排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。 相似文献
2.
针对印刷文档扫描影像中表格位置检测中存在检测效果较差的问题,设计了一种基于深度学习的印刷文档扫描影像中表格位置检测方法.首先,在Hough环境下对表格位置变换检测点进行确定,同时建立深度形态双向层级位置检测结构.以此为条件,创建深度学习多层级的逆向检测的模型,在深度学习的背景之下,采用多维正向法实现表格位置的检测.测试... 相似文献
3.
1