基于深度学习的实验设备识别系统开发设计

• 作者: 廖磊 杨雨秋 黄济川
• 来源期刊: 工业技术创新
• 学科: 工学
• 关键词: 深度学习 实验设备识别系统 Android客户端 服务器端 TCP/IP网络传输协议 残差网络 改进的YOLO网络模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 专题:装备研制
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP311.1
• 字数: 3161字
• 语种: 中文
• DOI: 10.14103/j.issn.2095-8412.2020.03.001

摘要

为了让使用者科学规范使用实验设备、教学者提高实验室教学效率,提出了基于深度学习的实验设备识别系统,系统搭载Android平台环境,使用者通过拍照或本地相册选取实验设备图像.Android客户端采集图像并裁剪,使用TCP/IP网络传输协议将图像发送至服务器端;服务器端使用残差网络和改进的YOLO网络模型对图像进行检测,并在数据库中查找图像特征值对应的实验设备;数据库将识别结果和设备使用方法、注意事项等反馈至Android客户端.测试表明,系统对实验设备的识别准确率可达99％以上.实验设备识别系统可为同行提供参考借鉴,提高教学效率和质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖磊		5	5	2.0	2.0
2	黄济川		1	0	0.0	0.0
3	杨雨秋		1	0	0.0	0.0