基于EfficientNet和LSTM的井下设备定位技术

摘要

针对矿井设备在基于视觉定位时存在由井下环境复杂而导致的定位可靠性低、参数调整困难等问题,本文提出了一种基于EfficientNet深度学习模型和LSTM时序模型的井下相对定位模型,以提高设备定位算法在井下复杂工作环境中的精确度和鲁棒性。算法训练过程中通过设计光照强度随机和边缘平滑的图像预处理模式,使训练得到的深度学习网络对图像的照度和纹理敏感度降低。实验结果表明:在测试数据集上,该模型能够进行精确的井下定位。该研究将端对端的深度学习应用于井下定位技术,并为矿井视觉定位的发展提供理论参考。