工厂人员工装穿戴检测系统 CNN

工厂人员工装穿戴检测系统运用最新深度神经网络和云计算技术，工厂人员工装穿戴检测系统对监控摄像头拍摄的画面进行实时分析。SuiJiAi一旦发现工作人员没有按要求穿衣服，工厂人员工装穿戴检测系统会自动传出报警，SuiJi在提醒后台人员的前提下，同步一键备份违规时间、地址和相片到数据库系统。

在CNN出现之前，对于图像的处理一直都是一个很大的问题，一方面因为图像处理的数据量太大，比如一张512 x 512的灰度图，它的输入参数就已经达到了252144个，更别说1024x1024x3之类的彩色图，这也导致了它的处理成本十分昂贵且效率极低。另一方面，图像在数字化的过程中很难保证原有的特征，这也导致了图像处理的准确率不高。

而CNN网络能够很好的解决以上两个问题。对于第一个问题，CNN网络它能够很好的将复杂的问题简单化，将大量的参数降维成少量的参数再做处理。也就是说，在大部分的场景下，我们使用降维不会影响结果。比如在日常生活中，我们用一张1024x1024x3表示鸟的彩色图和一张100x100x3表示鸟的彩色图，我们基本上都能够用肉眼辨别出这是一只鸟而不是一只狗。这也是卷积神经网络在图像分类里的一个重要应用。

在日常作业中，安全一直是一种永恒的主题，工作服在预防安全事件层面起到重要作用。因而，按规定穿工作服是安全作业的对应措施。假如在抖音屏幕上发觉不穿工作服，系统会积极开启警报提示。SuiJiAi工厂人员工装穿戴检测系统AI场景响应式，自动感知场景与环境变化，适用于背光 自适应、雨雾自适应、速度自适应。

import torch
from torch import nn
from d2l import torch as d2l


class Reshape(torch.nn.Module):
    def forward(self, x):
        # 通过view函数把图像展成标准的Tensor接收格式，即(样本数量，通道数，高，宽)
        return x.view(-1, 1, 28, 28)

net = torch.nn.Sequential(
    Reshape(),
    # 第一个卷积块，这里用到了padding=2
    nn.Conv2d(1, 6, kernel_size=5, padding=2), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 第二个卷积块
    nn.Conv2d(6, 16, kernel_size=5), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 稠密块（三个全连接层）
    nn.Flatten(),
    nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),
    nn.Linear(120, 84), nn.Sigmoid(),
    nn.Linear(84, 10))

SuiJiAi工厂人员工装穿戴检测系统是基于规模性工作服图片数据分析训练，依据人工智能算法准确判断工装合规、工装颜色鉴别；SuiJi工厂人员工装穿戴检测系统并将人员违规时间、地址、图片通知后台平台，后台人员可以及时获悉处理现场人员违规行为。