深度学习行为识别的挖掘机生产效率监控系统

作     者：陈雪健 秦水介 白忠臣 郭媛君 杨之乐 CHEN Xuejian;QIN Shuijie;BAI Zhongchen;GUO Yuanjun;YANG Zhile

作者机构：贵州大学大数据与信息工程学院贵阳550025 贵州大学贵州省光电子技术及应用重点实验室贵阳550025 中国科学院深圳先进技术研究院广东深圳518055 

出 版 物：《智能计算机与应用》 (Intelligent Computer and Applications)

年 卷 期：2023年第13卷第4期

页      面：111-116,121页

学科分类：080805[工学-电工理论与新技术] 0808[工学-电气工程] 080202[工学-机械电子工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金-地区项目(61865002 62065002) 

主　　题：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 

摘      要：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。