基于深度学习的烟厂制丝车间智能巡检机器人自主导航系统设计

烟厂制丝车间通常存在各种设备、管道等复杂的环境条件,智能巡检机器人难以准确辨别和识别这些复杂的场景,导致避障精度下降;为了提高智能巡检机器人的避障精度,提出了基于深度学习的烟厂制丝车间智能巡检机器人自主导航系统设计;通过电源模块的设计为系统提供电能,结合射频模块和基带信号处理模块的设计,完成巡检机器人导航系统的硬件设计;在系统的软件设计中,根据导航路径标记图像的角点在视觉差异、距离和颜色等维度的特性,识别智能巡检机器人导航路径标记,通过计算发生碰撞的预警距离,得到碰撞概率的估计值,利用深度学习的卷积神经网络模型,规划巡检机器人避撞路径,实现智能巡检机器人的自主导航;测试结果表明,文中系统可以使巡检机器人成功绕过障碍物,将避障精度提高到95.5%,为提高车间巡检效率和安全性提供了一种新的解决方案。