来源：期刊VIP网 时间：
作者：黄浩;朱磊;张媛;杨婉;李源;杜艳平;
单位：北京印刷学院机电工程学院;北京印刷学院国家邮政局绿色包装技术研发中心;
摘要：随着快递业务量的快速增长，暴力分拣行为已成为影响物流安全和效率的重要问题。为了有效识别和预警暴力分拣复合动作，本研究提出一种基于时空模糊动态融合网络模型（Spatio-Temporal Fuzzy Dynamic Fusion Network,ST-FDFNet）的智能识别方法。该方法集成三轴加速度传感器的动态数据采集与云端传输技术，并借助卷积神经网络和长短时记忆网络的协同架构，对暴力分拣复合动作的时空关联特征进行提取。同时，采用Takagi-Sugeno-Kang模糊神经网络对深度特征进行非线性分类，完成暴力分拣复合动作的有效识别。实验结果表明，在暴力分拣复合动作数据集上，ST-FDFNet模型实现了96.69%的识别准确率，且精确率、召回率与F1分数分别达到98.16%、98.11%和98.16%。与传统算法相比，本研究提出的ST-FDFNet通过融合时空特征建模与模糊决策机制，显著提升了复合暴力分拣动作的识别精度与鲁棒性。
关键词：动作识别;;暴力分拣;;模糊神经网络;;长短时记忆网络
基金资助：北京市教委——市自然基金委联合资助项目(No.KZ202210015020);; 北京印刷学院科研平台建设项目(No.KYCPT202507)
