收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于小样本深度学习的通风柜橱窗状态识别方法

马振伟  何高奇  袁玉波  
【摘要】:当实验人员离开化学实验室时,未及时关闭通风柜橱窗会造成严重的安全隐患以及能源浪费,且目前缺乏有效的信息化管理手段。本文利用计算机视觉技术非接触性、可扩展性强的优势,提出了基于小样本深度学习的通风柜橱窗状态识别方法。首先对监控视频进行预处理,基于运动特征和几何先验提取出通风柜橱窗区域;然后对改进的多尺度空洞原型网络进行训练,准确识别出通风柜橱窗的状态。在实际应用中,结合改进的人员检测算法有效减少了识别次数。经实验验证,该方法的准确率较卷积神经网络提升了10.95%,并且对光照变化的鲁棒程度较高,可有效满足化学实验室的日常安全管理要求。

知网文化
【相似文献】
中国期刊全文数据库 前1条
1 刘琦;满瑞林;唐曾琦;徐娟;孙祖眉;;通风柜的气流数值模拟与计算[J];计算机与应用化学;2015年12期
中国硕士学位论文全文数据库 前1条
1 杨清宪;智能通风柜控制系统的设计与实现[D];山东理工大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978