机构名称：
¥ 1.0
摘要本文提出了一种利用人工智能技术来识别自动机器行为模式的方法。调查背景涉及一组原型自动拖运者，这是建筑和采矿行业正在开发的产品服务系统解决方案的一部分。该方法涉及使用基于深度学习的对象检测和计算机视觉来了解原型机在不同情况下的操作。受过训练的模型可以准确预测并跟踪已加载和卸载的机器，并有助于识别数据模式，例如课程偏差，机器故障，意外的放缓，电池寿命，机器活动，每次充电的循环次数以及速度。PSS解决方案在有效分配资源以满足所需的站点级输出方面取决于。解决方案提供商可以通过使用论文中概述的AI技术在开发的早期阶段做出更明智的决策，考虑到资产管理和重新分配资源来解释计划外的停止或意外减速。了解早期PSS开发中的机器行为方面可以实现更有效和定制的PSS解决方案。
AI驱动的自主建筑设备行为的理解
主要关键词
相关文件推荐
