利用近身电场进行制造产线工人活动识别
机器学习
2023-08-08 v1 信号处理
摘要
制造业致力于通过部署先进的传感与控制系统来提高生产效率和产品质量。可穿戴传感器正成为一种有前景的解决方案,因为它们能够对制造产线中工人的活动进行连续且不显眼的监测。本文提出了一种结合 IMU 与人体电容传感模块的新型可穿戴传感原型,用于识别制造产线中工人的活动。为处理这些多模态传感器数据,我们提出并比较了用于多通道时间序列卷积神经网络与深度卷积 LSTM 的早期与晚期传感器数据融合方法。我们使用所提出的传感原型与 Apple Watch 在制造产线测试床中收集并标注传感器数据,从而对提出的硬件与神经网络模型进行评估。实验结果表明,与基线方法相比,我们提出的方法取得了更优性能,显示出该方法在制造业实际应用中的潜力。此外,带有人体电容传感器与特征融合方法的所提传感原型分别比不带人体电容传感器的所提传感原型与 Apple Watch 数据提高了 6.35%,宏 F1 分数高出 9.38%。
引用
@article{arxiv.2308.03514,
title = {Worker Activity Recognition in Manufacturing Line Using Near-body Electric Field},
author = {Sungho Suh and Vitor Fortes Rey and Sizhen Bian and Yu-Chi Huang and Jože M. Rožanec and Hooman Tavakoli Ghinani and Bo Zhou and Paul Lukowicz},
journal= {arXiv preprint arXiv:2308.03514},
year = {2023}
}