典型文献
基于改进Unet的起重机攀爬机器人车道识别
文献摘要：
起重机攀爬机器人是一种代替人力检测起重机的机械设备.为解决起重机攀爬机器人自动寻路的车道识别问题,文中设计了一种针对起重机金属结构特点优化,将Mobilenet V2作为特征提取部分与Unet网络相结合的M2-Unet卷积神经网络.用攀爬机器人在门式起重机上采集1979张图像数据,由专业标注软件Labelme制作成数据集进行训练与测试,并使用其他2种主流的语义分割网络在相同的数据集上作对比实验.实验结果表明,相较于其他2种图像分割网络,改进的M2-Unet卷积神经网络的分割准确率最高;M2-Unet网络对测试集479张图片的平均识别准确率在96％以上,平均运行时间远小于0.5 s,能同时满足起重机攀爬机器人车道识别任务的实时性和精度要求.
文献关键词：
起重机攀爬机器人;自建数据集;车道识别;Unet神经网络
中图分类号：
作者姓名：
赵章焰;沈齐越
作者机构：
武汉理工大学交通与物流工程学院 武汉 430063
文献出处：
引用格式：
[1]赵章焰;沈齐越-.基于改进Unet的起重机攀爬机器人车道识别)[J].起重运输机械,2022(12):64-68
A类：
起重机攀爬机器人
B类：
Unet,车道识别,替人,机械设备,寻路,中设计,金属结构,Mobilenet,V2,M2,门式起重机,图像数据,Labelme,语义分割网络,图像分割,测试集,识别准确率,运行时间,精度要求,自建数据集
AB值：
0.187337
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。
