CN114548556A - 毛坯处理方法、装置、电子设备以及存储介质 - Google Patents
毛坯处理方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN114548556A CN114548556A CN202210162621.4A CN202210162621A CN114548556A CN 114548556 A CN114548556 A CN 114548556A CN 202210162621 A CN202210162621 A CN 202210162621A CN 114548556 A CN114548556 A CN 114548556A
- Authority
- CN
- China
- Prior art keywords
- target
- typesetting
- mode
- utilization rate
- determining
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 title claims description 24
- 238000003672 processing method Methods 0.000 title abstract description 19
- 238000005520 cutting process Methods 0.000 claims description 77
- 230000006870 function Effects 0.000 claims description 74
- 238000012549 training Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 15
- 239000000463 material Substances 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B26—HAND CUTTING TOOLS; CUTTING; SEVERING
- B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
- B26D5/00—Arrangements for operating and controlling machines or devices for cutting, cutting-out, stamping-out, punching, perforating, or severing by means other than cutting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B26—HAND CUTTING TOOLS; CUTTING; SEVERING
- B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
- B26D7/00—Details of apparatus for cutting, cutting-out, stamping-out, punching, perforating, or severing by means other than cutting
- B26D7/01—Means for holding or positioning work
-
- 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
- G06Q50/04—Manufacturing
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Mechanical Engineering (AREA)
- Forests & Forestry (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Manufacture Or Reproduction Of Printing Formes (AREA)
Abstract
本公开提供了一种毛坯处理方法、装置、电子设备及存储介质,涉及智能制造领域,具体涉及毛坯的排版场景,以至少解决相关技术中毛坯的排版效率较低的技术问题。具体实现方案为:获取待排版的目标毛坯集合;利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值;基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式。
Description
技术领域
本公开涉及智能制造领域,具体涉及毛坯的排版场景,尤其涉及一种毛坯处理方法、装置、电子设备以及存储介质。
背景技术
毛坯的排版是指将小的毛坯零件在大的原材料上进行合理的几何组合,以便在满足订单毛坯需求的情况下减少原材料的消耗。目前,可以通过算法的方式计算毛坯的排版方式,但是,在毛坯的数据量较大时,算法的计算效率较低。
发明内容
本公开提供了一种毛坯处理方法、装置、电子设备以及存储介质,以至少解决相关技术中毛坯的排版效率较低的技术问题。
根据本公开的一方面,提供了一种毛坯处理方法,包括:获取待排版的目标毛坯集合;利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值;基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式。
根据本公开的又一方面,提供了一种毛坯处理装置,包括:获取模块,用于获取待排版的目标毛坯集合;利用率确定模块,用于利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值;排版方式确定模块,用于基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式。
根据本公开的又一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开提出的毛坯处理方法。
根据本公开的又一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开提出的毛坯处理方法。
根据本公开的又一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行本公开提出的毛坯处理方法。
在本公开中,首先获取待排版的目标毛坯集合;然后利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值;最后可以基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式,实现了提高目标毛坯集合的排版效率的目的;通过第一函数模型可以提高排版方式的计算效率,并且通过第一函数模型得到的目标利用率可以减少目标毛坯集合排版的材料消耗,从而降低毛坯的排版成本,进而可以解决相关技术中毛坯的排版效率较低的技术问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的一种用于实现毛坯处理方法的计算机终端(或移动设备)的硬件结构框图;
图2是根据本公开实施例的一种实现毛坯处理方法的计算机终端(或移动设备)的硬件结构框图;
图3是根据本公开实施例的一种禁忌搜索的流程图;
图4是根据本公开实施例的一种毛坯处理方式的架构图;
图5是根据本公开实施例的一种毛坯处理装置的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本公开实施例,提供了一种毛坯处理方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本公开实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的电子设备中执行。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。图1示出了一种用于实现毛坯处理方法的计算机终端(或移动设备)的硬件结构框图。
如图1所示,计算机终端100包括计算单元101,其可以根据存储在只读存储器(ROM)102中的计算机程序或者从存储单元108加载到随机访问存储器(RAM)103中的计算机程序,来执行各种适当的动作和处理。在RAM 103中,还可存储计算机终端100操作所需的各种程序和数据。计算单元101、ROM 102以及RAM 103通过总线104彼此相连。输入/输出(I/O)接口105也连接至总线104。
计算机终端100中的多个部件连接至I/O接口105,包括:输入单元106,例如键盘、鼠标等;输出单元107,例如各种类型的显示器、扬声器等;存储单元108,例如磁盘、光盘等;以及通信单元109,例如网卡、调制解调器、无线通信收发机等。通信单元109允许计算机终端100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元101执行本文所描述的毛坯处理方法。例如,在一些实施例中,毛坯处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 102和/或通信单元109而被载入和/或安装到计算机终端100上。当计算机程序加载到RAM 103并由计算单元101执行时,可以执行本文描述的毛坯处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行毛坯处理方法。
本文中描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
此处需要说明的是,在一些可选实施例中,上述图1所示的电子设备可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是,图1仅为特定具体实例的一个实例,并且旨在示出可存在于上述电子设备中的部件的类型。
在上述运行环境下,本公开提供了如图2所示的毛坯处理方法,该方法可以由图1所示的计算机终端或者类似的电子设备执行。图2是根据本公开实施例提供的一种毛坯处理方法流程图。如图2所示,该方法可以包括如下步骤:
步骤S202,获取待排版的目标毛坯集合。
上述待排版的目标毛坯集合可以是不同领域的毛坯集合。在机械制造的金属切割过程中,目标毛坯集合可以是待排版之后切割的金属毛坯;在家具业的木材切割过程中,目标毛坯集合可以是待排版之后切割的木材;在建筑业的玻璃切割过程中,目标毛坯集合可以是待排版之后切割的玻璃;目标毛坯集合还可以是印刷业中待排版的文字内容;目标毛坯集合还可以是化工业的塑料加工过程中的待排版加工的塑料;目标毛坯集合还可以是服装业的布料剪裁过程中的待排版剪裁的布料。
在一种可选的实施例中,在对目标毛坯集合切割加工的过程中,一个合理的排版方式可以减少材料的浪费,减少材料的成本,并且可以简化加工操作以降低制造费用,因此,可以先获取待排版的目标毛坯集合,后续可以通过深度学习的计算方式来对目标毛坯集合进行排版,得到与目标毛坯集合对应的目标排版方式。
步骤S204,利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率。
其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值。
上述的第一函数模型可以为利用率计算函数模型,其用于确定出目标毛坯集合对应的多个初始排版方式和每个初始排版方式对应的利用率。其中,第一函数模型可以为卷积神经网络。
上述的目标板材可以是预先设置的特定型号的板材,其中,可以是特定大小的板材,其对于板材的材质可以根据目标毛坯集合的材质进行设定。
上述的目标利用率用于表示目标板材中有多少面积可以供目标毛坯集合中的毛坯进行使用。其中,利用率越高,则说明目标板材中浪费的面积越少,可以更大程度的使用目标板材中的空间,从而可以降低材料的使用成本;若利用率越低,则说明目标板材中浪费的面积越多,此时,目标板材中的大部分面积没有被合理的利用,导致所使用的材料的成本较高。
需要说明的是,初始排版方式对应的目标利用率可能为0,当目标利用率为0时,说明目标板材的面积并不能容纳目标毛坯集合中的所有毛坯,例如目标毛坯集合中的毛坯在目标板材上出现叠件、切边损耗的情况,此时,需要使用多个目标板材来对目标毛坯集合进行排版。
在一种可选的实施例中,可以利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,以便确定目标毛坯集合在目标板材上利用率最大时的排版方式,从而降低目标毛坯集合所使用的材料的成。
在另一种可选的实施例中,可以通过历史排版方式和历史排版方式对应的利用率标签训练得到上述的第一函数模型。需要说明的是,历史的排版方式中一般不会存在利用率为0的排版方式,因此,可以通过人工在历史的排版方式中添加额外的毛坯得到违反约束的排版方式,并根据历史排版方式和违反约束的排版方式训练得到上述的第一函数模型。
步骤S206,基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式。
上述的目标排版方式可以是目标毛坯集合最终的排版方式。
在一种可选的实施例中,可以根据至少一个初始排版方式对应的目标利用率,确定出目标利用率最大的排版方式,并将利用率最大的排版方式作为上述的目标排版方式。
进一步地,为了进一步地提高排版的效率,还需要结合排版方式对应的切割效率来得到最终的排版方式,因此,可以先根据至少一个初始排版方式对应的目标利用率确定出目标利用率较大的多个第一排版方式,然后获取多个第一排版方式对应的切割效率,确定切割效率最大的排版方式对目标排版方式。可选的,可以通过切割效率计算函数确定出多个第一排版方式中切割效率最大的排版方式;为了进一步提高计算的速度,还可以通过切割效率函数模型确定出多个第一排版方式中切割效率最大的排版方式,其中,可以通过历史排版方式中的对应的切割效率训练得到该切割效率函数模型。
通过上述步骤,首先获取待排版的目标毛坯集合;然后利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值;最后可以基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式,实现了提高目标毛坯集合的排版效率的目的;通过第一函数模型可以提高排版方式的计算效率,并且通过第一函数模型得到的目标利用率可以减少目标毛坯集合排版的材料消耗,从而降低毛坯的排版成本,进而可以解决相关技术中毛坯的排版效率较低的技术问题。
可选的,基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式,包括:从至少一个初始排版方式中确定目标利用率大于第一预设数值的至少一个第一排版方式;利用第二函数模型从至少一个第一排版方式中确定目标排版方式。
上述的第二函数模型可以为切割效率计算函数模型,其用于确定出目标毛坯集合对应的多个初始排版方式的切割效率。其中,第二函数模型可以为卷积神经网络。
上述的第一预设数值可以为0。
在一种可选的实施例中,可以从至少一个初始排版方式中确定出目标利用率大于0的至少一个第一排版方式,为了减少在目标板材上切割出目标毛坯集合的时间,可以从至少一个第一排版方式中确定出切割效率最大的第一排版方式为目标排版方式。
在另一种可选的实施例中,可以通过历史排版方式和历史排版方式对应的切割效率训练得到上述的第二函数模型。
可选的,利用第二函数模型从至少一个第一排版方式中确定目标排版方式,包括:利用第二函数模型确定至少一个第一排版方式的目标切割效率,其中,目标切割效率用于表征按照至少一个第一排版方式对目标毛坯集合进行切割的效率;确定最大切割效率对应的第一排版方式为目标排版方式。
上述的目标切割效率用于表示在目标板材上按照第一排版方式对目标毛坯集合进行切割的效率。其中,切割效率越高,则说明第一排版方式对应的切割时间就越短,即第一排版方式的切割时间成本就越小;切割效率越低,则说明第一排版方式对应的切割时间就越长,即第一排版方式的切割时间成本就越大。
在一种可选的实施例中,可以利用第二函数模型确定至少一个第一排版方式的目标切割效率,以便提高计算的效率;确定出最大切割效率对应的第一排版方式以便减少切割的时间成本,从而可以快速的得到利用率和切割效率都较高的目标排版方式。
可选的,基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式,包括:响应于目标利用率等于第一预设数值,调用目标算法确定目标毛坯集合在多个目标板材上的至少一个第二排版方式;利用第一函数模型确定目标毛坯集合在至少一个第二排版方式中每个目标板材上的第一利用率;利用第二函数模型确定至少一个第二排版方式对应的第一切割效率;基于第一利用率和第一切割效率从至少一个第二排版方式中确定目标排版方式。
上述的目标算法可以是启发式算法,其中,启发式算法的定义为在可接受的计算成本内搜寻最好的解。目标算法具体的可以是启发式算法中的临近域搜索算法和/或贪心算法。
在一种可选的实施例中,当目标利用率等于0时,说明需要通过多个目标板材来实现对目标毛坯集合的排版,即,目标排版方式中的目标板材数量大于1。此时,可以先通过贪心算法得到目标毛坯集合在多个目标板材上的至少一个第二排版方式,即贪心算法的初始解,然后可以采用启发式算法中的临近域搜索算法对初始解进行迭代更新,每次更新都在当前解的临近域空间中找到最优解,其中,最优解可以根据第一函数模型得到的第一利用率和第二函数模型得到的第二利用率计算得到。具体的,可以获取至少一个第二排版方式的平均第一利用率和平均第一切割效率,根据平均第一利用率和平均第一切割效率的最大加权和得到最优解。
在使用临近域搜索算法对初始解进行迭代更新的过程中,可以通过禁忌搜索的方式进行迭代更新,其中,禁忌搜索可以为从一个初始解出发,选择一系列的特定搜索方式作为试探,可以将当前节点对和周围的邻居节点进行比较,如果当前节点是最大的,那么返回当前节点,作为最大值,反之就用最高的邻居节点替换当前节点,从而实现向山峰的高处攀爬的目的,得到最优解。
进一步的,在禁忌搜索的过程中为了避免陷入局部最优解,禁忌搜索可以采用一种灵活的“记忆”技术,对已经进行的优化过程进行记录和选择,指导下一步的搜索方向,可选的,可以通过建立禁忌表的方式实现。
在另一种可选的实施例中,禁忌搜索的过程中可以结合排版方式对应的利用率和切割效率,可以先利用贪心算法得到至少一个第二排版方式,然后根据第一函数模型和第二函数模型得到至少一个第二排版方式对应的第一利用率和第一切割效率,可以确定第一利用率最小的第二排版方式中的目标板材,然后通过邻域搜索的方式从其他板材中抓取和交换毛坯,在禁忌表中记录抓取和交换的毛坯,并限定被抓取和交换的毛坯不能回到原来的板材中。
进一步的,在邻域搜索的过程中,可以对确定的第二排版方式进行更新,可选的,可以根据至少一个第二排版方式对应的第一利用率的平均值和至少一个第二排版方式对应的第一切割效率的平均值进行加权计算,得到每个第二排版方式对应的加权和,可以在迭代次数到达时,更新最大加权和对应的第二排版方式为目标排版方式。
如图3所示为禁忌搜索的流程图,首先可以初始化禁忌表,确定禁忌长度,其中,禁忌长度为被禁止的操作的数量,可以生成初始解(至少一个第二排版方式)并计算适应度函数值(第一利用率和第一切割效率),在领域搜索的过程中可以产生候选解(候选的第二排版方式),判断候选解中的最好解是否由于当前全局最好解,若是,则可以选择候选解中的最好解,并更新当前解,同时更新禁忌表,若否,则可以选择候选解中不被禁忌的最好解,并根据最好解更新当前解,同时更新禁忌表,判断迭代终止的次数是否到达,若是,则结束流程,若否,则继续在邻域搜索产生候选解,最终得到的当前解则为最优的解(目标排版方式)。
对于需要集柜的家具集合,可以将家具集合输入到第一函数模型中,若输出的目标利用率等于0,则说明需要进行多个板材进行排版,即,需要进入到多板场景进行排版。
可选的,该方法还包括:获取至少一个历史排版方式和预设毛坯,其中,至少一个历史排版方式中包括历史利用率;基于至少一个历史排版方式和预设毛坯,生成第一训练数据;利用第一训练数据对第一预设模型进行训练,生成第一函数模型。
上述的至少一个历史排版方式可以为历史排样过程中放入同一块板材的毛坯集合对应的排版方式,其中,历史排版方式可以包括毛坯特征信息、历史利用率和历史切割效率。
其中,毛坯特征信息可以为x=[x_1,…,x_n],其中x_i是一个三元组(l,w,m)分别表示毛坯的长度、宽度、数量;历史利用率可以为p,片可以为[0,1]区间中的实数,历史利用率可以为毛坯集合中毛坯在目标板材上的总面积和目标板材的面积的比值,当历史利用率为0时,说明排版方式出现了违法约束的情况,例如出现叠件、切边损耗不足的情况,历史切割效率可以是历史排版方式的实际切割时间。
上述的预设毛坯可以为任意数量和任意形状的毛坯。
在一种可选的实施例中,由于历史排版的过程中的只会使用利用率大于0的排版方式进行排版,因此,在历史排版方式中没有利用率等于0的排版方式;然而在训练得到第一函数模型的过程中,需要利用率大于0的排版方式和利用率等于0的排版方式进行训练,因此,可以人工生成利用率为0的排版方式,可选的,可以在利用率较高的历史排版方式中加入额外的毛坯生成违反约束的排版方式,即利用率为0的排版方式,从而得到用于训练模型的第一训练数据。
在另一种可选的实施例中,可以通过历史排版方式生成针对历史排版方式对应的第一训练数据,在得到第一训练数据之后,可以通过机器学算法或者深度学习算法通过第一训练数据对第一预设模型进行训练,生成第一函数模型,通过第一函数模型对毛坯集合进行求解,可以减少求解时间。
可选的,基于至少一个历史排版方式和预设毛坯,生成第一训练数据,包括:从至少一个历史排版方式中确定待调整排版方式,其中,待调整排版方式的历史利用率大于第二预设数值;在待调整排版方式对应的历史毛坯集合中添加预设毛坯,生成已调整排版方式,其中,已调整排版方式中包括第二利用率;基于至少一个历史排版方式和已调整排版方式,生成第一训练数据。
上述的待调整排版方式可以是待增加额外毛坯的排版方式。
上述的第二预设数值可以自行设置。
在一种可选的实施例中,为了得到利用率为0的排版方式,可以从至少一个历史排版方式中确定出历史利用率大于第二预设数值的排版方式,也即上述的待调整排版方式,由于利用率较高的待调整排版方式中目标板材剩余的可用面积较小,因此,当在待调整排版方式中加入额外的预设毛坯时,得到的已调整排版方式对应的第二利用率等于0的概率较大,因此,可以根据历史排版方式和已调整排版方式生成第一训练数据。
可选的,该方法还包括:基于至少一个历史排版方式确定第二训练数据,其中,至少一个历史排版方式还包括历史切割效率;利用第二训练数据对第二预设模型进行训练,生成第二函数模型。
在一种可选的实施例中,至少一个历史排版方式中还包括历史排版方式需要的切割时间,也即上述的历史切割效率,排版方式对应的切割时间越长,则说明切割效率越小,排版方式对应的切割时间越小,则说明切割效率越大,可以使用第二训练数据通过深度学习算法对第二预设模型进行训练,得到计算速度较高的第二函数模型。
在另一种可选的实施例中,可以通过尝试多种深度学习算法找到一个准确率较高且泛华能力较强的拟合函数,也即上述的第二函数模型。
如图4所示为一种毛坯处理方式的架构图,首先可以上传训练数据,然后通过训练数据对模型进行训练,训练完毕后可以对模型进行测试,在测试成功之后可以将模型下发至应用层面,可以在应用层面使用模型对目标毛坯集合进行排版;在实际的处理过程中,可以在数据管理层面管理数据的接入、数据分析、数据预处理、毛坯参数、约束条件、历史排版方式,然后可以通过基础算法和机理知识的结合对利用率函数模型和切割效率函数模型进行优化,其中,基础算法中可以包括启发式算法和深度学习算法,机理知识可以为运筹知识。
通过本公开的上述内容,可以实现对目标毛坯集合的自动排版,相比于传统的算法,本公开的第一函数模型得到的排版方式对于目标板材的目标利用率提高5%,相比对传统算法,本公开的第二函数模型得到的排版方式的目标切割效率平均耗时减少10%。本公开中通过深度学习算法来替代人工设计的分组算法以及价值校正算法,可以有效的利用历史排版方式来发掘出高效切割方案背后的隐藏逻辑。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本公开各个实施例的方法。
在本公开中还提供了一种毛坯处理装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本公开其中一实施例的一种毛坯处理装置的结构框图,如图5所示,一种毛坯处理装置500包括:获取模块502、利用率确定模块504、排版方式确定模块506。
其中,获取模块用于获取待排版的目标毛坯集合;利用率确定模块用于利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值;排版方式确定模块用于基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式。
可选地,排版方式确定模块包括:第一确定单元,用于从至少一个初始排版方式中确定目标利用率大于第一预设数值的至少一个第一排版方式;第二确定单元,用于利用第二函数模型从至少一个第一排版方式中确定目标排版方式。
可选地,第二确定单元包括:第一确定子单元,用于利用第二函数模型确定至少一个第一排版方式的目标切割效率,其中,目标切割效率用于表征按照至少一个第一排版方式对目标毛坯集合进行切割的效率;第二确定子单元,用于确定最大切割效率对应的第一排版方式为目标排版方式。
可选地,排版方式确定模块还包括:调用单元,用于响应于目标利用率等于第一预设数值,调用目标算法确定目标毛坯集合在多个目标板材上的至少一个第二排版方式;第三确定单元,用于利用第一函数模型确定目标毛坯集合在至少一个第二排版方式中每个目标板材上的第一利用率;第三确定单元还用于利用第二函数模型确定至少一个第二排版方式对应的第一切割效率;第三确定单元还用于基于第一利用率和第一切割效率从至少一个第二排版方式中确定目标排版方式。
可选地,该装置还包括:获取模块还用于获取至少一个历史排版方式和预设毛坯,其中,至少一个历史排版方式中包括历史利用率;生成模块,用于基于至少一个历史排版方式和预设毛坯,生成第一训练数据;生成模块还用于利用第一训练数据对第一预设模型进行训练,生成第一函数模型。
可选地,生成模块包括:第四确定单元,用于从至少一个历史排版方式中确定待调整排版方式,其中,待调整排版方式的历史利用率大于第二预设数值;生成单元,用于在待调整排版方式对应的历史毛坯集合中添加预设毛坯,生成已调整排版方式,其中,已调整排版方式中包括第二利用率;生成单元还用于基于至少一个历史排版方式和已调整排版方式,生成第一训练数据。
可选地,该装置还包括:训练数据确定模块,用于基于至少一个历史排版方式确定第二训练数据,其中,至少一个历史排版方式还包括历史切割效率;生成模块还用于利用第二训练数据对第二预设模型进行训练,生成第二函数模型。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
根据本公开的实施例,本公开还提供了一种电子设备,包括存储器和至少一个处理器,该存储器中存储有计算机指令,该处理器被设置为运行计算机指令以执行上述任一项方法实施例中的步骤。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本公开中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取待排版的目标毛坯集合;
S2,利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值;
S3,基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
根据本公开的实施例,本公开还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该非瞬时计算机可读存储介质中存储有计算机指令,其中,该计算机指令被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述非易失性存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取待排版的目标毛坯集合;
S2,利用第一函数模型确定目标毛坯集合在目标板材上的至少一个初始排版方式和至少一个初始排版方式对应的目标利用率,其中,目标利用率用于表示目标毛坯集合按照至少一个初始排版方式进行排版后得到的毛坯的总面积与目标板材的面积的比值;
S3,基于至少一个初始排版方式对应的目标利用率,确定目标毛坯集合对应的目标排版方式。
可选地,在本实施例中,上述非瞬时计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的实施例,本公开还提供了一种计算机程序产品。用于实施本公开的上述方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本公开所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM)、随机存取存储器(RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本公开的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本公开原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本公开的保护范围。
Claims (17)
1.一种毛坯处理方法,其中,包括:
获取待排版的目标毛坯集合;
利用第一函数模型确定所述目标毛坯集合在目标板材上的至少一个初始排版方式和所述至少一个初始排版方式对应的目标利用率,其中,所述目标利用率用于表示所述目标毛坯集合按照所述至少一个初始排版方式进行排版后得到的毛坯的总面积与所述目标板材的面积的比值;
基于所述至少一个初始排版方式对应的目标利用率,确定所述目标毛坯集合对应的目标排版方式。
2.根据权利要求1所述的方法,其中,基于所述至少一个初始排版方式对应的目标利用率,确定所述目标毛坯集合对应的目标排版方式,包括:
从所述至少一个初始排版方式中确定所述目标利用率大于第一预设数值的至少一个第一排版方式;
利用第二函数模型从所述至少一个第一排版方式中确定所述目标排版方式。
3.根据权利要求2所述的方法,其中,利用第二函数模型从所述至少一个第一排版方式中确定所述目标排版方式,包括:
利用所述第二函数模型确定所述至少一个第一排版方式的目标切割效率,其中,所述目标切割效率用于表征按照所述至少一个第一排版方式对所述目标毛坯集合进行切割的效率;
确定最大切割效率对应的第一排版方式为所述目标排版方式。
4.根据权利要求2所述的方法,其中,基于所述至少一个初始排版方式对应的目标利用率,确定所述目标毛坯集合对应的目标排版方式,包括:
响应于所述目标利用率等于第一预设数值,调用目标算法确定所述目标毛坯集合在多个目标板材上的至少一个第二排版方式;
利用所述第一函数模型确定所述目标毛坯集合在所述至少一个第二排版方式中每个目标板材上的第一利用率;
利用所述第二函数模型确定所述至少一个第二排版方式对应的第一切割效率;
基于所述第一利用率和所述第一切割效率从所述至少一个第二排版方式中确定所述目标排版方式。
5.根据权利要求4所述的方法,其中,所述方法还包括:
获取至少一个历史排版方式和预设毛坯,其中,所述至少一个历史排版方式中包括历史利用率;
基于所述至少一个历史排版方式和所述预设毛坯,生成第一训练数据;
利用所述第一训练数据对第一预设模型进行训练,生成所述第一函数模型。
6.根据权利要求5所述的方法,其中,基于所述至少一个历史排版方式和预设毛坯,生成第一训练数据,包括:
从所述至少一个历史排版方式中确定待调整排版方式,其中,所述待调整排版方式的所述历史利用率大于第二预设数值;
在所述待调整排版方式对应的历史毛坯集合中添加所述预设毛坯,生成已调整排版方式,其中,所述已调整排版方式中包括第二利用率;
基于所述至少一个历史排版方式和所述已调整排版方式,生成所述第一训练数据。
7.根据权利要求5所述的方法,其中,所述方法还包括:
基于所述至少一个历史排版方式确定第二训练数据,其中,所述至少一个历史排版方式还包括历史切割效率;
利用所述第二训练数据对第二预设模型进行训练,生成所述第二函数模型。
8.一种毛坯处理装置,其中,包括:
获取模块,用于获取待排版的目标毛坯集合;
利用率确定模块,用于利用第一函数模型确定所述目标毛坯集合在目标板材上的至少一个初始排版方式和所述至少一个初始排版方式对应的目标利用率,其中,所述目标利用率用于表示所述目标毛坯集合按照所述至少一个初始排版方式进行排版后得到的毛坯的总面积与所述目标板材的面积的比值;
排版方式确定模块,用于基于所述至少一个初始排版方式对应的目标利用率,确定所述目标毛坯集合对应的目标排版方式。
9.根据权利要求8所述的装置,其中,确定模块,包括:
第一确定单元,用于从所述至少一个初始排版方式中确定所述目标利用率大于第一预设数值的至少一个第一排版方式;
第二确定单元,用于利用第二函数模型从所述至少一个第一排版方式中确定所述目标排版方式。
10.根据权利要求9所述的装置,其中,第二确定单元,包括:
第一确定子单元,用于利用所述第二函数模型确定所述至少一个第一排版方式的目标切割效率,其中,所述目标切割效率用于表征按照所述至少一个第一排版方式对所述目标毛坯集合进行切割的效率;
第二确定子单元,用于确定最大切割效率对应的第一排版方式为所述目标排版方式。
11.根据权利要求9所述的装置,其中,排版方式确定模块,包括:
调用单元,用于响应于所述目标利用率等于第一预设数值,调用目标算法确定所述目标毛坯集合在多个目标板材上的至少一个第二排版方式;
第三确定单元,用于利用所述第一函数模型确定所述目标毛坯集合在所述至少一个第二排版方式中每个目标板材上的第一利用率;
第三确定单元还用于利用所述第二函数模型确定所述至少一个第二排版方式对应的第一切割效率;
第三确定单元还用于基于所述第一利用率和所述第一切割效率从所述至少一个第二排版方式中确定所述目标排版方式。
12.根据权利要求11所述的装置,其中,所述装置还包括:
获取模块还用于获取至少一个历史排版方式和预设毛坯,其中,所述至少一个历史排版方式中包括历史利用率;
生成模块,用于基于所述至少一个历史排版方式和所述预设毛坯,生成第一训练数据;
生成模块还用于利用所述第一训练数据对第一预设模型进行训练,生成所述第一函数模型。
13.根据权利要求12所述的装置,其中,生成模块,包括:
第四确定单元,用于从所述至少一个历史排版方式中确定待调整排版方式,其中,所述待调整排版方式的所述历史利用率大于第二预设数值;
生成单元,用于在所述待调整排版方式对应的历史毛坯集合中添加所述预设毛坯,生成已调整排版方式,其中,所述已调整排版方式中包括第二利用率;
生成单元还用于基于所述至少一个历史排版方式和所述已调整排版方式,生成所述第一训练数据。
14.根据权利要求12所述的装置,其中,所述装置还包括:
训练数据确定模块,用于基于所述至少一个历史排版方式确定第二训练数据,其中,所述至少一个历史排版方式还包括历史切割效率;
生成模块还用于利用所述第二训练数据对第二预设模型进行训练,生成所述第二函数模型。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210162621.4A CN114548556A (zh) | 2022-02-22 | 2022-02-22 | 毛坯处理方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210162621.4A CN114548556A (zh) | 2022-02-22 | 2022-02-22 | 毛坯处理方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114548556A true CN114548556A (zh) | 2022-05-27 |
Family
ID=81676855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210162621.4A Pending CN114548556A (zh) | 2022-02-22 | 2022-02-22 | 毛坯处理方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548556A (zh) |
-
2022
- 2022-02-22 CN CN202210162621.4A patent/CN114548556A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378413A (zh) | 神经网络模型处理方法、装置以及电子设备 | |
CN110929145B (zh) | 舆情分析方法、装置、计算机装置及存储介质 | |
CN113360700B (zh) | 图文检索模型的训练和图文检索方法、装置、设备和介质 | |
CN102073704A (zh) | 文本分类处理方法和系统以及设备 | |
CN114202027A (zh) | 执行配置信息的生成方法、模型训练方法和装置 | |
CN111159897A (zh) | 基于系统建模应用的目标优化方法和装置 | |
CN114841315A (zh) | 混合专家模型实现方法、系统、电子设备及存储介质 | |
CN113987152B (zh) | 一种知识图谱抽取方法、系统、电子设备及介质 | |
CN106649210A (zh) | 一种数据转换方法及装置 | |
CN113904943B (zh) | 账号检测方法、装置、电子设备和存储介质 | |
CN105159927A (zh) | 目标文本主题词的选取方法、装置及终端 | |
US10387545B2 (en) | Processing page | |
CN110348669B (zh) | 智能规则生成方法、装置、计算机设备及存储介质 | |
CN109657060B (zh) | 安全生产事故案例推送方法及系统 | |
CN114548556A (zh) | 毛坯处理方法、装置、电子设备以及存储介质 | |
CN109993286B (zh) | 稀疏神经网络的计算方法及相关产品 | |
CN110069772A (zh) | 预测问答内容的评分的装置、方法及存储介质 | |
CN116361205A (zh) | 数据处理装置、确定张量存储地址的方法、设备和介质 | |
CN110222286A (zh) | 信息获取方法、装置、终端和计算机可读存储介质 | |
CN115563310A (zh) | 一种关键业务节点的确定方法、装置、设备及介质 | |
CN114912958A (zh) | 坐席外呼方法、装置、计算机设备及存储介质 | |
CN114490969A (zh) | 基于表格的问答方法、装置以及电子设备 | |
CN113934842A (zh) | 文本聚类方法、装置及可读存储介质 | |
CN112396100A (zh) | 一种细粒度分类模型的优化方法、系统及相关装置 | |
CN111414474A (zh) | 一种文本分类方法、装置、计算机设备及存储介质 |
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 |