一种基于深度学习的变电站巡检机器人道路场景识别方法

摘要

本发明公开了一种基于深度学习的变电站巡检机器人道路场景识别方法，包括采集变电站道路场景图像并构建道路场景图像库、构建卷积编码网络并训练、在卷积编码网络基础上构建反卷积解码网络并训练、利用测试集测试模型和变电站巡检机器人道路场景识别应用的步骤。本发明搭建的全卷积神经网络同时兼顾识别精度及效率，通过将深层高精度卷积神经网络精简为小型浅层的网络来降低网络参数以及存储空间来提高识别效率，并采用了多种解码网络相融合的方式来获取更多目标信息保证识别精度；采用深度学习场景识别方法可获取变电站巡检机器人当前环境的稠密信息，对机器人导航避障提供更多有效的指导信息，使机器人环境适应能力更强。