基于多模态深度学习的离岗智能检测

针对供电营业厅员工可能出现异常离岗或脱岗现象,实时性监督得不到有效保障等问题,文章采用一种基于Mask R-CNN的目标检测方法对营业厅服务公告牌文字进行检测识别,同时利用MTCNN、Insight Face模型对服务人员进行人脸检测与识别,最终利用多模态信息融合,实现在、离岗的准确判定。结果表明,该方法能够在营业厅场景下对工作人员是否正常在岗、异常离岗进行有效检测、识别,准确率达到95%以上,提高工作监督的真实性、公平性和自动化程度。     

基于变电站巡检机器人数字仪表识别算法

当前巡检机器人使用传统的图像识别算法,传统图像识别算法需要进行字符切割以及大量人工建模操作,受环境变化影响大。文章采用深度学习CRNN模型,对数字区域进行整行识别,简化了人工建模步骤,识别正确率高,数字表计识别率达到99%以上。针对部分场景识别错误率高的问题,结合attention机制,对模型进行扩展,实验结果表明,该扩展模型获得了良好的提升效果。