融合语义理解的航站楼显示设备故障检测方法

针对航站楼内显示设备出现的故障画面,提出一种融合语义理解的故障检测方法。首先设计滚动文字拼接技术提取界面文字信息;然后根据机场业务背景融入语义规则,训练得到故障分类模型,实现对显示设备出现的非正常显示界面和显示信息歧义等故障的智能检测;最后使用神经网络模型压缩技术将模型轻量化并部署在SOM-RK3399嵌入式设备上。实验表明,融合语义理解模块的检测方法的分类准确率达到88.74%,该方法能够有效解决传统故障检测技术的不足,提高故障检测效率,减少人工检验情况。