论文部分内容阅读
基于ResNet50 深度神经网络模型和核素富集检测装置，本文研究设计了一种用于海洋环境监测的智能无人系统.该系统搭载用于姿态估计的嵌入式神经网络运算单元、运动控制单元和核素富集检测装置，其中核素富集检测装置基于纳米吸附复合材料和γ 探测器实现对海洋核素的现场快速富集检测.改进的ResNet50 卷积神经网络模型直接以摄像机捕获图片作为输入，通过两个部分参数共享的子网络实现对当前位置的六自由度姿态估计，在DeepLoc 和Kings College 数据集上取得的位置估计误差和角度估计误差分别为1.23m 和5.07°，以及1.68m 和4.25°.仿真结果表明该无人系统具有较高精度的视觉定位效果，将为实现海洋环境监测的智能化和无人化提供关键技术支撑.