CN113076338B - 一种基于规则的智能船舶避碰自动测试场景生成方法及系统 - Google Patents

一种基于规则的智能船舶避碰自动测试场景生成方法及系统 Download PDF

Info

Publication number
CN113076338B
CN113076338B CN202110166544.5A CN202110166544A CN113076338B CN 113076338 B CN113076338 B CN 113076338B CN 202110166544 A CN202110166544 A CN 202110166544A CN 113076338 B CN113076338 B CN 113076338B
Authority
CN
China
Prior art keywords
result
ship
scene
obtaining
identification code
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
CN202110166544.5A
Other languages
English (en)
Other versions
CN113076338A (zh
Inventor
孙峰
马吉林
张旋武
蔡玉良
于淳
孙宁
但家梭
孙东昊
王新宇
王潇
赵轩
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.)
China Classification Society
Original Assignee
China Classification Society
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 China Classification Society filed Critical China Classification Society
Priority to CN202110166544.5A priority Critical patent/CN113076338B/zh
Publication of CN113076338A publication Critical patent/CN113076338A/zh
Application granted granted Critical
Publication of CN113076338B publication Critical patent/CN113076338B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2455Query execution
    • G06F16/24564Applying rules; Deductive queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/284Relational databases
    • G06F16/285Clustering or classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/602Providing cryptographic facilities or services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD

Abstract

本发明公开了一种基于规则的智能船舶避碰自动测试场景生成方法及系统,创建第一基础场景;在第一基础场景中生成船舶信息,根据第一参数调整指令对所述第一船舶信息和第二船舶信息进行参数调整,获得第一调整结果;通过所述规则模块获得第一约束条件;将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,获得所述第一数据生成模型的第一输出结果,通过所述判定模块对所述第一数据生成结果进行判定;当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。解决了现有技术中测试场景生成过程中无法保证场景编辑的质量,且操作工作量大、无法实现会遇测试场景多样性的技术问题。

Description

一种基于规则的智能船舶避碰自动测试场景生成方法及系统
技术领域
本发明涉及船舶避碰测试与评估相关领域,尤其涉及一种基于规则的智能船舶避碰自动测试场景生成方法及系统。
背景技术
近年来,智能船舶成为水上交通领域的研究热点。在智能船舶的避碰测试场景生成系统中,要求尽可能多的产生各类会遇局面,保证船舶避碰算法测试的可信性。避碰测试场景生成是避碰算法测试和评估的关键过程,其主要目标是生成符合设计目标与设计要求的测试案例集,并存入到场景数据库系统中。目前主要通过人工设定测试水域、环境以及船舶初始状态生成测试场景。然而,船舶会遇场景纷繁复杂,包含不同距离下的对遇、交叉相遇、追越等多种态势,会遇场景在时空维度上的变化异常复杂。
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:
现有技术中测试场景生成过程中无法保证场景编辑的质量,且操作工作量大、无法实现会遇测试场景多样性的技术问题。
发明内容
本申请实施例通过提供一种基于规则的智能船舶避碰自动测试场景生成方法及系统,解决了现有技术中测试场景生成过程中无法保证场景编辑的质量,且操作工作量大、无法实现会遇测试场景多样性的技术问题,达到对测试场景自动化生成,降低测试场景生成工作量,生成高质量、多样性会遇测试场景的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于规则的智能船舶避碰自动测试场景生成方法及系统。
第一方面,本申请实施例提供了一种基于规则的智能船舶避碰自动测试场景生成方法,所述方法应用于一自动测试场景生成系统,所述自动测试场景生成系统与环境创建模块、船舶创建模块、规则模块、判定模块通信连接,所述方法包括:获得第一创建指令,根据所述第一创建指令通过所述环境创建模块创建第一基础场景;通过所述船舶参数生成模块,在所述第一基础场景中生成船舶信息,其中,所述船舶信息至少包括第一船舶信息和第二船舶信息;获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果;通过所述规则模块获得第一约束条件;将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,其中,所述第一数据生成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组均包括:所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息;获得所述第一数据生成模型的第一输出结果,其中,所述第一输出结果包括第一数据生成结果;通过所述判定模块对所述第一数据生成结果进行判定;当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。
另一方面,本申请还提供了一种基于规则的智能船舶避碰自动测试场景生成系统,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创建指令,根据所述第一创建指令通过环境创建模块创建第一基础场景;第二获得单元,所述第二获得单元用于通过船舶参数生成模块,在所述第一基础场景中生成船舶信息,其中,所述船舶信息至少包括第一船舶信息和第二船舶信息;第三获得单元,所述第三获得单元用于获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果;第四获得单元,所述第四获得单元用于通过规则模块获得第一约束条件;第一输入单元,所述第一输入单元用于将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,其中,所述第一数据生成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组均包括:所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息;第五获得单元,所述第五获得单元用于获得所述第一数据生成模型的第一输出结果,其中,所述第一输出结果包括第一数据生成结果;第一判定单元,所述第一判定单元用于通过判定模块对所述第一数据生成结果进行判定;第一存储单元,所述第一存储单元用于当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。
第三方面,本发明提供了一种基于规则的智能船舶避碰自动测试场景生成系统,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,所述处理器执行所述程序时实现第一方面所述方法的步骤。
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:
由于采用了本发明通过将基础场景参数、本船及目标船的关键信息转化成可选定的场景生成规则,将所述信息和规则模块的约束条件输入第一数据生成模型,通过所述第一数据生成模型获得第一数据生成结果,通过校验所述第一数据生成结果,自动生成测试场景,达到对测试场景自动化生成,降低测试场景生成工作量,生成高质量、多样性会遇测试场景的技术效果。
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基于规则的智能船舶避碰自动测试场景生成方法的流程示意图;
图2为本申请实施例一种基于规则的智能船舶避碰自动测试场景生成系统的结构示意图;
图3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,第四获得单元14,第一输入单元15,第五获得单元16,第一判定单元17,第一存储单元18,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基于规则的智能船舶避碰自动测试场景生成方法及系统,解决了现有技术中测试场景生成过程中无法保证场景编辑的质量,且操作工作量大、无法实现会遇测试场景多样性的技术问题,达到对测试场景自动化生成,降低测试场景生成工作量,生成高质量、多样性会遇测试场景的技术效果。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
近年来,智能船舶成为水上交通领域的研究热点。在智能船舶的避碰测试场景生成系统中,要求尽可能多的产生各类会遇局面,保证船舶避碰算法测试的可信性。避碰测试场景生成是避碰算法测试和评估的关键过程,其主要目标是生成符合设计目标与设计要求的测试案例集,并存入到场景数据库系统中。目前主要通过人工设定测试水域、环境以及船舶初始状态生成测试场景。然而,船舶会遇场景纷繁复杂,包含不同距离下的对遇、交叉相遇、追越等多种态势,会遇场景在时空维度上的变化异常复杂。但现有技术中测试场景生成过程中无法保证场景编辑的质量,且操作工作量大、无法实现会遇测试场景多样性的技术问题。
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基于规则的智能船舶避碰自动测试场景生成方法,所述方法应用于一自动测试场景生成系统,所述自动测试场景生成系统与环境创建模块、船舶创建模块、规则模块、判定模块通信连接,所述方法包括:获得第一创建指令,根据所述第一创建指令通过所述环境创建模块创建第一基础场景;通过所述船舶参数生成模块,在所述第一基础场景中生成船舶信息,其中,所述船舶信息至少包括第一船舶信息和第二船舶信息;获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果;通过所述规则模块获得第一约束条件;将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,其中,所述第一数据生成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组均包括:所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息;获得所述第一数据生成模型的第一输出结果,其中,所述第一输出结果包括第一数据生成结果;通过所述判定模块对所述第一数据生成结果进行判定;当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。
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基于规则的智能船舶避碰自动测试场景生成方法,所述方法应用于一自动测试场景生成系统,所述自动测试场景生成系统与环境创建模块、船舶创建模块、规则模块、判定模块通信连接,其中,所述方法包括:
步骤S100:获得第一创建指令,根据所述第一创建指令通过所述环境创建模块创建第一基础场景;
具体而言,自动测试场景生成系统包含环境创建模块、船舶创建模块、规则模块、判定模块。其中,规则模块是对场景产生的原则进行约束的模块。环境、本船以及目标船依据规则进行创建。具体规则包括:水域范围设定,能见度设定,船舶数量设定,船舶基本动态,以及船舶间的基本会遇态势特征、船舶自主避让能力属性等,根据所述第一创建指令通过所述环境创建模块创建第一基础场景,其中,所述第一基础场景包括:水域范围设定,所述水域范围至少包括开阔水域与受限水域;能见度设定,所述能见度设定至少包括能见度良好与能见度不良。
步骤S200:通过所述船舶参数生成模块,在所述第一基础场景中生成船舶信息,其中,所述船舶信息至少包括第一船舶信息和第二船舶信息;
步骤S300:获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果;
具体而言,所述船舶参数生成模块为进行船舶设定的模块,其中,所述船舶设定至少包括船舶的数量设定即包括两船和多船,所述参数设定还包括船舶的基本动态的设定,即船舶的动静态数据:船舶的坐标和速度,会遇态势、是否存在碰撞危险,以及船舶间的基本会遇态势特征等。所述第一参数调整指令为调整所述第一船舶和所述第二船舶的自助避让能力属性的指令,所述自助避让能力属性为定义船舶是否具备遵守避碰规则的能力,如具备避让能力称为智能目标船,宿主模拟器中智能目标船根据会遇局面选择让路或者直行(需要第三方模拟器系统的集成支持),以还原实际海上船舶的复杂局面。
步骤S400:通过所述规则模块获得第一约束条件;
步骤S500:将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,其中,所述第一数据生成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组均包括:所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息;
具体而言,所述规则模块为是指对场景产生进行规则约束的模块,通过实际设定中的需求,获得第一约束条件,将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,所述第一数据生成模型为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。通过大量训练数据的训练,将所述第一基础场景、所述第一调整结果、所述第一约束条件输入神经网络模型,则输出第一数据生成结果。
更进一步而言,所述训练的过程还包括监督学习的过程,每一组监督数据均包括所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息,将所述第一基础场景、所述第一调整结果、所述第一约束条件输入到神经网络模型中,根据用来标识数据生成结果的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,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信息更加准确,进而获得更加准确的第一数据生成结果,所述数据生成结果为记录了基于当前约束条件下的测试场景。
步骤S600:获得所述第一数据生成模型的第一输出结果,其中,所述第一输出结果包括第一数据生成结果;
步骤S700:通过所述判定模块对所述第一数据生成结果进行判定;
具体而言,所述判定模块主要在场景生成过程中,采用本地内置的自动避碰算法对会遇场景进行基本检验,确保该局面能够被待核验的第三方避让算法所触发。具体为确保船舶必须采取必要的避让行动,自动生成会遇态势是令最小会遇点(closest point ofapproach,CPA)的值尽可能小,同时保证(time of closest point of approach,TCPA)值大于零(当TCPA值小于零时,错过CPA点,方案无效)。
步骤S800:当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。
具体而言,当所述校验通过后,生成场景预览图,提供简洁直观的会遇场景图示,并将所述第一数据生成结果进行存储。达到对测试场景自动化生成,降低测试场景生成工作量,生成高质量、多样性会遇测试场景的技术效果。
进一步而言,所述获得第一创建指令,根据所述第一创建指令通过所述环境创建模块创建第一基础场景,本申请实施例步骤S100还包括:
步骤S110:根据所述第一创建指令,对水域范围进行设定,获得第一水域范围设定结果;
步骤S120:根据所述第一水域范围设定结果获得第一标识码,其中,所述第一标识码与所述第一水域范围设定结果为一一对应关系;
步骤S130:获得第一能见度设定结果,通过所述第一能见度设定结果获得第二标识码,其中,所述第二标识码与所述第一能见度设定结果一一对应;
步骤S140:将所述第一水域范围设定结果、所述第一标识码、所述第一能见度设定结果、所述第二标识码作为所述第一基础场景的基础信息。
具体而言,所述水域范围的设定包括开阔水域与受限水域,根据所述设定结果获得第一标识码,其中,所述标识码至少能反映出设定的类别及不同方案,举例而言,用字母A表示水域范围,则数字1为开阔水域,数字2为受限水域,当所述第一水域范围设定结果为开阔水域时,所述第一标识码为A1,获得第一能见度设定结果,其中,所述能见度设定至少包括能见度良好与能见度不良,其中,能见度用字母V表示,1表示能见度良好,2表示能见度不良,当所述能见度情况为良好时,此时所述第二标识码为V1。将所述第一水域范围设定结果、所述第一标识码、所述第一能见度设定结果、所述第二标识码作为所述第一基础场景的基础信息。
进一步而言,所述获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果,本申请实施例步骤S300还包括:
步骤S310:获得所述第一船舶的第一行为,根据所述第一行为生成第三标识码,其中,所述第三标识码与所述第一行为一一对应;
步骤S320:根据所述第一参数调整指令对所述第一船舶和所述第二船舶的自主避让能力属性进行设定,获得第一设定结果;
步骤S330:获得所述第一船舶和所述第二船舶的第一会遇态势,将所述第一行为、所述第三标识码、所述第一设定结果、所述第一会遇态势作为所述第一调整结果。
进一步的,本申请实施例还包括:
步骤S340:获得所述第二船舶的第二行为,根据所述第二行为生成第四标识码,其中,所述第四标识码与所述第二行为一一对应;
步骤S350:将所述第二行为、所述第四标识码作为所述第一调整结果。
具体而言,所述第一船舶的第一行为为本船行为,至少包括:1,直航船、2,让路船(直航船正常)、3,让路船(直航船不正常)、4,目标船不行动/协调避碰动情况。根据所述第一行为生成第三标识码,举例而言,所述第一行为用O表示,当所述第一船只行为3,让路船(直航船不正常)时,此时所述第三标识码为O3。所述第一船舶和所述第二船舶的会遇态势至少包括:对遇1、右舷小角度交叉会遇2、右舷大角度交叉会遇3、左舷追越4、右舷追越5、左舷小角度交叉会遇6、左舷大角度交叉会遇7几种情况,其中,所述船舶会遇态势用标识码M标识,将所述会遇态势用第六标识码标识,当所述会遇态势为左舷追越4时,此时所述第六标识码为M4。所述第二船舶的第二行为为目标船行为,所述第二行为至少包括:1,正常避让,实施舵点坐标、2,保速保向、3非预期改向施舵点坐标、4,保向/协调避让、5,船舶漂航,极限测试。所述第二行为用字母T表示,当所述第二行为为4,保向/协调避让时,此时所述第四标识码为T4。将所述第一行为、所述第三标识码、所述第一设定结果、所述第一会遇态势、所述第二行为、所述第四标识码作为所述第一调整结果。
进一步而言,本申请实施例还包括:
步骤S710:通过所述判定模块获得第一判定指令;
步骤S720:根据所述第一判定指令对所述第一数据生成结果进行基本校验;
步骤S730:当所述基本校验未通过时,获得第一修正指令;
步骤S740:根据所述第一修正指令对所述第一数据生成模型进行修正处理。
具体而言,所述判定模块主要对生成场景的有效性进行检验,具体为:在场景生成过程中,采用本地内置的自动避碰算法对会遇场景进行基本检验,确保该局面能够被待核验的第三方避让算法所触发。具体为确保船舶必须采取必要的避让行动,自动生成会遇态势是令最小会遇点(closest point of approach,CPA)的值尽可能小,同时保证(time ofclosest point of approach,TCPA)值大于零(当TCPA值小于零时,错过CPA点,方案无效)。通过所述判定结果,判断所述场景是否生成有效,当所述基本校验未通过时,此时可能是参数的设定有误,或是所述第一数据生成模型出现错误,当校正所述输入参数无误后,获得第一修正指令,根据所述第一修正指令,对所述第一数据生成模型进行修正处理,以使所述第一数据生成模型更加的准确。
进一步而言,本申请实施例还包括:
步骤S750:根据所述第一标识码、所述第二标识码、所述第三标识码、所述第四标识码获得第五标识码;
步骤S760:通过所述第一数据生成结果获得第一场景预览图像;
步骤S770:将所述第五标识码、所述第一场景预览图像、所述第一数据生成结果作为第一单元,将所述第一单元依据所述第五标识码进行分类存储。
具体而言,所述第五标识码为与所述第一标识码、所述第二标识码、所述第三标识码、所述第四标识码唯一对应的,且包含所述第一标识码、所述第二标识码、所述第三标识码、所述第四标识码信息的标识码,举例而言,当所述第一标识码、所述第二标识码、所述第三标识码、所述第四标识码为上述实施例举例所述的标识码时,即所述第一标识码为A1,所述第二标识码为V1,所述第三标识码为O3,所述第四标识码为T4,所述第六标识码为M4,此时,所述第五标识码为A1V1O3T4M4,表示实际避让场景为开阔水域、能见度良好、让路船(直航船不正常)、目标船保向/协调避让。所述第一场景预览图为根据提取所述测试场景的关键信息,提供的简洁直观的会遇场景图示,将所述第五标识码、所述第一场景预览图像、所述第一数据生成结果作为第一单元,将所述第一单元依据所述第五标识码进行分类存储。即根据所述第五标识码中标识分类进行存储。
进一步而言,本申请实施例还包括:
步骤S910:将所述第一标识码和所述第一水域范围设定结果作为第一存储单元,通过所述第一存储单元获得第一验证码;
步骤S920:将所述第二标识码和所述第一能见度设定结果作为第二存储单元,通过所述第二存储单元和所述第一验证码获得第二验证码;
步骤S930:将所述第三标识码和所述第一行为作为第三存储单元,通过所述第三存储单元和所述第二验证码获得第三验证码;
步骤S940:将所述第四标识码和所述第二行为作为第四存储单元,通过所述第四存储单元和所述第三验证码获得第四验证码;
步骤S950:将各存储单元与其对应的验证码分别复制保存在电子设备上。
具体而言,区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账”,共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。将所述第一标识码和所述第一水域范围设定结果作为第一存储单元,将所述第二标识码和所述第一能见度设定结果作为第二存储单元,将所述第三标识码和所述第一行为作为第三存储单元,将所述第四标识码和所述第二行为作为第四存储单元,根据所述第一存储单元生成第一验证码,所述第一验证码与第一存储单元一一对应;根据所述第二存储单元和第一验证码生成第二验证码,所述第二验证码与第二存储单元一一对应;以此类推,根据所述第N图像信息和第N-1标识码生成第N标识码,其中,N为大于1的自然数,将所有存储单元和与其对应的验证码分别复制保存在设备上,其中,所述第一存储单元和所述第一验证码作为第一区块保存在一台设备上,所述第二存储单元和所述第二验证码作为第二区块保存在一台设备上,所述第N存储单元和所述第N验证码作为第N区块保存在一台设备上,当需要调用所述存储单元时,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,通过哈希函数对于每一区块进行串接,使得存储单元不易丢失和遭到破坏,通过区块链的逻辑对所述存储单元进行加密处理,保证了所述存储单元的安全性,进而保证了场景生成数据的安全、准确性。
综上所述,本申请实施例所提供的一种基于规则的智能船舶避碰自动测试场景生成方法及系统具有如下技术效果:
1、由于采用了本发明通过将基础场景参数、本船及目标船的关键信息转化成可选定的场景生成规则,将所述信息和规则模块的约束条件输入第一数据生成模型,通过所述第一数据生成模型获得第一数据生成结果,通过校验所述第一数据生成结果,自动生成测试场景,达到对测试场景自动化生成,降低测试场景生成工作量,生成高质量、多样性会遇测试场景的技术效果。
2、由于采用了通过区块链的逻辑对所述存储单元进行加密处理的方式,保证了所述存储单元的安全性,进而保证了场景生成数据的安全、准确性。
实施例二
基于与前述实施例中一种基于规则的智能船舶避碰自动测试场景生成方法同样发明构思,本发明还提供了一种基于规则的智能船舶避碰自动测试场景生成系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一创建指令,根据所述第一创建指令通过环境创建模块创建第一基础场景;
第二获得单元12,所述第二获得单元12用于通过船舶参数生成模块,在所述第一基础场景中生成船舶信息,其中,所述船舶信息至少包括第一船舶信息和第二船舶信息;
第三获得单元13,所述第三获得单元13用于获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果;
第四获得单元14,所述第四获得单元14用于通过规则模块获得第一约束条件;
第一输入单元15,所述第一输入单元15用于将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,其中,所述第一数据生成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组均包括:所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息;
第五获得单元16,所述第五获得单元16用于获得所述第一数据生成模型的第一输出结果,其中,所述第一输出结果包括第一数据生成结果;
第一判定单元17,所述第一判定单元17用于通过判定模块对所述第一数据生成结果进行判定;
第一存储单元18,所述第一存储单元18用于当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于根据所述第一创建指令,对水域范围进行设定,获得第一水域范围设定结果;
第七获得单元,所述第七获得单元用于根据所述第一水域范围设定结果获得第一标识码,其中,所述第一标识码与所述第一水域范围设定结果为一一对应关系;
第八获得单元,所述第八获得单元用于获得第一能见度设定结果,通过所述第一能见度设定结果获得第二标识码,其中,所述第二标识码与所述第一能见度设定结果一一对应;
第九获得单元,所述第九获得单元用于将所述第一水域范围设定结果、所述第一标识码、所述第一能见度设定结果、所述第二标识码作为所述第一基础场景的基础信息。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于获得所述第一船舶的第一行为,根据所述第一行为生成第三标识码,其中,所述第三标识码与所述第一行为一一对应;
第十一获得单元,所述第十一获得单元用于根据所述第一参数调整指令对所述第一船舶和所述第二船舶的自主避让能力属性进行设定,获得第一设定结果;
第十二获得单元,所述第十二获得单元用于获得所述第一船舶和所述第二船舶的第一会遇态势,将所述第一行为、所述第三标识码、所述第一设定结果、所述第一会遇态势作为所述第一调整结果。
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船舶的第二行为,根据所述第二行为生成第四标识码,其中,所述第四标识码与所述第二行为一一对应;
第十四获得单元,所述第十四获得单元用于将所述第二行为、所述第四标识码作为所述第一调整结果。
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通过所述判定模块获得第一判定指令;
第二判定单元,所述第二判定单元用于根据所述第一判定指令对所述第一数据生成结果进行基本校验;
第十六获得单元,所述第十六获得单元用于当所述基本校验未通过时,获得第一修正指令;
第一修正单元,所述第一修正单元用于根据所述第一修正指令对所述第一数据生成模型进行修正处理。
进一步的,所述系统还包括:
第十七获得单元,所述第十七获得单元用于根据所述第一标识码、所述第二标识码、所述第三标识码、所述第四标识码获得第五标识码;
第十八获得单元,所述第十八获得单元用于通过所述第一数据生成结果获得第一场景预览图像;
第二存储单元,所述第二存储单元用于将所述第五标识码、所述第一场景预览图像、所述第一数据生成结果作为第一单元,将所述第一单元依据所述第五标识码进行分类存储。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于将所述第一标识码和所述第一水域范围设定结果作为第一存储单元,通过所述第一存储单元获得第一验证码;
第二十获得单元,所述第二十获得单元用于将所述第二标识码和所述第一能见度设定结果作为第二存储单元,通过所述第二存储单元和所述第一验证码获得第二验证码;
第二十一获得单元,所述第二十一获得单元用于将所述第三标识码和所述第一行为作为第三存储单元,通过所述第三存储单元和所述第二验证码获得第三验证码;
第二十二获得单元,所述第二十二获得单元用于将所述第四标识码和所述第二行为作为第四存储单元,通过所述第四存储单元和所述第三验证码获得第四验证码;
第一保存单元,所述第一保存单元用于将所述存储单元与其对应的验证码分别复制保存在电子设备上。
前述图1实施例一中的一种基于规则的智能船舶避碰自动测试场景生成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基于规则的智能船舶避碰自动测试场景生成系统,通过前述对一种基于规则的智能船舶避碰自动测试场景生成方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于规则的智能船舶避碰自动测试场景生成系统的实施方法,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3来描述本申请实施例的电子设备。
图3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基于规则的智能船舶避碰自动测试场景生成方法的发明构思,本发明还提供一种基于规则的智能船舶避碰自动测试场景生成系统,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基于规则的智能船舶避碰自动测试场景生成方法的任一方法的步骤。
其中,在图3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基于规则的智能船舶避碰自动测试场景生成方法,所述方法应用于一自动测试场景生成系统,所述自动测试场景生成系统与环境创建模块、船舶创建模块、规则模块、判定模块通信连接,所述方法包括:获得第一创建指令,根据所述第一创建指令通过所述环境创建模块创建第一基础场景;通过所述船舶参数生成模块,在所述第一基础场景中生成船舶信息,其中,所述船舶信息至少包括第一船舶信息和第二船舶信息;获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果;通过所述规则模块获得第一约束条件;将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,其中,所述第一数据生成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组均包括:所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息;获得所述第一数据生成模型的第一输出结果,其中,所述第一输出结果包括第一数据生成结果;通过所述判定模块对所述第一数据生成结果进行判定;当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。解决了现有技术中测试场景生成过程中无法保证场景编辑的质量,且操作工作量大、无法实现会遇测试场景多样性的技术问题,达到对测试场景自动化生成,降低测试场景生成工作量,生成高质量、多样性会遇测试场景的技术效果。
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系统的制造品,该指令系统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 (9)

1.一种基于规则的智能船舶避碰自动测试场景生成方法,所述方法应用于一自动测试场景生成系统,所述自动测试场景生成系统与环境创建模块、船舶参数生成模块、规则模块、判定模块通信连接,所述规则模块是对场景产生的原则进行约束的模块,环境、本船以及目标船依据规则进行创建,具体规则包括:水域范围设定,能见度设定,船舶数量设定,船舶基本动态,以及船舶间的基本会遇态势特征、船舶自主避让能力属性;
所述船舶参数生成模块为进行船舶设定的模块,其中,所述船舶设定至少包括船舶的数量设定即包括两船和多船,所述参数设定还包括船舶的基本动态的设定,即船舶的动静态数据:船舶的坐标和速度,会遇态势、是否存在碰撞危险,以及船舶间的基本会遇态势特征;
所述判定模块主要在场景生成过程中,采用本地内置的自动避碰算法对会遇场景进行基本检验,确保该局面能够被待核验的第三方避让算法所触发,具体为确保船舶必须采取必要的避让行动,自动生成会遇态势是令最小会遇点的值尽可能小,同时保证值大于零;
其中,所述方法包括:
获得第一创建指令,根据所述第一创建指令通过所述环境创建模块创建第一基础场景;
通过所述船舶参数生成模块,在所述第一基础场景中生成船舶信息,其中,所述船舶信息至少包括第一船舶信息和第二船舶信息;
获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果;
通过所述规则模块获得第一约束条件;
将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,其中,所述第一数据生成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组均包括:所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息;
获得所述第一数据生成模型的第一输出结果,其中,所述第一输出结果包括第一数据生成结果;
通过所述判定模块对所述第一数据生成结果进行判定;
当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。
2.如权利要求1所述的方法,所述获得第一创建指令,根据所述第一创建指令通过所述环境创建模块创建第一基础场景,所述方法还包括:
根据所述第一创建指令,对水域范围进行设定,获得第一水域范围设定结果;
根据所述第一水域范围设定结果获得第一标识码,其中,所述第一标识码与所述第一水域范围设定结果为一一对应关系;
获得第一能见度设定结果,通过所述第一能见度设定结果获得第二标识码,其中,所述第二标识码与所述第一能见度设定结果一一对应;
将所述第一水域范围设定结果、所述第一标识码、所述第一能见度设定结果、所述第二标识码作为所述第一基础场景的基础信息。
3.如权利要求2所述的方法,其中,所述获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果,所述方法还包括:
获得所述第一船舶的第一行为,根据所述第一行为生成第三标识码,其中,所述第三标识码与所述第一行为一一对应;
根据所述第一参数调整指令对所述第一船舶和所述第二船舶的自主避让能力属性进行设定,获得第一设定结果;
获得所述第一船舶和所述第二船舶的第一会遇态势,将所述第一行为、所述第三标识码、所述第一设定结果、所述第一会遇态势作为所述第一调整结果。
4.如去权利要求3所述的方法,其中,所述方法还包括:
获得所述第二船舶的第二行为,根据所述第二行为生成第四标识码,其中,所述第四标识码与所述第二行为一一对应;
将所述第二行为、所述第四标识码作为所述第一调整结果。
5.如权利要求4所述的方法,其中,所述方法还包括:
通过所述判定模块获得第一判定指令;
根据所述第一判定指令对所述第一数据生成结果进行基本校验;
当所述基本校验未通过时,获得第一修正指令;
根据所述第一修正指令对所述第一数据生成模型进行修正处理。
6.如权利要求5所述的方法,其中,所述方法还包括:
根据所述第一标识码、所述第二标识码、所述第三标识码、所述第四标识码获得第五标识码;
通过所述第一数据生成结果获得第一场景预览图像;
将所述第五标识码、所述第一场景预览图像、所述第一数据生成结果作为第一单元,将所述第一单元依据所述第五标识码进行分类存储。
7.如权利要求6所述的方法,其中,所述方法还包括:
将所述第一标识码和所述第一水域范围设定结果作为第一存储单元,通过所述第一存储单元获得第一验证码;
将所述第二标识码和所述第一能见度设定结果作为第二存储单元,通过所述第二存储单元和所述第一验证码获得第二验证码;
将所述第三标识码和所述第一行为作为第三存储单元,通过所述第三存储单元和所述第二验证码获得第三验证码;
将所述第四标识码和所述第二行为作为第四存储单元,通过所述第四存储单元和所述第三验证码获得第四验证码;
将各存储单元与其对应的验证码分别复制保存在电子设备上。
8.一种基于规则的智能船舶避碰自动测试场景生成系统,所述自动测试场景生成系统与环境创建模块、船舶参数生成模块、规则模块、判定模块通信连接,所述规则模块是对场景产生的原则进行约束的模块,环境、本船以及目标船依据规则进行创建,具体规则包括:水域范围设定,能见度设定,船舶数量设定,船舶基本动态,以及船舶间的基本会遇态势特征、船舶自主避让能力属性;
所述船舶参数生成模块为进行船舶设定的模块,其中,所述船舶设定至少包括船舶的数量设定即包括两船和多船,所述参数设定还包括船舶的基本动态的设定,即船舶的动静态数据:船舶的坐标和速度,会遇态势、是否存在碰撞危险,以及船舶间的基本会遇态势特征;
所述判定模块主要在场景生成过程中,采用本地内置的自动避碰算法对会遇场景进行基本检验,确保该局面能够被待核验的第三方避让算法所触发,具体为确保船舶必须采取必要的避让行动,自动生成会遇态势是令最小会遇点的值尽可能小,同时保证值大于零;
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创建指令,根据所述第一创建指令通过环境创建模块创建第一基础场景;
第二获得单元,所述第二获得单元用于通过船舶参数生成模块,在所述第一基础场景中生成船舶信息,其中,所述船舶信息至少包括第一船舶信息和第二船舶信息;
第三获得单元,所述第三获得单元用于获得第一参数调整指令,根据所述第一参数调整指令对所述第一船舶信息和所述第二船舶信息进行参数调整,获得第一调整结果;
第四获得单元,所述第四获得单元用于通过规则模块获得第一约束条件;
第一输入单元,所述第一输入单元用于将所述第一基础场景、所述第一调整结果、所述第一约束条件作为输入信息,输入第一数据生成模型,其中,所述第一数据生成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组均包括:所述第一基础场景、所述第一调整结果、所述第一约束条件和标识数据生成结果的标识信息;
第五获得单元,所述第五获得单元用于获得所述第一数据生成模型的第一输出结果,其中,所述第一输出结果包括第一数据生成结果;
第一判定单元,所述第一判定单元用于通过判定模块对所述第一数据生成结果进行判定;
第一存储单元,所述第一存储单元用于当判定所述第一数据生成结果通过校验时,对所述第一数据生成结果进行分类存储。
9.一种基于规则的智能船舶避碰自动测试场景生成系统,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,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
CN202110166544.5A 2021-02-04 2021-02-04 一种基于规则的智能船舶避碰自动测试场景生成方法及系统 Active CN113076338B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110166544.5A CN113076338B (zh) 2021-02-04 2021-02-04 一种基于规则的智能船舶避碰自动测试场景生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110166544.5A CN113076338B (zh) 2021-02-04 2021-02-04 一种基于规则的智能船舶避碰自动测试场景生成方法及系统

Publications (2)

Publication Number Publication Date
CN113076338A CN113076338A (zh) 2021-07-06
CN113076338B true CN113076338B (zh) 2023-02-28

Family

ID=76609934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110166544.5A Active CN113076338B (zh) 2021-02-04 2021-02-04 一种基于规则的智能船舶避碰自动测试场景生成方法及系统

Country Status (1)

Country Link
CN (1) CN113076338B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505069B (zh) * 2021-07-09 2024-01-05 中国人民解放军火箭军工程大学 一种测试数据分析方法及系统
CN113971316B (zh) * 2021-10-22 2022-10-21 大连海事大学 一种智能船舶避碰算法测试场景的自适应生成方法
CN114620199A (zh) * 2022-03-15 2022-06-14 陕西正整数科技有限公司 一种自动并发船舶避碰测试方法及系统
CN114664118B (zh) * 2022-03-18 2023-04-07 陕西正整数科技有限公司 一种智能船舶避碰自动测试场景生成方法及系统
CN116050136B (zh) * 2023-01-28 2023-07-21 中国船级社 一种智能船舶测试场景库的生成方法、装置及设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108820157B (zh) * 2018-04-25 2020-03-10 武汉理工大学 一种基于强化学习的船舶智能避碰方法
CN109263826B (zh) * 2018-08-30 2019-10-01 武汉理工大学 基于操纵性建模的船舶智能避碰系统及方法
CN109298712A (zh) * 2018-10-19 2019-02-01 大连海事大学 一种基于自适应航行态势学习的无人驾驶船舶自主避碰决策方法
CN109556609B (zh) * 2018-11-15 2020-11-17 武汉南华工业设备工程股份有限公司 一种基于人工智能的避碰方法及装置
CN111223335B (zh) * 2018-11-27 2021-09-24 杭州海康威视系统技术有限公司 船舶超高预警方法、装置及系统
CN110083155B (zh) * 2019-04-19 2022-05-13 集美大学 一种实现船舶拟人智能避碰决策的机器学习方法
CN112052984A (zh) * 2020-08-07 2020-12-08 智慧航海(青岛)科技有限公司 一种智能船舶避碰方法及系统
CN112100917B (zh) * 2020-09-14 2023-12-22 中国船级社 一种基于专家对抗系统的智能船舶避碰仿真测试系统与方法

Also Published As

Publication number Publication date
CN113076338A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN113076338B (zh) 一种基于规则的智能船舶避碰自动测试场景生成方法及系统
GB2604263A (en) Processor and system to identify out-of-distribution input data in neural networks
CN111079570A (zh) 一种人体关键点识别方法、装置及电子设备
CN111951128B (zh) 一种节能环保的建筑施工方法和装置
CN111985458B (zh) 一种检测多目标的方法、电子设备及存储介质
CN112232426A (zh) 目标检测模型的训练方法、装置、设备及可读存储介质
CN110473249A (zh) 一种网页用户界面与设计稿的对比方法、装置及终端设备
CN114997393A (zh) 利用空间表示学习和对抗生成的对可移动对象的功能测试
US10893252B2 (en) Image processing apparatus and 2D image generation program
CN110717555B (zh) 一种基于自然语言和生成对抗网络的图片生成系统及装置
CN111862040A (zh) 人像图片质量评价方法、装置、设备及存储介质
CN114510867A (zh) 一种3d模拟配电柜电路接线方法及系统
CN111583159B (zh) 一种图像补全方法、装置及电子设备
CN112712264B (zh) 一种智慧社区信息共享方法及系统
CN117475253A (zh) 一种模型训练方法、装置、电子设备及存储介质
CN113487200B (zh) 一种公路工程的项目质量评定方法及系统
CN111833395B (zh) 一种基于神经网络模型的测向体制单目标定位方法和装置
CN111126566B (zh) 基于gan模型的异常家具布局数据检测方法
CN113869186A (zh) 模型训练方法、装置、电子设备和计算机可读存储介质
CN113159164A (zh) 基于分布式的工业互联网设备协同作业方法
CN115730208A (zh) 训练方法、训练装置、训练设备及计算机可读存储介质
KR20220159104A (ko) 딥페이크 이미지 판별 장치 및 그 학습 방법
CN111666985A (zh) 一种基于dropout的深度学习对抗样本图像分类防御方法
KR102608018B1 (ko) 가상물리시스템의 이상치 탐지 장치 및 방법
US20230004887A1 (en) System and method for risk assessment

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