基于深度学习的机器人巡检图像目标识别研究  

作　　者：史庆军[1] 

机构地区：[1]佳木斯大学信息电子技术学院,黑龙江佳木斯154007

出　　处：《电脑知识与技术》2023年第14期15-17,共3页Computer Knowledge and Technology

摘　　要：由于传统目标识别方法的识别精度与效率较差,难以保障机器人巡检的全面性,提出基于深度学习的机器人巡检图像目标识别研究。采集机器人巡检图像,通过灰度化、滤波操作预处理巡检图像,简化图像信息并消除噪声,基于深度学习构建Faster R-CNN模型,达到图像目标分类识别目的。实验结果表明:研究设计的方法识别机器人巡检图像目标的准确率为95.21%、召回率为94.07%、F1分数为95.11%、参数量为16.8M、计算量为3.9GFlops,验证该方法具有优越的识别性能。

关 键 词：巡检机器人 图像识别 深度学习 目标识别 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]