10.13614/j.cnki.11-1962/tu.2023.02.20
一种基于深度学习的空调机房设备状态检测算法
为规避空调机房人工巡检的固有缺陷,推动建筑运维智能化、无人化发展,此篇文章基于深度神经网络Mask-RCNN,提出了1种应用于巡检机器人的机房设备状态检测算法,通过精心选取特征并解释,分别利用多目标识别、实例分割、关键点检测的方式,实现了对控制面板指示灯状态、加药箱液位以及机械表指针读数的检测与识别.测试集实验结果表明,该算法可以精确识别设备状态,其中指示灯识别准确率达到98.7%,相对液位误差及相对角度误差分别控制在10%以及1%以内,具有广阔的应用前景.
机器视觉、指示灯识别、液位识别、机械表识别、Mask RCNN
39
TU831(房屋建筑设备)
2023-03-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
162-170