典型文献
基于卷积神经网络的壁面清洗机器人障碍物检测识别算法
文献摘要：
结合机器人的工作原理以及卷积神经网络(CNN)在图像分类中的应用,提出了 一种基于卷积神经网络的壁面障碍物检测识别算法.首先,以壁面障碍物准确识别为目标,构建壁面障碍物图像库;然后,通过对VGG-16网络简化后进行优化,得到适合壁面障碍物准确识别的卷积神经网络模型.在此基础上,设计该网络由输入层、4层卷积层、2层池化层、1层全连接层以及输出层组成,进一步利用3×3卷积核对训练样本进行卷积操作,并将所获取的特征图以2×2领域进行池化操作.重复上述操作后,通过学习获取并确定网络模型参数,得到最佳网络模型.实验结果表明,障碍物的识别准确率可达99.0％,具有良好的识别能力.
文献关键词：
清洗机器人;障碍物识别;卷积神经网络;深度学习
中图分类号：
作者姓名：
郭润兰;史方青;范雅琼;何智
作者机构：
兰州理工大学机电工程学院,甘肃兰州 730050
文献出处：
引用格式：
[1]郭润兰;史方青;范雅琼;何智-.基于卷积神经网络的壁面清洗机器人障碍物检测识别算法)[J].兰州理工大学学报,2022(04):83-89
A类：
B类：
壁面,清洗机器人,障碍物检测,检测识别,识别算法,图像分类,准确识别,VGG,合壁,卷积神经网络模型,输入层,卷积层,全连接层,出层,卷积核,核对,训练样本,行卷,卷积操作,特征图,池化操作,识别准确率,识别能力,障碍物识别
AB值：
0.331381
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
