随着中国经济的飞速发展,国力日渐强盛,人民的生活水平在不断提高,全国范围的基础设施也在不断升级。电梯作为最重要的基础设施之一,其数量也是在不断攀升。然而拥有数量如此庞大的电梯的同时,如何保证它们安全、稳定地运行更是人们关注的重点。为了保证电梯的质量安全,我们必须定时地、高效地对电梯实施维保工作。本文首次提出通过图像识别的方法帮助相关企业与政府完善电梯维保管理工作。本文的主要工作内容包括:(1)建立“电梯维保管理图像数据集”。本文使用深度学习进行电梯维保管理图像识别方法研究,深度学习需要大量的训练数据。本文首先根据任务需求确定数据集中类别标签的个数及各自含义,然后通过“多尺度模板匹配”的方法对从原始数据库中下载的图片数据进行清洗,最后按照本文制定的判定标准对清洗后的数据进行类别判定与标注。“电梯维保管理图像数据集”将为本文的所有实验提供训练和测试数据。(2)构建基于Inception结构的深度神经网络并用于电梯维保管理图像识别。本文构建的电梯维保管理图像数据集具有数据量少和类间模糊性高的特点。Inception模块能够在大量减少网络参数量的同时,保持较强的表现力。本文构建基于Inception结构的卷积神经网络应用于电梯维保管理图像识别。更少的参数可以使网络在面对小型数据集时不至于过拟合,同时Inception的稀疏性结构能够更好地适应不同形式的特征。(3)设计出基于空间注意力机制的Spatial-SE注意力模块。不同于一般的图像识别任务,电梯维保管理图像识别的关键点在于对图像背景的识别,因此本文引入深度学习中的注意力机制,希望神经网络在图像进行识别时,给予图像背景信息更多的关注度,进而提高网络的识别准确率。本文借鉴SE-Net的思想,设计出了Spatial-SE空间注意力模块,并构建了基于空间注意力的Spatial-SE-Inception网络和基于混合注意力的Mixed-SE-Inception网络用于电梯维保管理图像识别。