一种基于深度神经网络的变电站巡检机器人路面识别方法

目前变电站巡检机器人大多基于SLAM或GPS进行定位导航,在变电站中受电磁信号干扰及环境变化干扰,存在较大的定位误差。而基于图像识别的道路导航,受光照影响,存在很大的局限性。为此,根据变电站巡检机器人运行工况,提出了一种基于六角锥体模型(hexcone model)的图像预处理算法,结合神经网络的路面识别算法,以实现变电站巡检机器人能够在复杂光照环境下的路面识别。该算法通过摄像头获取路面的实时图像信息,然后利用六角锥体模型处理图像中由外界环境因素所带来的干扰,对图像进行预处理,最后利用深层卷积神经网络(deep convolutional neural network,DCNN)方法提取处理后的图像特征并完成道路分割。实验结果表明,该方法能够在不降低路面识别精度的基础上,保证较高的光照适应度,具有较强的抗干扰能力。

全天空蓝天自动观测系统简介及优化

针对气象图像自动识别的业务需求,介绍了BSI201型蓝天自动观测系统的基本原理和实现方法,并以HSV色彩模型为基础,从图像识别角度出发,提出了蓝天观测照片的自动化识别方法,并以形态分析中的开运算去除相片噪点,结果表明:基于图像识别原理的蓝天判断方法准确率较原有方法有所提高,研究涉及的图像判别方法简单直观,具有一定的气象可视化业务应用价值。