在危险环境中基于移动机器人的状态监测高级图像分析:一个全面的热缺陷处理框架
Mohammad Siami1, Tomasz Barszcz2, Radoslaw Zimroz3
1AMC Vibro Sp. z o.o., Pilotow 2e, 31-462 Kraków, Poland.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
这项研究引入了一种新方法,用于分析移动机器人在危险地区的热图像. 它有效地处理大数据用于状态监控,改善缺陷检测和可视化.
科学领域:
- 机器人和自动化 机器人和自动化
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 移动机器人对于在矿山等危险环境中进行条件监测 (CM) 至关重要,收集大量的图像数据.
- 处理大量的图像数据和噪声给识别热异常带来了挑战.
- 现有的工业大数据分析与移动机器人生成的图像数据集作斗争.
研究的目的:
- 开发一种综合方法,有效处理和可视化来自移动检查机器人的热异常数据.
- 解决大数据分析在处理来自危险工业场所的复杂图像数据集方面的局限性.
- 通过先进的数据分析技术,增强条件监测流程.
主要方法:
- 一种结合语义细分 (VGG16 CNN) 进行特征选择的新型维度缩小程序.
- 应用随机森林 (RF) 和极端梯度提升 (XGBoost) 分类器用于像素类标签预测.
- 使用PCA-K手段探索无监督学习,以缩小尺寸和分类未标记的热缺陷.
主要成果:
- 拟议的方法有效地处理基于图像的CM任务在危险环境.
- 该方法在处理和可视化来自现实世界移动机器人检查的热数据方面表现出强大的性能.
- 热异常和缺陷的成功识别和分类得到了实现.
结论:
- 综合方法显著提高了危险工业环境中状态监测过程的效率.
- 该方法在管理和解释由自主系统收集的大型热图像数据方面被证明是有效的.
- 这项工作验证了工业检查机器人的先进人工智能和数据减少技术的实际应用.
