数据中心智能巡检机器人多任务学习方法

摘要

本发明提供了一种数据中心智能巡检机器人多任务学习方法，利用统一深度神经网络模型架构对图像中的二维码和条码的进行检测，对服务器进行分割，并根据服务器前面板的图像识别服务器型号。其包括如下步骤：1）构件训练集构建大量数据中心服务器图像，对图像进行人工标注，图像和标注信息组成训练集；2）使用深度学习编程框架搭建深度神经网络模型，并设定损失函数；3）对模型进行训练；4）训练后的模型部署于巡检机器人，模型大大减小了完成任务所需要的计算和存储资源，提高了机器人的巡检效率，同时也降低了模型部署的复杂度，方便工程应用，基于该模型，数据中心巡检机器人可以开展高级别的巡检任务。