基于多重机制优化的水下具身智能机器人系统目标识别算法研究-名家名篇-控制网

基于多重机制优化的水下具身智能机器人系统目标识别算法研究

作者：
点击数：2760 发布时间：2026-02-10 10:48:10
分享到：

本文提出了一种基于多重优化改进的YOLO v8n-improved算法，旨在解决具身智能水下机器人在光线昏暗、介质浑浊的工作环境中，常规检测算法因识别精度不高而难以有效应用的问题。具体而言，该算法首先采用深度可分离卷积DSConv替换YOLO v8n骨干层P9层及Neck层最后一层的常规卷积，以此降低网络复杂性并提升推理速度；其次，在YOLO v8n的C2f模块中引入倒置残差注意力机制iRMB和双通道卷积DualConv，从而增强网络对关键全局信息的捕捉能力，减少训练参数，进而提升模型对复杂场景的理解能力，优化模型性能；最后，增设小目标检测头以增强对小目标的检测能力。为验证所提算法的有效性，本研究分别在Kaggle水下鱼类数据集、自主实验采集的鱼类数据集、水下裂缝数据集以及水下管缆数据集上进行了测试。测试结果表明，相较于先前算法，本文算法在mAP@0.5、mAP@0.5～0.95、精确率和召回率等关键指标上均实现了显著提升。

关键词：水下机器人；智能识别；YOLO v8n；倒置残差注意力机制iRMB；深度可分离卷积DSConv

请登录以后访问所有功能！
登录注册

技术频道

行业频道

热门频道

技术频道

行业频道

热门频道

名家名篇

相关文章

热点新闻

推荐产品