【技术实现步骤摘要】
一种实现电梯维保图片识别的方法
[0001]本专利技术涉及人工智能图片识别
,尤其涉及一种实现电梯维保图片识别的方法
。
技术介绍
[0002]在电梯行业中,电梯作为一种特殊的设备,其安全性和可靠性对人们的生命财产安全有着至关重要的影响
。
因此,电梯的维保工作也显得尤为重要
。
而上传维保图片则是维保工作中的一个重要环节,它不仅可以帮助维保员工更好地了解电梯的实际情况,为电梯的安全管理者提供有力的支持,同时也可以为电梯的维修记录提供有效的证据
。
但是由于平时维保员工上传的维保图片会有存在不规范的情况,如图片模糊,图片未拍完整,垃圾图片等等
。
[0003]有资料显示,传统人工审核维保图片的方法已经无法满足现代企业的需求,需要采用更加高效
、
准确
、
实时的审核方法来提高审核效率和准确率,降低审核成本
。
现如今,卷积神经网络发展迅猛,并在不断演进和拓展应用
。
由于电梯行业每日需要对大量的维保图片进行审核,因此需要对模型的运行速度有较高的要求
。
而
ShufflenetV2
是一种轻量级网络,大大降低计算和存储成本
。
虽然该网络在计算效率和模型大小方面具有很高的优势,然而,它也存在一些缺点,下面将对其进行分析
。
[0004]1,低精度问题:
ShufflenetV2
采用了一些轻量级的设 ...
【技术保护点】
【技术特征摘要】
1.
一种实现电梯维保图片识别的方法,其特征在于,包括以下步骤:
S1
采集维保图片中的工作层数据集,并划分为训练集
、
验证集
、
测试集;
S2
对数据集进行预处理;
S3
将处理好的图片数据输入到网络的
Conv1
层进行
3*3
卷积并池化;
S4
将池化后的特征图进一步进行特征提取;
S5
将输出的图片输入到网络的
Conv5
层进行
1*1
卷积;
S6
将卷积后的图片筛选以获得经过了重标定的特征;
S7
将特征图输入到全局平均池化层和全连接层得到训练好的模型最优参数;
S8
输入待识别的维保工作层图片进行推理并输出图片识别结果
。2.
根据权利要求1所述的一种实现电梯维保图片识别的方法,其特征在于,所述步骤
S2
具体包括,首先需要对数据集进行去重
、
删除无效样本操作,其次在训练过程中对输入的图片进行随机概率翻转以及归一化处理;以概率
P
=
0.5
对图片进行随机翻转,对图像数据进行归一化,数据被输入到统一的区间内,输出范围被缩小至0到1之间
。3.
根据权利要求1所述的一种实现电梯维保图片识别的方法,其特征在于,所述步骤
S3
具体包括,将处理好的图片数据输入到网络的
Conv1
层,进行
3*3
卷积,后通过
BN
层,并进行
h
‑
swish
非线性激活函数激活,将卷积处理后的特征图输入到最大池化层
。4.
根据权利要求1所述的一种实现电梯维保图片识别的方法,其特征在于,所述步骤
S4
具体包括,将池化后的特征图依次输入到
Shuf...
【专利技术属性】
技术研发人员:蒋鑫宇,于佳,袁刚,孙尧,王振彪,
申请(专利权)人:杭州西奥电梯有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。