管道巡检机器人目标识别与定位检测技术

作者：宋雷震; 孙晓东

来源：吉首大学学报(自然科学版), 2021, 42(05): 38-43.

DOI：10.13438/j.cnki.jdzk.2021.05.007

• 管道巡检机器人
• 深度学习
• 目标检测
• 卷积网络
• 管道

针对目前管道巡检机器人对管道内部目标淤积物识别精度低的问题,设计了一个基于新的学习率更新策略的改进YOLO模型,该模型采用深度学习卷积网络来进行目标物图像学习训练;针对定位不准确的问题,设计了一个测距定位模型,实现了对目标物测距的精准定位.对新学习率更新策略下的YOLO模型、常数衰减学习率更新策略下的YOLO模型、指数衰减学习率更新策略下的YOLO模型及使用传统梯度下降法的YOLO模型等进行了对比训练测试,结果表明,基于新学习率更新策略下的YOLO模型的目标物检测准确率达到96.1%,测距定位模型的定位误差小于2 cm.

• 单位
  淮南联合大学