面向以人为中心制造系统的多模态工人活动识别数据集与信息物理架构
《Sensors》:A Multimodal IMU-RTLS Manufacturing Motion Dataset for Worker Activity Recognition
【字体:
大
中
小
】
时间:2026年10月22日
来源:Sensors 4.0
编辑推荐:
工人活动识别能够提升以人为中心的制造系统的运营可见性。然而,现有方法仍受限于工业数据集稀缺、孤立的任务记录以及传感器密集的配置。本研究提出了两个多模态数据集及一种信息物理架构,用于工人运动的互补层次。宏观工人活动识别数据集针对操作者与工作站之间的距离,以及在可重构制造系统中物
工人活动识别能够提升以人为中心的制造系统的运营可见性。然而,现有方法仍受限于工业数据集稀缺、孤立的任务记录以及传感器密集的配置。本研究提出了两个多模态数据集及一种信息物理架构,用于工人运动的互补层次。宏观工人活动识别数据集针对操作者与工作站之间的距离,以及在可重构制造系统中物流活动的识别。该数据集包含来自八个生产设置的 814,065 个定位样本,每个设置重复两次,涉及 40 多名工人。该数据集使用不同的学习结构算法进行了基准测试,选择长短期记忆网络作为基线模型,实现了 86% 的 F1 分数。精细工人活动识别数据集针对的是使用两个惯性测量单元和一副射频识别智能手套对五个泵组装操作进行分割。该数据集包含约 7 小时的录音,由三名工人完成的 50 次完整组装产生了一百多万个样本。对 Transformer、ResNet 和 SqueezeNet 模型进行了基准测试,在取得最高的 85.2% F1 分数后,选择 SqueezeNet 作为基线模型。此外,结果发现过渡丰富的活动是主要的识别瓶颈,并展示了互补的运动层次如何支持不同的制造指标。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号