基于深度学习的挖机工作状态识别方法研究

摘要：

随着经济的快速发展,建筑领域正在如火如荼地朝着智能化发展.但目前对于大型设备的监控管理仍相对比较匮乏,而挖机作为工地中最重要、使用最频繁的机械设备之一,监控其工作状态显得至关重要.所以本文提出了一种基于深度学习的挖机工作状态识别方法,首先通过目标检测网络Yolov3识别出挖机的机身和机臂,然后计算每帧图像中旋转角的正切值,最后根据相邻帧间旋转角正切值差值的绝对值与阈值的大小关系来判断挖机的工作状态.该方法提供了一种新的设备状态识别方法,能实时监控挖机的工作状态,解决工地设备管理难的问题.

关键词：深度学习、Yolov3、挖机、工作状态、识别方法

分类号：TU621(建筑施工机械和设备)

资助基金：基于人工智能的建造安全全生命周期管理创新与示范2020-RGZN-02041

在线出版日期：2023-02-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：38-41