间隔棒安装机器人识别安装间隙的分割算法

针对间隔棒安装机器人作业过程中,存在间隔棒安装间隙识别精度不高,影响间隔棒定位、分割速度慢、不利于在移动端嵌入式设备上进行部署等问题,提出了一种基于改进的DeepLabV3+轻量级间隔棒安装机器人安装间隙识别算法。使用轻量级MobileNetV3网络减少参数量和计算量;对空间金字塔池化模块(ASPP)进行先降维再升维,在保证模型分割精度的同时减少模型的参数量;引入ECA注意力机制以得到更精确的目标边界;结合Focal Loss和Dice Loss损失函数提高模型对间隔棒安装间隙的分割精确度。实验结果表明,改进DeepLabV3+算法平均交并比(MIoU)和平均像素精度(MPA)分别提升了8.25和1.85个百分点,预测速度提升了22.47%,将改进算法训练的模型部署到机器人上进行实验,识别出的间隔棒安装间隙与现场实验过程相符,验证了改进算法的有效性。