10.3969/j.issn.2095-2163.2023.04.018
深度学习行为识别的挖掘机生产效率监控系统
为了对大型施工设备的生产率进行准确的实时监测和分析,提出了一种基于计算机视觉的设备识别和生产率监控系统.该方法利用Faster-RNN对视频序列中的挖掘机和卡车进行识别检测,然后通过ASFormer对挖掘机动作进行动作分割.基于行为分割的结果对挖掘机的工作效率进行计算.比较了人工计算与行为分割网络的准确度的差距,对2台不同的挖掘机进行动作的识别和分析,结果显示平均准确度分别为91.7％和94.8％.因此,当多个场景并行处理时,可以大大节省人力成本,验证了本方法的有效性和实用性.本研究为慧工地的数字化管理提供了有效的技术基础,开辟了计算机视觉应用的新场景,提出了一种新的计算挖掘机生产效率的计算因子,更适合于通过统计挖掘机动作来进行效率计算.
深度学习、机器视觉、行为分割、特征提取、视频检测、生产率检测、监控系统
13
TH-39
国家自然科学基金;国家自然科学基金
2023-05-25（万方平台首次上网日期，不代表论文的发表时间）
共7页
111-116,121
