基于多重機制優化的水下具身智能機器人系統目標識別算法研究-名家名篇-控制網

<object id="qseaa"></object>

<s id="qseaa"></s>

關注中國自動化產業發展的先行者！

今日頭條

官方微信

官方抖音

技術頻道

工業安全工業無線運動控制與伺服系統人機界面機器視覺自動化軟件工廠信息化變頻器與軟啟動器儀器儀表嵌入式系統傳感器工業以太網現場總線 DCS/FCS/SCADA PLC /PAC/PCC/RTU 工控機電源 SCADA-RTU 電氣聯接低壓電器

行業頻道

新能源電力冶金化工機床包裝數字基建物流倉儲紡織印刷航空航天電子制造汽車制藥/醫療智慧交通節能環保石油天然氣市政智能裝備

技術頻道

行業頻道

新能源電力冶金化工機床包裝數字基建物流倉儲紡織印刷航空航天電子制造汽車制藥/醫療智慧交通節能環保石油天然氣市政智能裝備

名家名篇

基于多重機制優化的水下具身智能機器人系統目標識別算法研究

作者：
點擊數：2809 發布時間：2026-02-10 10:48:10
分享到：

本文提出了一種基于多重優化改進的YOLO v8n-improved算法，旨在解決具身智能水下機器人在光線昏暗、介質渾濁的工作環境中，常規檢測算法因識別精度不高而難以有效應用的問題。具體而言，該算法首先采用深度可分離卷積DSConv替換YOLO v8n骨干層P9層及Neck層最后一層的常規卷積，以此降低網絡復雜性并提升推理速度；其次，在YOLO v8n的C2f模塊中引入倒置殘差注意力機制iRMB和雙通道卷積DualConv，從而增強網絡對關鍵全局信息的捕捉能力，減少訓練參數，進而提升模型對復雜場景的理解能力，優化模型性能；最后，增設小目標檢測頭以增強對小目標的檢測能力。為驗證所提算法的有效性，本研究分別在Kaggle水下魚類數據集、自主實驗采集的魚類數據集、水下裂縫數據集以及水下管纜數據集上進行了測試。測試結果表明，相較于先前算法，本文算法在mAP@0.5、mAP@0.5～0.95、精確率和召回率等關鍵指標上均實現了顯著提升。

關鍵詞：水下機器人；智能識別；YOLO v8n；倒置殘差注意力機制iRMB；深度可分離卷積DSConv

請登錄以后訪問所有功能！
登錄注冊

技術頻道

行業頻道

熱門頻道

技術頻道

行業頻道

熱門頻道

名家名篇

相關文章

熱點新聞

推薦產品