基于Faster R-CNN的设备故障检测与识别

现阶段环境检测设备故障频发，需要自动判断该设备是否发生故障，虽然在设备机房中该设备没有触发设备报警装备，但是监测数据仍然超出了正常工作范围，导致检测数据出错.为了解决这一类设备故障问题，提出了基于Faster R-CNN的故障检测与识别的方法，通过对人工标注的图片数据进行卷积特征训练，得到了用于该场景下开关、指示灯、数字仪器三种设备的检测识别模型.实验表明，Faster R-CNN算法对不同拍摄角度、有遮挡物、不同光照条件下的这三种设备的故障检测都能得到理想的效果，也能基本达到实时监测的速率.