為您找到相關(guān)結(jié)果 1285 篇
-
物流配送線路優(yōu)化方法：將獲取的客戶信息進(jìn)行標(biāo)記形成電子地圖，在根據(jù)行政區(qū)級對其進(jìn)行第一次劃分后，運(yùn)用聚類算法進(jìn)行集片區(qū)劃分、累計(jì)算法進(jìn)行小組合劃分。集片區(qū)劃分方式
-
正系數(shù)是否適合于幼苗期煙草葉面積的測定，該研究選擇了煙草幼苗期246個(gè)不同大小的葉片，對用掃描計(jì)算法、復(fù)印稱重法和長寬法3種方法所測定的葉面積數(shù)據(jù)進(jìn)行方差分析和線性回歸分析
-
技術(shù)采用非接觸式高清圖像采集方法，對濕膠囊照片進(jìn)行數(shù)據(jù)擬合分析，最終得到濕膠囊的幾何尺寸，包括外圓直徑、內(nèi)芯直徑、內(nèi)芯與外圓同心度等數(shù)據(jù)。該技術(shù)的難點(diǎn)在于算法
-
制造和大數(shù)據(jù)為切入點(diǎn)，主要圍繞生產(chǎn)數(shù)據(jù)的建模、分析和各類算法的應(yīng)用展開，充分運(yùn)用大數(shù)據(jù)建模和算法優(yōu)化對生產(chǎn)數(shù)據(jù)進(jìn)行分析，驅(qū)動(dòng)智能管理決策。課題開展重點(diǎn)突出
-
處理的動(dòng)態(tài)性。目前，多部分研究成果都是靜態(tài)的，即先從室內(nèi)或者田間采集靜態(tài)圖像，再用計(jì)算機(jī)對圖像進(jìn)行處理。而實(shí)際應(yīng)用中要求識別的算法能夠適應(yīng)戶外動(dòng)態(tài)的條件。雖然
-
思路。通過對異型煙分揀全要素的數(shù)據(jù)采集，反復(fù)論證選擇適用的智能算法，計(jì)算最優(yōu)生產(chǎn)模式和資源配置方案，以數(shù)據(jù)支撐、數(shù)據(jù)驅(qū)動(dòng)、數(shù)據(jù)應(yīng)用三步走的方式，
-
”，打造綠色物流升級版，助力綠色物流譜寫新篇。立足管理創(chuàng)新，依托客戶訂單數(shù)據(jù)和設(shè)備作業(yè)數(shù)據(jù)兩種數(shù)據(jù)，借助大數(shù)據(jù)分析算法和智能優(yōu)化算法兩類算法
-
分析技術(shù)為核心，利用模塊化的軟件平臺及微服務(wù)體系，運(yùn)用智能算法模型的靈活部署和運(yùn)行管理，實(shí)現(xiàn)梗絲線氣流烘梗絲機(jī)的出口水分智能控制，進(jìn)而提高整線工藝
-
中煙物流技術(shù)有限責(zé)任公司自主研發(fā)的新一代煙葉智能分選定級設(shè)備，依托 AI相機(jī)和卷積視覺神經(jīng)網(wǎng)絡(luò)算法，采用尖端線性驅(qū)動(dòng)技術(shù)，無縫推進(jìn)煙葉分級過程，
-
的施工進(jìn)度計(jì)劃和人員安排，重點(diǎn)介紹了烘前水分預(yù)測模塊的總體設(shè)計(jì)思路和訓(xùn)練算法，與工廠技術(shù)人員交流探討了預(yù)測邏輯及控制思路。工廠技術(shù)人員針對部分模塊提出了建設(shè)思路。同時(shí)
