典型文献
基于深度学习的院区冷水机组指针式仪表读数研究
文献摘要：
目的:解决医院后勤部门在巡检时对指针式仪表读数存在的精度低、频率低、效率低等问题.方法:基于开源深度学习框架PaddlePaddle(飞浆),使用目标检测模型和语义分割模型构建适用于医院动力机房实地场景的指针式仪表读数模型,搭建了一套基于深度学习的全自动指针式仪表读数系统,实现对图像内指针式仪表的自动化识别、读数和记录.结果:通过基于深度学习的指针式仪表读数模型可以实现对目标仪表实时识别与读数,模型的预测平均绝对误差(MAE)为0.04,满足了实际工作需求.结论:基于深度学习的指针式仪表识别技术能够有效提高后勤部门对指针式仪表的数据采集效率,进而提高后勤部门的巡检效率.
文献关键词：
深度学习;指针式仪表;后勤;巡检
中图分类号：
作者姓名：
虢诗影;邹佩琳;李敏
作者机构：
430030 武汉,华中科技大学同济医学院附属同济医院
文献出处：
引用格式：
[1]虢诗影;邹佩琳;李敏-.基于深度学习的院区冷水机组指针式仪表读数研究)[J].中国数字医学,2022(08):79-82,115
A类：
B类：
院区,冷水机组,指针式仪表,仪表读数,医院后勤,后勤部门,开源,源深,深度学习框架,PaddlePaddle,目标检测模型,语义分割,分割模型,动力机,机房,数系,自动化识别,实时识别,平均绝对误差,MAE,仪表识别,采集效率,巡检效率
AB值：
0.214228
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。
