典型文献
深度学习在混合现实车间巡检中的应用
文献摘要：
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.
文献关键词：
混合现实;ResNet;深度学习;车间巡检;HoloLens;卷积神经网络
中图分类号：
作者姓名：
刘云江;关慧;王鸿亮;王继娜
作者机构：
沈阳化工大学 计算机科学与技术学院, 沈阳 110142;辽宁省化工过程工业智能化技术重点实验室, 沈阳 110142;中国科学院 沈阳计算技术研究所, 沈阳 110168;中国科学院大学, 北京 100049;辽宁省先进装备制造业基地建设工程中心, 沈阳 110001
文献出处：
引用格式：
[1]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)[J].计算机系统应用,2022(05):118-123
A类：
车间巡检
B类：
检方,实时共享,提高工作效率,学习应用,混合现实技术,技术相结合,ResNet,分类识别,别后,HoloLens,空间感知能力,能力定位,识别率
AB值：
0.225729
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
