高压配电系统故障模拟系统与装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805198A (zh) * 2018-06-08 2018-11-13 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备
CN110033199A (zh) * 2019-04-19 2019-07-19 深圳格调网络运营有限公司 一种家装施工第三方质量监管智能化管理系统
CN111160476A (zh) * 2019-12-31 2020-05-15 佛山喀视科技有限公司 一种生成色差检测模型、瓷砖分色方法及装置
CN111400800A (zh) * 2020-03-13 2020-07-10 陈宏伟 一种基于bim和vr技术的建筑施工质量控制系统及方法
CN111475341A (zh) * 2020-04-14 2020-07-31 重庆工业职业技术学院 纯电动汽车高压配电系统故障模拟系统与装置

Also Published As

Publication number Publication date
CN111986191A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN111986191B (zh) 一种建筑施工验收方法及系统
CN107690660B (zh) 图像识别方法及装置
EP0565761B1 (en) An image forming apparatus provided with self-diagnosis system
CN111951128B (zh) 一种节能环保的建筑施工方法和装置
CN110717671B (zh) 一种确定参与方贡献度的方法及装置
KR102109583B1 (ko) 기계 학습 기반의 가격 산정 방법 및 장치
CN112150435B (zh) 一种预制构件的施工管理方法及装置
CN110288878B (zh) 自适应学习方法及装置
CN108419067A (zh) 白平衡参数记录、调整方法及装置、存储介质、终端、相机
US5452438A (en) Image forming apparatus provided with self-diagnosis and self-repair system
CN114510867A (zh) 一种3d模拟配电柜电路接线方法及系统
CN114547917A (zh) 仿真预测方法、装置、设备及存储介质
CN111539401B (zh) 基于人工智能的车道线检测方法、装置、终端及存储介质
CN109993374B (zh) 货物量预测方法及装置
CN113487200B (zh) 一种公路工程的项目质量评定方法及系统
CN113516449B (zh) 一种降低建筑噪音的信息处理方法和装置
CN112085624A (zh) 一种基于云计算的数据处理方法及系统
CN112487780A (zh) 一种订单数据排版优化方法及系统
CN110942323A (zh) 一种评估模型构建方法、装置及系统
CN117132177B (zh) 基于多重假设检验的径流预报模型构建和径流预报方法
CN112184474B (zh) 一种基于区块链的材料智能化制造方法及装置
CN116824010A (zh) 一种反馈式多端动画设计在线交互方法及系统
CN117592363A (zh) 一种配电网机理模型与孪生数据的动态匹配方法及装置
CN116956012A (zh) 数据处理方法、装置、计算机可读介质及电子设备
CN114626527A (zh) 基于稀疏约束再训练的神经网络剪枝方法及装置

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