论文总字数：21421字

摘 要

本系统主要是面向的是智能机器人的图像识别技术方面，主要是对针对于系统中的关于系统对图像障碍物的标注及识别速度、精度和准确度的提高。本系统主要运用的技术是通过Google深度学习的平台对图像识别技术所使用的tensorflow框架进行学习，并且对系统中图片识别的速度、识别的精度以及对识别的准确度进行提高；本系统主要是在ubuntu的Linux操作系统下进行编写，运用的是python编程语言进行编写图像识别技术系统。

本系统中涉及的关键部分是使机器人小车能够通过对输入图片的景象进行识别，来对前方的情况进行分析，并判断机器人小车当前路况状态，以此来调用相应的调度程序，完成后续的工作。在使用该系统前，我们要采集大量需要识别的图片，并且对每张图片中的事物进行标注，判断是否为障碍物，通过手动对图片中的事物进行标注，使系统学习并记录标注的方法并生成脚本，从而便于软件根据所生成的脚本进行学习。实现向系统中输入不同的场景及人物图片，图像识别系统会自动识别出图片中的障碍物，对障碍物进行分析归类，并对其进行标注，同时提高机器人对图像中障碍物识别率及识别速度，提高机器人的智能程度智能水平。同时本次论文也采用YOLO2技术，通过YOLO2技术对本次系统的识别速度及精确度进行改良与提升。

关键字：Ubuntu; Tensorflow框架;YOLO2;标注；图像识别。

Image Recognition System Based on Depth Learning Method

Abstract

The system is mainly for the intelligent robot image recognition technology, mainly on the system for the system on the image of the standard mark and identify the speed, accuracy and accuracy of the increase. The main technology used in this system is to learn the tensorflow framework used in the image recognition technology through the Google deep learning platform, and the speed of the picture recognition, the accuracy of the recognition and the accuracy of the recognition are improved. The system is mainly In ubuntu Linux operating system to write, the use of python programming language to write image recognition technology system.

The key part of the system is to enable the robot car to identify the scene by entering the picture, to analyze the situation in front of the robot and determine the current traffic conditions of the robot, in order to call the corresponding scheduling process to complete the follow-up work The Before using the system, we have to collect a large number of pictures need to be identified, and the contents of each picture marked to determine whether the obstacles, by manually marking the things in the picture, the system to learn and record the method of marking And generate scripts that make it easy for the software to learn based on the generated script. The image recognition system will automatically identify the obstacles in the picture, analyze and classify the obstacles and label them, and improve the recognition rate of the obstacle in the image and Identify the speed and improve the intelligence level of the robot intelligence level. At the same time this paper also uses YOLO2 technology, through the YOLO2 technology to identify the speed and accuracy of the system to improve and enhance.

Key words: Ubuntu; Tensorflow frame; YOLO2; Annotation; Image recognition.

目录

摘 要 I

Abstract II

第一章 引言 1

1.1 选题背景 1

1.2 选题的目的及意义 1

1.3 图像识别技术的发展 1

1.4 主要内容及论文安排 2

第二章 系统开发环境的介绍 3

2.1 ubuntu系统 3

2.2何为开源框架Tensorflow 4

2.2.1 Tensorflow系统概述 4

2.2.2 Tensorflow架构的基本知识 8

2.2.3 Tensorflow架构的实施 10

第三章 图像识别技术 13

3.1 YOLO技术 13

3.1.1 YOLO技术的介绍 13

3.1.2 YOLO的工作原理 13

3.1.3 YOLO的核心理念 14

3.2 YOLO技术的发展 16

3.2.1 YOLO2技术的改进 16

3.2.2 YOLO2技术特点的具体介绍 16

第四章 YOLO训练 22

4.1进入darknet 22

4.1.1 进入Linux的命令进入darknet 22

4.1.2 darknet包含的文档 23

4.2 使用已经配置好的yolo.weights 24

4.2.1 yolo.name介绍 24

4.2.2 输入操作命令 24

4.3输入图片对图片进行操作。 24

第五章 机器人小车的图像识别设计 26

5.1 安装摄像头 26

5.2 图片标注 30

5.2.1首先我们要找到相应的图片存储位置 31

5.2.2 运用Linux命令调出BBox-Label-Tool-master软件进行图片标注 31

5.2.3标注好后生成的文件 40

5.2.4 listfiles标注脚本 41

5.3 图片处理 42

5.3.1运行listfiles.py 42

5.3.2运行训练 43

第六章 结束语 46

谢辞 47

参考文献 48

第一章 引言

1.1 选题背景

由于计算机技术在近几年的飞速的发展，再加上人们对生活质量水平的不断提高，从而导致人工智能化技术在如今社会逐渐变成主导的发展趋势。目前在我们的生活和工作中已经出现了智能化机器人的影子。它们帮助我们完成精确度较高、时间长的一些高强度工作，还有一些帮助我们做家务的机器人也出现了。现在小到家里的扫地机器人，大到医疗科技等一些需要精确度极高的各行各业都开始使用智能机器人，不仅解放了我们的手，还提高了工作的效率。

面对人工智能这一技术，就不得不可或缺地位的图像识别技术。图像识别技术对于机器人等人工智能的产品来说的重要性，就相当于人类的眼睛。人工智能产品通过图像识别技术的帮助下来进行了解与观看外面的世界，它们运用摄像头等硬件装置，将图片拍下并输入到系统中，使它们运用图像识别系统对获取的图片进行识别，判断出目前所处的位置，以及前面是否存在障碍物，从而调动人工智能相对用的调度程序，做出相对应的反应及判断。如果人工智能没有图像识别技术系统，那么它就是一个只会原地打转的一个机器人，没有办法为人类所用。因此目前图像识别技术的提高与发展已经成为了主流技术。

1.2 选题的目的及意义

近几年由于人工智能的飞速发展，使人工智能机器人的精确度与准确度不断地提升，同时人工智能的机器人可以保持长时间的高度集中，不知疲惫，只要保持充足的电力，就可长时间的进行工作。而且它的精确度有时甚至超过了人类，所以在大型的工厂，长时间进行工作的医疗手术，以及帮助人类进入人类无法进入的未知领域等各行各业都有智能机器人的身影。现在甚至连我们的身边都出现了智能机器人的影子，人工智能越来越与我们的生活息息相关，已经渗透到我们的吃穿住行上了。对图像识别技术不断的进行提升与发展，间接地推动和促进了智能化机器人的发展。因为无论什么样的机器人，什么样的人工智能，你只要想让它走起来，它就一定要牵扯到图像识别技术，只有让它可以辨别出它该怎么走，什么是障碍物，什么样的是无障碍物的情况。只有这样机器人或人工智能才算是真正的智能化，会自己根据路况，自己对其作出判断。

剩余内容已隐藏，请支付后下载全文，论文总字数：21421字