案例介绍
这是一个使用Deep Learning技术实现工厂环境中异常检测的项目。目的是向一家工厂企业提供设备异常检测的解决方案。
我负责调查最合适的机器学习手法，收集测试数据，开发演示程序。向客户汇报工作等。 本项目中考虑工厂环境中不易收集异常数据的现状首先采用了非监督学习算法的VAE生成模型进行了检验。另外也使用了isolated forest聚类来做异常检测。由于非监督学习算法的检测效果不是很理想(60%左右的准确率)，我们之后也使用了对VGG16模型进行finetune的方法构建了监督学习的分类模型。最终，监督学习算法达到了98%的准确率。
开发工具包括: Python3, Keras, GCP, Matplotlib, Pandas, Flask, Kafka, OpenCV
案例图片
相似案例推荐
其他人才的相似案例推荐
-
进销存
后台管理系统，vue、elementui，这是仓库后台，用于
-
数据可视化大屏
该作品主要功能是实时监控车辆和船舶的位置以及状态，主要包括车
-
位置服务
该作品主要包括三部分：1.数据可视化大屏，作品的主要功能包括
-
联想客服系统
因保密协议，不能展示具体界面及代码。 联想远程协助RTC项
-
大数据统计分析
展示成都市各乡镇区县办件量的区域数据分析； １.本日，本月
-
线上评价系统
结合高新区线下评价服务器的铺排，建设线上评价功能，办事群众凭
-
振铭数字化矿山管理系统
管理矿山智能采集数据，实现ERP管理功能，提供各类报表统计和
-
crm
公司客户关系管理系统 主要包括三大模块： 客户关系模块
-
《CTIS交易对手上送》
行内数据补全程序中的一环，存储过程处理过程，和后台shell
-
福田购物节微信开发
“IT/软件开发”互联网一站式服务平台，可根据客户实际需求，
-
武汉“8+1”城市圈农村产权交易平台
武汉“8+1”城市圈农村产权交易平台系统是武汉市及8个地市一
-
springcloud实例
友好的代码结构及注释，便于阅读及二次开发 实现前后端分离，
微信接收人才推送
关注猿急送微信平台，接收实时人才推送
