基于深度学习的端到端井下轨道检测方法研究

发布时间：2023-04-12 05:06

　　矿产资源是人类发展和社会进步必不可缺的物质基础,随着科技和社会经济的发展,矿产资源的需求量与开采量也在逐年攀升,与此同时也带来了一系列的矿井机车运输事故。自动驾驶系统的实现可有效减少运输事故的发生,而轨道检测是实现矿井自动驾驶系统的一个重要内容。传统的轨道检测算法受限于手工设计的低级特征,在检测的精度和速度上无法达到令人满意的程度,且极易受光照、积水、电缆等环境因素的影响而造成检测速率过低和准确率不高等问题。近年来,随着人工智能以及深度学习技术的日新月盛,相关理论研究已经被广泛应用于各个领域,如人脸识别、行人检测等,但是在井下轨道检测领域还未有涉及。本文针对上述问题,立足于深度学习相关理论,开展了基于深度学习的轨道检测研究。在现有卷积神经网络相关算法模型的基础上提出基于深度学习的端到端井下轨道检测算法,不需要手工设计特征,可直接由输入端的数据得到输出端的结果,检测精度和效率都远超传统轨道检测算法。下面是本文的主要研究内容:(1)开展了深度学习、卷积神经网络以及语义分割等方面相关理论的研究,为第三章以及第四章网络模型的改进以及参数优化等工作提供有力的支撑。采集井下轨道视频并进行标注,构建...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 轨道检测的应用与挑战
    1.3 轨道检测相关理论研究
        1.3.1 基于传统方法的轨道检测算法
        1.3.2 基于深度学习的相关检测算法
    1.4 课题来源及主要工作
    1.5 本文组织结构
第二章 深度学习相关理论研究
    2.1 深度学习研究综述
    2.2 神经网络相关研究
        2.2.1 简单神经元模型
        2.2.2 误差逆传播算法
    2.3 卷积神经网络
        2.3.1 卷积运算
        2.3.2 卷积神经网络
    2.4 语义分割相关理论研究
    2.5 本章小结
第三章 基于空间卷积神经网络的轨道检测算法
    3.1 轨道数据集的建立
        3.1.1 数据集的采集
        3.1.2 数据集后处理
    3.2 轨道检测模型
        3.2.1 基础卷积层
        3.2.2 扩张卷积的引入
        3.2.3 基于残差信息传递的改进空间卷积
    3.3 网络配置与性能评价指标
        3.3.1 网络性能评价指标
        3.3.2 网络训练与环境配置
    3.4 实验结果与分析
        3.4.1 输出结果分析
        3.4.2 检测结果
        3.4.3 实验结果与分析
    3.5 本章小结
第四章 基于改进BiSeNet网络的实时轨道检测算法
    4.1 问题分析
    4.2 BiSeNet网络模型
    4.3 改进的实时轨道检测模型
        4.3.1 基于金字塔注意力的上下文路径模块
        4.3.2 通道注意力融合模块
    4.4 实验结果与分析
        4.4.1 网络配置与参数
        4.4.2 轨道检测结果
        4.4.3 实验结果与分析
    4.5 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3790491