图像算法的自动化测试平台的设计与实现
这是一篇关于自动化测试,图像算法,自动化调度,持续集成,设备调度的论文, 主要内容为随着软件技术广泛应用于互联网中,人们对软件产品的质量要求也在逐渐提高。为了提高软件的质量,自动化测试成为一种降低成本、缩短开发周期、保障产品质量的重要技术。由于图像算法的在短视频和美颜相机领域广泛应用,极大地促进了图像算法的发展和版本迭代,其测试工作量也在逐渐增大。因此,自动化测试成为提高图像算法测试效率的主要途径。本文所设计的图像算法的自动化测试平台结合了业务实际需求,对各业务需求通过提取相同点作为通用点,保留不同点作为定制点,以自动化测试代替人工手动测试,大大节省了测试人员频繁搭建测试环境和人工手动操作设备的时间。主要在于通过业务自动化测试,持续集成Jenkins,设备智能分发和设备调度共同作用而实现的集成自动化测试平台,帮助公司快速提交测试脚本程序,减少因人为因素造成的错误,极大地保证了程序的质量,成为一个高效地,高质量地软件的自动化测试平台。图像算法的自动化测试平台采用SSM框架、Jenkins持续集成,MySQL作为基础数据库,Web Assembly作为视频的解析工具,FFmpeg进行视频关键帧提取,Python作为自动化脚本编写语言。本文一共分为七个模块,分别是任务管理、自动化调度、执行管理、Job管理、设备管理、资源管理、结果管理七个模块。任务管理模块主要有任务创建、查看历史任务列表等。自动化调度模块主要根据调度算法来自动化调度容器和设备调度去执行任务。执行管理主要是对执行过程中的执行信息和过程进行管理等。Job管理主要有配置Job信息和设置任务执行步骤即流水线。设备管理主要有设备接入和设备管理以及设备监控。资源管理主要有图片、视频、魔法表情、算法模型包资源管理。结果管理是对自动化测试运行出来的结果数据进行分析并在前端提供定制化可视化展示,有日志、邮件通知、图像对比、视频对比、计算算法结果并提供测试报告等功能。目前此平台已投入使用,公司传统的方式是采用半自动化测试过程,需要人工亲自做一些步骤,才能使测试任务顺利进行。而自动化测试的实现无需人工干预,帮助节约了许多的人力和财力成本,得到了公司人员的一致认可,并且目前陆续有很多业务开始接入平台。
图像算法的自动化测试平台的设计与实现
这是一篇关于自动化测试,图像算法,自动化调度,持续集成,设备调度的论文, 主要内容为随着软件技术广泛应用于互联网中,人们对软件产品的质量要求也在逐渐提高。为了提高软件的质量,自动化测试成为一种降低成本、缩短开发周期、保障产品质量的重要技术。由于图像算法的在短视频和美颜相机领域广泛应用,极大地促进了图像算法的发展和版本迭代,其测试工作量也在逐渐增大。因此,自动化测试成为提高图像算法测试效率的主要途径。本文所设计的图像算法的自动化测试平台结合了业务实际需求,对各业务需求通过提取相同点作为通用点,保留不同点作为定制点,以自动化测试代替人工手动测试,大大节省了测试人员频繁搭建测试环境和人工手动操作设备的时间。主要在于通过业务自动化测试,持续集成Jenkins,设备智能分发和设备调度共同作用而实现的集成自动化测试平台,帮助公司快速提交测试脚本程序,减少因人为因素造成的错误,极大地保证了程序的质量,成为一个高效地,高质量地软件的自动化测试平台。图像算法的自动化测试平台采用SSM框架、Jenkins持续集成,MySQL作为基础数据库,Web Assembly作为视频的解析工具,FFmpeg进行视频关键帧提取,Python作为自动化脚本编写语言。本文一共分为七个模块,分别是任务管理、自动化调度、执行管理、Job管理、设备管理、资源管理、结果管理七个模块。任务管理模块主要有任务创建、查看历史任务列表等。自动化调度模块主要根据调度算法来自动化调度容器和设备调度去执行任务。执行管理主要是对执行过程中的执行信息和过程进行管理等。Job管理主要有配置Job信息和设置任务执行步骤即流水线。设备管理主要有设备接入和设备管理以及设备监控。资源管理主要有图片、视频、魔法表情、算法模型包资源管理。结果管理是对自动化测试运行出来的结果数据进行分析并在前端提供定制化可视化展示,有日志、邮件通知、图像对比、视频对比、计算算法结果并提供测试报告等功能。目前此平台已投入使用,公司传统的方式是采用半自动化测试过程,需要人工亲自做一些步骤,才能使测试任务顺利进行。而自动化测试的实现无需人工干预,帮助节约了许多的人力和财力成本,得到了公司人员的一致认可,并且目前陆续有很多业务开始接入平台。
密集仓储作业优化与调度方法研究
这是一篇关于密集仓储,货位优化,差分进化算法,设备调度,事件规则,Web应用的论文, 主要内容为近年来随着物流仓储行业的迅速发展,精益仓储对自动化、数字化及智能化提出了更高的要求。为了降低运营成本,密集仓储应运而生并得到了广泛运用,其具备占地面积小、作业规模大、设备种类多、设备数量多及任务并行等特点,但这也给自动化仓储作业优化与调度带来了新的挑战。作业优化包括作业顺序优化、货位优化等环节,其中,货位决策优化是仓储作业过程中重要的工作之一,极大程度地影响着作业效率及成本,而传统的货位决策大多依赖于仓储管理人员的经验,具有一定的盲目性。其次,一般情况下密集仓储作业满足“先来先做”的要求,作业流程的执行具有事件响应特性,在多任务、高并发及异构设备多的仓储环境下,作业约束复杂,事先分配仓储设备资源及路径规划的算法,无法及时准确地调度仓储设备,异构多设备的协同调度也愈发困难。因此,利用互联网及人工智能进行科学合理的仓储货位优化及设备调度,对提升作业质量与效率具有重要意义。课题的主要研究内容如下:(1)密集仓储作业优化与调度分析建模针对密集仓储作业优化与调度问题,进行了仓储作业过程需求分析,剖析了货位优化及设备调度在作业流程中的触发及作用机制。给出了基于事件驱动的货位优化与多设备协同调度问题框架描述,考虑托盘使用状态、库存情况及动态货位可行域等复杂约束条件,进行了货位优化问题描述,并将调度问题分解为作业活动事件调度、环轨及穿梭RGV资源调度两部分。通过仓储作业数据流、功能流分析,设计密集仓储货位优化及设备调度系统功能结构。基于E-R图分析货架、货位、托盘、物料、设备、作业及事件等实体的关键属性,建立关系数据库及对象关系映射模型,为货位优化及设备调度问题的求解提供模型及数据访问基础。(2)提出了响应动态约束的仓储货位优化模型及算法针对密集仓储动态货位优化问题,考虑库存、货位可行域、托盘使用情况等动态约束条件,以货架稳定性、作业均衡及作业路径最短为目标,构建了货位多目标优化数学模型,设计了基于差分进化(DE)的动态货位决策优化算法。为了克服算法参数选择的盲目性,采取变异系数、交叉率自适应进化策略,提高算法在大规模作业下的搜索与勘探能力。使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。为了获得满足实际应用的最优解,提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,并研究了多目标权重对货位持续优化能力的影响规律,为仓储货位决策提供合理方案。多批作业算法试验结果表明,所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。(3)提出了一种密集仓储多设备协同调度方法仓储作业由多种搬运设备协作完成,在多任务、高并发、设备种类多等环境下,针对环形轨道RGV、输送机、提升机、穿梭车等异构设备协同调度问题,给出了一种面向密集仓储的多设备协同调度方法。基于排队论,对密集仓储平台设备配置及布局进行了调度瓶颈分析,避免因布局不合理引起的设备资源利用率低、作业响应能力差等问题。提出了基于事件规则驱动的多设备实时调度模型,以准确及时地控制异构设备执行作业,使业务流程按步骤进行。针对搬运RGV的交通调度问题,提出基于“队尾最近”的环轨RGV选择分配、避免环轨RGV追尾堵塞等算法。为提高库内穿梭车的并行作业效率,提出以作业均衡及作业路径为目标的穿梭车调度算法。试验应用结果表明,所提方法作业执行总时间短、设备堵塞次数少,能够有效解决异构、同构设备间的动态调度问题。(4)基于Web的密集仓储货位优化及多设备调度系统实现课题受上海市科学技术委员会科研计划项目(17DZ2283800)及松江区重点领域示范应用项目(2018-01)资助。以企业密集仓储实际作业为平台,基于面向服务的架构(SOA),根据以上研究工作,利用ASP.Net Core、Web API、MVC及SQL Server等技术,设计智能化作业优化与调度微服务,并开发Web应用程序,实现分布式仓储作业优化与调度Web可视化。设计系统Web应用接口,实现与仓储管控系统的集成,并在企业进行现场测试与应用。应用结果表明,系统能够有效解决密集仓储作业优化与调度问题。综上所述,所提方法在仓储Web管理与监控系统中得到了实现与应用,应用效果显著,为合理科学地进行货位优化及调度提供了智能化手段,为进一步的研究提供了技术基础。
密集仓储作业优化与调度方法研究
这是一篇关于密集仓储,货位优化,差分进化算法,设备调度,事件规则,Web应用的论文, 主要内容为近年来随着物流仓储行业的迅速发展,精益仓储对自动化、数字化及智能化提出了更高的要求。为了降低运营成本,密集仓储应运而生并得到了广泛运用,其具备占地面积小、作业规模大、设备种类多、设备数量多及任务并行等特点,但这也给自动化仓储作业优化与调度带来了新的挑战。作业优化包括作业顺序优化、货位优化等环节,其中,货位决策优化是仓储作业过程中重要的工作之一,极大程度地影响着作业效率及成本,而传统的货位决策大多依赖于仓储管理人员的经验,具有一定的盲目性。其次,一般情况下密集仓储作业满足“先来先做”的要求,作业流程的执行具有事件响应特性,在多任务、高并发及异构设备多的仓储环境下,作业约束复杂,事先分配仓储设备资源及路径规划的算法,无法及时准确地调度仓储设备,异构多设备的协同调度也愈发困难。因此,利用互联网及人工智能进行科学合理的仓储货位优化及设备调度,对提升作业质量与效率具有重要意义。课题的主要研究内容如下:(1)密集仓储作业优化与调度分析建模针对密集仓储作业优化与调度问题,进行了仓储作业过程需求分析,剖析了货位优化及设备调度在作业流程中的触发及作用机制。给出了基于事件驱动的货位优化与多设备协同调度问题框架描述,考虑托盘使用状态、库存情况及动态货位可行域等复杂约束条件,进行了货位优化问题描述,并将调度问题分解为作业活动事件调度、环轨及穿梭RGV资源调度两部分。通过仓储作业数据流、功能流分析,设计密集仓储货位优化及设备调度系统功能结构。基于E-R图分析货架、货位、托盘、物料、设备、作业及事件等实体的关键属性,建立关系数据库及对象关系映射模型,为货位优化及设备调度问题的求解提供模型及数据访问基础。(2)提出了响应动态约束的仓储货位优化模型及算法针对密集仓储动态货位优化问题,考虑库存、货位可行域、托盘使用情况等动态约束条件,以货架稳定性、作业均衡及作业路径最短为目标,构建了货位多目标优化数学模型,设计了基于差分进化(DE)的动态货位决策优化算法。为了克服算法参数选择的盲目性,采取变异系数、交叉率自适应进化策略,提高算法在大规模作业下的搜索与勘探能力。使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。为了获得满足实际应用的最优解,提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,并研究了多目标权重对货位持续优化能力的影响规律,为仓储货位决策提供合理方案。多批作业算法试验结果表明,所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。(3)提出了一种密集仓储多设备协同调度方法仓储作业由多种搬运设备协作完成,在多任务、高并发、设备种类多等环境下,针对环形轨道RGV、输送机、提升机、穿梭车等异构设备协同调度问题,给出了一种面向密集仓储的多设备协同调度方法。基于排队论,对密集仓储平台设备配置及布局进行了调度瓶颈分析,避免因布局不合理引起的设备资源利用率低、作业响应能力差等问题。提出了基于事件规则驱动的多设备实时调度模型,以准确及时地控制异构设备执行作业,使业务流程按步骤进行。针对搬运RGV的交通调度问题,提出基于“队尾最近”的环轨RGV选择分配、避免环轨RGV追尾堵塞等算法。为提高库内穿梭车的并行作业效率,提出以作业均衡及作业路径为目标的穿梭车调度算法。试验应用结果表明,所提方法作业执行总时间短、设备堵塞次数少,能够有效解决异构、同构设备间的动态调度问题。(4)基于Web的密集仓储货位优化及多设备调度系统实现课题受上海市科学技术委员会科研计划项目(17DZ2283800)及松江区重点领域示范应用项目(2018-01)资助。以企业密集仓储实际作业为平台,基于面向服务的架构(SOA),根据以上研究工作,利用ASP.Net Core、Web API、MVC及SQL Server等技术,设计智能化作业优化与调度微服务,并开发Web应用程序,实现分布式仓储作业优化与调度Web可视化。设计系统Web应用接口,实现与仓储管控系统的集成,并在企业进行现场测试与应用。应用结果表明,系统能够有效解决密集仓储作业优化与调度问题。综上所述,所提方法在仓储Web管理与监控系统中得到了实现与应用,应用效果显著,为合理科学地进行货位优化及调度提供了智能化手段,为进一步的研究提供了技术基础。
密集仓储作业优化与调度方法研究
这是一篇关于密集仓储,货位优化,差分进化算法,设备调度,事件规则,Web应用的论文, 主要内容为近年来随着物流仓储行业的迅速发展,精益仓储对自动化、数字化及智能化提出了更高的要求。为了降低运营成本,密集仓储应运而生并得到了广泛运用,其具备占地面积小、作业规模大、设备种类多、设备数量多及任务并行等特点,但这也给自动化仓储作业优化与调度带来了新的挑战。作业优化包括作业顺序优化、货位优化等环节,其中,货位决策优化是仓储作业过程中重要的工作之一,极大程度地影响着作业效率及成本,而传统的货位决策大多依赖于仓储管理人员的经验,具有一定的盲目性。其次,一般情况下密集仓储作业满足“先来先做”的要求,作业流程的执行具有事件响应特性,在多任务、高并发及异构设备多的仓储环境下,作业约束复杂,事先分配仓储设备资源及路径规划的算法,无法及时准确地调度仓储设备,异构多设备的协同调度也愈发困难。因此,利用互联网及人工智能进行科学合理的仓储货位优化及设备调度,对提升作业质量与效率具有重要意义。课题的主要研究内容如下:(1)密集仓储作业优化与调度分析建模针对密集仓储作业优化与调度问题,进行了仓储作业过程需求分析,剖析了货位优化及设备调度在作业流程中的触发及作用机制。给出了基于事件驱动的货位优化与多设备协同调度问题框架描述,考虑托盘使用状态、库存情况及动态货位可行域等复杂约束条件,进行了货位优化问题描述,并将调度问题分解为作业活动事件调度、环轨及穿梭RGV资源调度两部分。通过仓储作业数据流、功能流分析,设计密集仓储货位优化及设备调度系统功能结构。基于E-R图分析货架、货位、托盘、物料、设备、作业及事件等实体的关键属性,建立关系数据库及对象关系映射模型,为货位优化及设备调度问题的求解提供模型及数据访问基础。(2)提出了响应动态约束的仓储货位优化模型及算法针对密集仓储动态货位优化问题,考虑库存、货位可行域、托盘使用情况等动态约束条件,以货架稳定性、作业均衡及作业路径最短为目标,构建了货位多目标优化数学模型,设计了基于差分进化(DE)的动态货位决策优化算法。为了克服算法参数选择的盲目性,采取变异系数、交叉率自适应进化策略,提高算法在大规模作业下的搜索与勘探能力。使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。为了获得满足实际应用的最优解,提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,并研究了多目标权重对货位持续优化能力的影响规律,为仓储货位决策提供合理方案。多批作业算法试验结果表明,所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。(3)提出了一种密集仓储多设备协同调度方法仓储作业由多种搬运设备协作完成,在多任务、高并发、设备种类多等环境下,针对环形轨道RGV、输送机、提升机、穿梭车等异构设备协同调度问题,给出了一种面向密集仓储的多设备协同调度方法。基于排队论,对密集仓储平台设备配置及布局进行了调度瓶颈分析,避免因布局不合理引起的设备资源利用率低、作业响应能力差等问题。提出了基于事件规则驱动的多设备实时调度模型,以准确及时地控制异构设备执行作业,使业务流程按步骤进行。针对搬运RGV的交通调度问题,提出基于“队尾最近”的环轨RGV选择分配、避免环轨RGV追尾堵塞等算法。为提高库内穿梭车的并行作业效率,提出以作业均衡及作业路径为目标的穿梭车调度算法。试验应用结果表明,所提方法作业执行总时间短、设备堵塞次数少,能够有效解决异构、同构设备间的动态调度问题。(4)基于Web的密集仓储货位优化及多设备调度系统实现课题受上海市科学技术委员会科研计划项目(17DZ2283800)及松江区重点领域示范应用项目(2018-01)资助。以企业密集仓储实际作业为平台,基于面向服务的架构(SOA),根据以上研究工作,利用ASP.Net Core、Web API、MVC及SQL Server等技术,设计智能化作业优化与调度微服务,并开发Web应用程序,实现分布式仓储作业优化与调度Web可视化。设计系统Web应用接口,实现与仓储管控系统的集成,并在企业进行现场测试与应用。应用结果表明,系统能够有效解决密集仓储作业优化与调度问题。综上所述,所提方法在仓储Web管理与监控系统中得到了实现与应用,应用效果显著,为合理科学地进行货位优化及调度提供了智能化手段,为进一步的研究提供了技术基础。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设小屋 ，原文地址：https://bishedaima.com/lunwen/52576.html
