证明基于骨架的动作识别在手动流程分析自动化中的潜力
计算机视觉与模式识别
2023-10-13 v1
摘要
在纺织和电子等制造行业中，手动流程是生产的基本组成部分。对流程进行分析和监控对于高效的生产设计是必要的。传统的手动流程分析方法复杂、昂贵且缺乏灵活性。与 Methods-Time-Measurement (MTM) 等成熟方法相比，机器学习 (ML) 方法有望实现：更高的灵活性、自主且持久的使用、更低的成本。在本工作中，基于视频流，检测手动装配流程中的当前运动类别。利用当前运动的信息，可以轻松推导出关键绩效指标 (KPI)。我们采用了基于骨架的动作识别方法，因为该领域近期在机器视觉任务中取得了重大成功。针对手动装配中的基于骨架的动作识别，未能找到充分的已有研究。因此，我们开发了一个 ML 流水线，以便对不同（预）处理方法和神经网络进行广泛研究。我们找到了合适的、具有良好泛化能力的方法，证明了 ML 在增强手动流程分析方面的潜力。模型可检测手动装配中操作员执行的当前运动，但结果可迁移至各类手动流程。
引用
@article{arxiv.2310.08451,
title = {Proving the Potential of Skeleton Based Action Recognition to Automate the Analysis of Manual Processes},
author = {Marlin Berger and Frederik Cloppenburg and Jens Eufinger and Thomas Gries},
journal= {arXiv preprint arXiv:2310.08451},
year = {2023}
}
备注
16 pages, 6 figures. Find peer-reviewed version in Proceedings of IntelliSys 2023