基于小样本深度学习的通风柜橱窗状态识别方法

发布时间：2021-04-09 23:27

　　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。 

【文章来源】：华东理工大学学报(自然科学版). 2020,46(03)北大核心CSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]化学实验室安全管理体系的建设和实践[J]. 王燕,王月荣,熊焰,殷馨,俞晔,孙学芹.  化工高等教育. 2018(04)
[2]机器人视觉的电梯轿厢门状态识别系统[J]. 金晓磊,潘鹏.  单片机与嵌入式系统应用. 2018(04)
[3]数字图像处理技术在电气控制柜开关状态识别中的应用[J]. 丁四海,刘玉雪,路林吉.  微型电脑应用. 2013(05)
[4]基于CAN总线的家用门窗自动开关控制系统[J]. 孙宾,王茂森,戴劲松,涂殊荣.  四川兵工学报. 2011(03)



本文编号：3128497