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