基于深度学习的巡检机器人异常行为识别方法OA

针对巡检机器人在复杂工况下行为特征采集易受环境干扰产生失真、传统异常识别方法检测实时性较低和识别精度较低等问题,本文提出融合深度学习的巡检机器人异常行为识别方法.该方法引入场景自适应特征增强与多传感器中间层融合技术,结合多模态特征匹配识别与动态自适应阈值判别策略,构建完整的机器人异常行为检测识别框架.试验结果表明,该方法的最长超前检测时间为0.91 s,综合识别准确率稳定高于97.9%,整体性能优于传统识别方法.该方法可有效改善巡检机器人异常识别的实时性和识别精度,具备良好的工程适配性.