發(fā)布時間：2025-01-17 14:54

　　隨著計算機和互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,機房的應(yīng)用場景越來越多,機房設(shè)備的有效管理對于企業(yè)的重要性也越來越高。而設(shè)備盤點作為機房設(shè)備管理中不可或缺的部分,它的重要性不言而喻。但是傳統(tǒng)的人工盤點具有成本高,效率低,易出錯,變更不能及時反饋,異常問題不能及時定位等問題。之后的使用手持盤點設(shè)備的方法又不夠靈活,只能用于固定資產(chǎn)的盤點。所以我們急需一個高效強大的盤點系統(tǒng)來解決這些問題。因此我們提出了基于深度學(xué)習(xí)的機器人盤點系統(tǒng):對于設(shè)備的固定信息,放到二維碼中,之后通過攝像頭采集并識別;對于設(shè)備可變的位置信息,通過雙目視覺與深度學(xué)習(xí)算法相結(jié)合,進行設(shè)備檢測與定位。通過對基于深度學(xué)習(xí)的目標檢測算法進行性能比較,并結(jié)合實際檢測需求,選擇以YOLOv2算法為基礎(chǔ)進行優(yōu)化實現(xiàn)我們的檢測任務(wù),之后選擇Kinect作為圖像采集設(shè)備,通過采集深度信息實現(xiàn)定位任務(wù)。通過雙目視覺、深度學(xué)習(xí)算法與機器人相結(jié)合,使得系統(tǒng)可以自主的完成設(shè)備的檢測與定位功能。不僅節(jié)省人力成本,而且效率更高,并且能夠適應(yīng)設(shè)備變動頻繁的機房盤點工作。更重要的一點是,由于使用了深度學(xué)習(xí)算法,系統(tǒng)檢測與定位的準確度會隨著使用越來越高,這就是深度學(xué)習(xí)的...

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.4ROI池化層Fig.2.4ROIpoolinglayer

中國石油大學(xué)（北京）碩士學(xué)位論文將得到的卷積特征圖進行4*4，2*2以及1*1三種尺度的切分，對切分之后得到的小塊進行max-pooling（最大池）下采樣，然后將采樣結(jié)果全排列，得到一個列向量，將這個列向量送入全連接層。FastR-CNN借鑒了SPP-net的....

圖2.6RPN網(wǎng)絡(luò)Fig.2.6Regionproposalnetwork

1）特征提�。簩D像輸入，進行整幅圖像的卷積計算，獲得該圖的2）候選區(qū)域：用selectivesearch方法從原來的圖像中提取出候選區(qū)對應(yīng)投影到卷積特征圖上。3）區(qū)域歸一化：在卷積特征圖上利用ROI（RegionofInterest）池化框的特征向量進行提取，得到大....

圖2.8YOLO模型

圖2.8YOLO模型Fig.2.8YOLOmodel上圖為YOLO[34]模型，YOLO的整體思路如下：（1）輸入圖像，對這個輸入的圖像進行7*7的網(wǎng)格劃分。（2）對每個劃分出的網(wǎng)格預(yù)測兩個邊框。（3）通過前兩步，我們共得到目標窗口7*7*2個，之后通過閾....

圖2.10YOLO檢測系統(tǒng)

我們會選擇速度上更快的基于回歸方法的檢測算法。而機房中的設(shè)備不是小物體，因此我們會選擇在VOC數(shù)據(jù)集上表現(xiàn)更優(yōu)秀的改進后的YOLO算法。YOLO算法最突出的優(yōu)點就是速度快，當然它還具有其他優(yōu)點，一個是它是基于全局圖像來進行預(yù)測的，視野更大，因此背景誤判會減少，而且YO....

本文編號：4028213