结合深度学习和边缘计算的作业人员专注性检测方法

赵彦龙; 赵三伟; 闫伟才; 钟震宇

首页> 中文期刊> 《自动化与信息工程》 >结合深度学习和边缘计算的作业人员专注性检测方法

结合深度学习和边缘计算的作业人员专注性检测方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

在生产作业过程中,作业人员注意力不集中是生产事故发生的主要诱因。针对现有的专注性研究方法过于依赖高性能计算设备,存在部署困难和隐私数据泄露等问题,提出一种结合深度学习和边缘计算的作业人员专注性检测方法。首先,利用YOLOv5算法对使用手机、抽烟和喝水3种常见的分心行为进行实时检测;然后,采用轻量化人脸关键点检测网络和Perclos算法对作业人员的疲劳程度进行评估,并对疲劳状态进行预警;最后,采用基于通道剪枝的压缩算法将分心行为检测网络和疲劳行为检测网络部署于低功耗的便携式边缘计算设备,避免作业人员隐私和商业数据泄露的风险。实验结果表明,该方法对疲劳行为和分心行为的检测准确率分别达98.6%和99.8%,满足实际的部署需求。

著录项

来源
《自动化与信息工程》 |2023年第5期|46-51|共6页
作者
赵彦龙; 赵三伟; 闫伟才; 钟震宇;
展开▼
作者单位

内蒙古军区数据信息室;

武汉滨湖电子有限责任公司;

中通服咨询设计研究院有限公司;

广东省科学院智能制造研究所/广东省现代控制技术重点实验室;

展开▼
原文格式 PDF
正文语种 chi
中图分类模式识别与装置;
关键词
专注性检测; YOLOv5算法; 人脸关键点检测网络; Perclos算法; 通道剪枝的压缩算法;

相似文献

中文文献
外文文献
专利

1. 基于边缘计算与深度学习的输电设备异物检测方法 [J] . 路艳巧 ,孙翠英 ,曹红卫 . 中国电力 . 2020,第6期
2. 基于边缘计算和深度学习的园区目标检测方法 [J] . 陈佳林 ,和青 ,李云波 . 电子技术与软件工程 . 2020,第16期
3. 深度学习与边缘增强相结合的断裂综合检测技术——顺北地区超深走滑断裂检测应用实例 [J] . 陈俊安 ,陈海东 ,龚伟 . 石油地球物理勘探 . 2022,第6期
4. 计算机在特种作业人员职业适性检测中的应用 [J] . 金会庆 ,刘禹国 ,戴平 . 人类工效学 . 2000,第4期
5. 边缘计算环境下基于深度学习的DDos检测 [J] . 田婷 ,虞延坤 ,牛新征 . 计算机测量与控制 . 2023,第7期
6. 专注于企业成本管理，致力于提高员工的自主性——VRP作业价值管理系统的理念，方法与技术 [C] . 张捷 . 第十三届国际消失模与V法铸造学术年会暨2017年国际消失模与V法铸造技术交流会 . 2017
7. 边缘计算中基于深度学习的用户异常行为检测 [A] . 郭聪 . 2021

结合深度学习和边缘计算的作业人员专注性检测方法

摘要

著录项

相似文献

相关主题

期刊订阅