一种基于深度学习的空调机房设备状态检测算法

为规避空调机房人工巡检的固有缺陷，推动建筑运维智能化、无人化发展，此篇文章基于深度神经网络Mask-RCNN,提出了1种应用于巡检机器人的机房设备状态检测算法，通过精心选取特征并解释，分别利用多目标识别、实例分割、关键点检测的方式，实现了对控制面板指示灯状态、加药箱液位以及机械表指针读数的检测与识别。测试集实验结果表明，该算法可以精确识别设备状态，其中指示灯识别准确率达到98.7%,相对液位误差及相对角度误差分别控制在10%以及1%以内，具有广阔的应用前景。