1.巡检机器人模型训练优化,驱鸟机器人图像算法实现
配置tensorflow训练环境,简化训练流程,组织样本,提高巡检机器人仪表检测的精确度和准确率。
驱鸟机器人图像探鸟算法方案的确定,设备选型,算法实现,测试,到最后的项目验收。
2.算法实现:
使用TensorFlow深度学习的目标检测功能实现仪表的识别和定位。
运用OpenCV库当中的各种算法,深度学习训练的模型,以及ROS节点间的通信,完成图像探鸟的整个模块。
使用语言: C++、Python。操作系统: Linux。机器人协议系统: ROS。
3.图像算法科驱鸟项目组
根据测试情况,指导同事,完成样本整理和模型训练,模型转换。
业绩:
1.在2019年五月份的全国巡检机器人,武汉送检测试中,图像部分表现优异,室内仪表识别项,获得了所有送检单位的最高分(99分)。
2.驱鸟机器人图像模块达标,顺利通过项目验收。