為加強(qiáng)機(jī)器人專業(yè)實(shí)驗(yàn)教學(xué),提高人才培養(yǎng)質(zhì)量,設(shè)計(jì)了一套基于管道巡檢機(jī)器人的視覺系統(tǒng)實(shí)驗(yàn)教學(xué)平臺(tái)。該實(shí)驗(yàn)平臺(tái)由目標(biāo)物的檢測識(shí)別和目標(biāo)物的定位測距兩部分組成,涉及視覺系統(tǒng)的相機(jī)標(biāo)定技術(shù)、深度學(xué)習(xí)技術(shù)、YOLO檢測算法、單目定位測距技術(shù)等。實(shí)驗(yàn)結(jié)果表明,該視覺系統(tǒng)具有較強(qiáng)的淤積物檢測識(shí)別能力和較高的淤積物檢測精度。學(xué)生通過該平臺(tái)不僅學(xué)習(xí)了管道機(jī)器人視覺系統(tǒng)的設(shè)計(jì)思路和方法,而且創(chuàng)新實(shí)踐能力大大提高。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1系統(tǒng)總體組成圖

184實(shí)驗(yàn)技術(shù)與管理檢測識(shí)別與定位測距兩大功能。針對(duì)管道淤積物特殊檢測實(shí)驗(yàn)環(huán)境，在Windows10操作系統(tǒng)下搭建環(huán)境，運(yùn)用Anaconda3安裝深度學(xué)習(xí)框架Tensorflow-Gpu以及計(jì)算機(jī)視覺開源數(shù)據(jù)庫OpenCV2.3，使用Python語言在Spyder中進(jìn)行集成開發(fā)。....

圖2管道巡檢機(jī)器人視覺系統(tǒng)軟件架構(gòu)

攵ㄎ徊餼嗔醬蠊δ�。针对管道淤�?鍰厥?檢測實(shí)驗(yàn)環(huán)境，在Windows10操作系統(tǒng)下搭建環(huán)境，運(yùn)用Anaconda3安裝深度學(xué)習(xí)框架Tensorflow-Gpu以及計(jì)算機(jī)視覺開源數(shù)據(jù)庫OpenCV2.3，使用Python語言在Spyder中進(jìn)行集成開發(fā)。圖1系統(tǒng)總體組成圖2視覺系統(tǒng)....

圖3YOLO算法實(shí)現(xiàn)原理

系統(tǒng)軟件架構(gòu)3管道淤積物檢測與定位算法3.1YOLO模型及預(yù)測方法鑒于該實(shí)驗(yàn)平臺(tái)被檢測對(duì)象的特殊性，為了能夠有效地將淤積物檢測識(shí)別出來，本設(shè)計(jì)采用YOLO[13]算法模型，其實(shí)現(xiàn)原理或具體工作流程如圖3所示。首先將采集的圖片進(jìn)行448×448像素預(yù)處理，然后將圖片劃分為S×S個(gè)網(wǎng)....

圖4多項(xiàng)式衰減

劉送永，等：管道巡檢機(jī)器人視覺系統(tǒng)實(shí)驗(yàn)教學(xué)平臺(tái)設(shè)計(jì)1853.1.1學(xué)習(xí)率更新策略當(dāng)訓(xùn)練網(wǎng)絡(luò)的損失函數(shù)達(dá)到最小化時(shí)，學(xué)習(xí)率的大小可以根據(jù)權(quán)值更新進(jìn)行調(diào)整。如果學(xué)習(xí)率低，則訓(xùn)練速度慢；但如果學(xué)習(xí)率過高，則訓(xùn)練結(jié)果較為發(fā)散。鑒于該檢測系統(tǒng)較為復(fù)雜，實(shí)時(shí)性要求較高，因此該視覺系統(tǒng)學(xué)習(xí)率迭....

本文編號(hào)：3969877