摘要
工业设备的维护和修理是一个可以通过自动化来提高生产效率和安全性的过程。本文介绍了一种软件服务，该服务能够从设备维护过程中拍摄的视频中识别服务工程师的操作。文中描述了该服务的开发阶段、用于训练机器学习模型的关键特征及其在实现中的应用。实验在实验室条件下进行，以离心油泵的拆卸和智能配电面板中设备更换为案例研究。经过训练的模型能够以至少87%的准确率识别所需的操作。最后，本文明确了测试和硬件要求、主要功能以及使用该服务所带来的优势。实验结果表明，识别服务工程师的操作仅需知道他们手在x和y两个坐标上的位置。降维方法需要提取三种类型的特征——几何特征、角度特征和距离特征——同时利用时间序列数据的统计参数以及小波变换系数的能量和熵信息。这些处理方法使得可以使用简化的机器学习算法，并且不需要在现场使用高功率设备。研究表明，所提出的方法大大减少了服务运行所需的数据量（减少了31.72倍），具体表现为仅存储手的坐标而非整个视频（5.9 MB vs 186 KB）。
