通过使用时间卷积网络在物联网环境中的优化模型来增强视力受损者的室内监控
Faisal S Alsubaei1, Abdulrahman A Alshdadi2, Mohammed Rizwanullah3,4
1Department of Cybersecurity, College of Computer Science and Engineering, University of Jeddah, Jeddah, 21959, Saudi Arabia. fsalsubaei@uj.edu.sa.
Scientific reports
|October 21, 2025
概括
这项研究引入了一个新的物联网 (IoT) 和深度学习 (DL) 模型,MOAM-EIMVIP,以加强对视力受损人士的室内监控. 该技术达到99.30%的准确性,大大改善了辅助技术.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 辅助技术 辅助技术 辅助技术
背景情况:
- 物联网 (IoT) 在医疗保健领域提供了巨大的潜力,特别是在帮助老年人和残疾人方面.
- 基于物联网的辅助系统增强了残疾人的日常生活和移动性.
- 机器学习 (ML) 和深度学习 (DL) 对于开发面向视障人士的物体检测系统至关重要.
研究的目的:
- 提出一种基于物联网的新型深度学习 (DL) 模型,MOAM-EIMVIP,用于加强对视力受损人员的室内监控.
- 通过先进的辅助技术,提高残疾人的生活质量和独立性.
- 为了利用元启发式优化,在室内监控系统中实现卓越的性能.
主要方法:
- 在MOAM-EIMVIP技术中,用于数据预处理的min-max规范化.
- 特性选择是使用正弦-共弦算法 (SCA) 进行的.
- 时间卷积网络注意力机制 (TCNA) 模型用于分类,超参数调由欧亚鱼优化器 (EOO) 优化.
主要成果:
- 在HAR数据集上,MOAM-EIMVIP方法显示了高分类准确率99.30%.
- 拟议的方法在室内监测准确度方面明显优于现有技术.
- 听优化有效地提高了DL模型的性能.
结论:
- MOAM-EIMVIP技术代表了基于物联网的视力障碍者辅助技术的重大进步.
- 整合DL,注意力机制和元启发式优化为室内监控提供了一个强大的解决方案.
- 这种方法有望改善残疾人在室内环境中的可访问性和安全性.