基于深度学习与手持增强现实的故障诊断领域最优数据采集系统
人工智能
2022-06-17 v1
摘要
与当前AI或机器人系统相比，人类轻松导航所处环境，使数据采集等任务变得微不足道。然而，人类更难对数据中隐藏的复杂关系建模。AI系统，尤其是深度学习（DL）算法，令人印象深刻地捕获了这些复杂关系。将人类与计算机器的优势共生结合，可同时最小化所需采集数据并构建复杂的输入到输出映射模型。本文通过提出一种新颖的人机交互框架以最少数据执行故障诊断，实现了此种结合。为复杂系统诊断故障采集数据困难且耗时。最小化所需数据将提升数据驱动模型在故障诊断中的实用性。该框架向人类用户提供指令以采集缓解故障诊断模型训练与测试所用数据之间差异的数据。框架由三部分组成：（1）用于数据采集以构建训练数据集的强化学习算法，（2）用于诊断故障的深度学习算法，以及（3）用于测试数据采集的手持增强现实应用。所提框架在一个新颖数据集上仅以每种故障条件一个样本取得了高于100%的精确率与召回率。此外，开展了可用性研究以评估手持增强现实应用的用户体验，所有用户均能遵循所提供的步骤。
引用
@article{arxiv.2206.07772,
title = {Deep Learning and Handheld Augmented Reality Based System for Optimal Data Collection in Fault Diagnostics Domain},
author = {Ryan Nguyen and Rahul Rai},
journal= {arXiv preprint arXiv:2206.07772},
year = {2022}
}