基于视觉增强检测的车间人员数字孪生模型快速构建方法

TP391; 作为车间制造资源的基本组成单位,人员主观活动具有高度不确定性,数字孪生车间中人员位置和分布信息的获取一直是难点.从现实生产生活的迫切需求出发,构建了一种自适应车间人员识别网络,并基于人在回路思想对车间复杂环境的检测效果进行增强.实验证明,所提方法与已有的三阶段级联卷积神经网络相比,检测效率和准确率更高、自适应性更强,可以为数字孪生模型提供稳定准确的支撑....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 27; no. 2; pp. 545 - 556
Main Authors 刘庭煜, 张培, 刘洋, 孙毅锋, 孙习武, 刘晓军
Format Journal Article
LanguageChinese
Published 东南大学 机械工程学院,江苏 南京 210096 01.02.2021
南京理工大学 机械工程学院,江苏 南京 210094%南京理工大学 机械工程学院,江苏 南京 210094%上海航天设备制造总厂有限公司,上海 200245%东南大学 机械工程学院,江苏 南京 210096
Subjects
自适应学习
人员智能管控
数字孪生模型
视觉增强检测
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2021.02.021

Cover

More Information
Summary:TP391; 作为车间制造资源的基本组成单位,人员主观活动具有高度不确定性,数字孪生车间中人员位置和分布信息的获取一直是难点.从现实生产生活的迫切需求出发,构建了一种自适应车间人员识别网络,并基于人在回路思想对车间复杂环境的检测效果进行增强.实验证明,所提方法与已有的三阶段级联卷积神经网络相比,检测效率和准确率更高、自适应性更强,可以为数字孪生模型提供稳定准确的支撑.
ISSN:1006-5911
DOI:10.13196/j.cims.2021.02.021