深度学习在混合现实车间巡检中的应用
作者:
基金项目:

辽宁省教育厅2021年度科学研究经费项目(LJKZ0434); 沈阳市重大科技成果转化专项(20-203-5-40)


Application of Deep Learning in Mixed Reality Workshop Inspection
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [16]
  • |
  • 相似文献
  • | | |
  • 文章评论
    摘要:

    传统的车间巡检方法主要依靠人工检查及记录结果, 过程繁琐且无法实时共享全过程. 为了提高工作效率, 将深度学习应用到混合现实车间巡检中. 采用了深度学习与混合现实技术相结合的方式, 利用ResNet网络对车间设备进行分类识别, 完成分类识别后, 再利用HoloLens的空间感知能力定位到该设备进行确认, 最后显示该设备的基本信息、运行状态和报警等信息. 经实验验证, 与传统的车间巡检方法相比, 具有较高识别率的ResNet有效地过滤了噪声, 提高了HoloLens的利用率和识别率, 同时也提高了巡检人员的工作效率.

    Abstract:

    The traditional method of workshop inspection mainly relies on manual check and recording, which is cumbersome and cannot be shared in real time. For higher work efficiency, deep learning is applied to mixed reality workshop inspection. It is combined with mixed reality technology, and the ResNet network is used to classify and identify workshop equipment. After classification and identification, HoloLens’ spatial perception ability is leveraged to locate and confirm the equipment. Finally, equipment basic information, operating status, and alarms are displayed. The experimental results show that compared with traditional workshop inspection methods, ResNet, with a high identification rate, can effectively filter noises, improve the utilization rate and identification rate of HoloLens, and consequently improve the work efficiency of inspection personnel.

    参考文献
    [1] 王帅, 郭锐锋, 董志勇, 等. 混合现实装配检测中深度学习的数据增强方法. 计算机集成制造系统, 2021, 27(3): 716–727
    [2] 刘敏洋, 李博功. 基于混合现实技术的工业智能运维系统设计. 制造技术与机床, 2020, (9): 80–82, 87
    [3] 孙臻, 齐晓晨, 孙海燕. 混合现实设备助力图书馆设备运维——微软HoloLens在图书馆中的应用实践. 大学图书情报学刊, 2021, 39(3): 120–124. [doi: 10.3969/j.issn.1006-1525.2021.03.023
    [4] 邱俊豪, 胡常伟, 彭磊, 等. 面向大型生产车间的设备点检与巡检管理系统设计. 机电工程技术, 2021, 50(3): 35–39. [doi: 10.3969/j.issn.1009-9492.2021.03.006
    [5] 李玄基. 基于HoloLens增强现实的关键技术研究与实现[硕士学位论文]. 成都: 西南交通大学, 2019.
    [6] 郑远攀, 李广阳, 李晔. 深度学习在图像识别中的应用研究综述. 计算机工程与应用, 2019, 55(12): 20–36. [doi: 10.3778/j.issn.1002-8331.1903-0031
    [7] 辛宁, 丁新宇, 黄可南, 等. 混合现实技术在医学中的应用. 中国胸心血管外科临床杂志, 2021, 28(5): 597–602
    [8] 沈毅, 吴罡, 周睿. 可穿戴计算设备在工业智能运维操作的辅助运用. 系统仿真学报, 2021, 33(5): 1188–1195
    [9] 潘娜, 张记炜. 混合现实技术在军事训练中的应用优势——以美军综合训练环境为例. 国防科技, 2021, 42(1): 111–117.
    [10] 马双. 混合现实技术在医学教育中的应用. 中国教育技术装备, 2020, (9): 101–102, 107.
    [11] 张驰, 郭媛, 黎明. 人工神经网络模型发展及应用综述. 计算机工程与应用, 2021, 57(11): 57–69. [doi: 10.3778/j.issn.1002-8331.2102-0256
    [12] Krizhevsky A, Sutskever I, Hinton GE. ImageNet classification with deep convolutional neural networks. Communications of the ACM, 2017, 60(6): 84–90. [doi: 10.1145/3065386
    [13] Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition. arXiv: 1409.1556, 2014.
    [14] Szegedy C, Liu W, Jia YQ, et al. Going deeper with convolutions. 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Boston: IEEE, 2015. 1–9.
    [15] He KM, Zhang XY, Ren SQ, et al. Deep residual learning for image recognition. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas: IEEE, 2016. 770–778.
    [16] 王景中, 杨源, 何云华. 基于多分类和ResNet的不良图片识别框架. 计算机系统应用, 2018, 27(9): 100–106. [doi: 10.15888/j.cnki.csa.006517
    相似文献
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

刘云江,关慧,王鸿亮,王继娜.深度学习在混合现实车间巡检中的应用.计算机系统应用,2022,31(5):118-123

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-08-03
  • 最后修改日期:2021-08-31
  • 在线发布日期: 2022-04-11
文章二维码
您是第11414759位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号