基于深度学习的变电站巡检机器人道路场景识别

摘要：

为了提升变电站巡检机器人对自身所处环境的理解能力,将深度学习技术应用于变电站巡检机器人对道路场景的识别中,提出了一种全卷积道路场景识别网络(road scene recognition net,RSRNet).该网络主要由相对浅层的编码网络和镜像结构与跳层融合结构相结合的解码网络组成,通过编码网络提取图像特征后由解码网络识别出图像目标信息.通过实验表明,本文提出的网络在同类型网络中识别精度及效率更高,同时在实际变电站场景中也表现出了优良的场景识别性能.

关键词：深度学习、全卷积神经网络、变电站巡检机器人、场景识别

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61672437,61702428;四川省科技计划重点研发重大科技专项2018GZ0086,2018GZ0185,2018GZDZX0044

在线出版日期：2019-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：158-163