-
题名一种基于深度学习的空调机房设备状态检测算法
- 1
-
-
作者
贾乾然
许鹏
李俊杰
-
机构
同济大学机械与能源工程学院
-
出处
《建筑科学》
CSCD
北大核心
2023年第2期162-170,共9页
-
文摘
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。
-
关键词
机器视觉
指示灯识别
液位识别
机械表识别
Mask
RCNN
-
Keywords
computer vision
indicator recognition
liquid level recognition
pointer meter recognition
Mask RCNN
-
分类号
TU831
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名基于深度学习的标准金属量器液位图像检测方法
被引量：1
- 2
-
-
作者
潘嘉鹏
杨荣淇
金荣品
赵翠莲
-
机构
上海大学机电工程与自动化学院
上海船舶研究设计院
-
出处
《计量与测试技术》
2022年第2期66-71,共6页
-
文摘
传统基于灰度梯度分割的液位识别方法容易受到光照、清晰度等因素的影响,鲁棒性较低。为了解决这一问题,本文提出采用深度学习的液位图像检测算法;针对量器玻璃管液位线特点裁剪网络压缩卷积层,加快提取速度;使用K-means聚类设计先验框,增强尺度适应性。实验结果表明,基于YOLOv4的改进模型在液位线动态识别中,平均准确率mAP达到98.63%,帧处理速度达到了40fps。
-
关键词
标准金属量器
液位识别
YOLOv4
-
Keywords
standard metal measure
liquid level recognition
YOLOv4
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名应用图像处理技术的舱室液位识别算法研究
被引量：1
- 3
-
-
作者
臧涛
罗光宇
-
机构
海军驻武汉地区第二军代室
武汉理工大学自动化学院
-
出处
《软件导刊》
2021年第3期139-144,共6页
-
文摘
为了快速准确地定位船舶运行过程中的损害隐患,改善船舶舱室中液位识别自动化程度低的缺点,基于图像处理技术,利用滤波、灰度转化等方法完成对采集图像的预处理,通过直方图均衡化及图像分割技术实现对图像的进一步处理,在对处理后的图像进行形态学操作及轮廓逼近后,提取出液位检测结果,将水箱模型中的测量结果与实际值进行比较,得出相对误差。结果表明,应用图像处理技术的舱室液位识别算法较传统液位识别算法精度较高,相对误差达3.27%。该算法的液位检测识别准确率为96.73%,满足船舶实际运行需求,且由于该算法可封装成智能识别系统,具有适应能力强、部署灵活的特点,具备向船舶实际作战中损害管制系统扩展的应用空间。
-
关键词
图像处理
液位识别
阈值分割
滤波
-
Keywords
image processing
liquid level recognition
threshold segmentation
filter
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
