工业制造场景的识别理解是智能运输小车视觉系统中的一项关键技术。现有智能运输小车视觉感知能力单一导致场景理解能力不足,本文围绕工业制造场景的语义分割算法进行研究,目的是丰富和完善智能运输小车对工业制造场景视觉感知与功能区域的理解能力,主要工作内容如下:1、工业制造场景数据集构建及基础特征提取网络选取。首先获取600幅工业制造场景实地图像数据集,进一步通过随机旋转、裁剪、镜像、亮度调节和高斯加噪将数据集扩展至1200幅,将扩展后的数据集按8:2比例随机划分为训练集和测试集,其中960幅作为训练集,240幅作为测试集;然后将Res2net50、Res2net101、Resne Xt50和Mobilenet V3＿Large四种骨干网络在工业制造场景数据集上训练,通过模型大小、平均交并比和平均像素精度三个指标综合分析,最终选用Res2net50作为语义分割基础特征提取网络,其平均交并比和平均像素精度分别达到74.45%和84.05%。2、搭建工业制造场景多层次注意力调控网络。针对Res2net50基础特征提取网络感知能力有限而无法较好的适用于复杂场景分割,而现有通过关联全局上下文语义信息方法易造成语义信息缺失与不连续的问题。本文基于特征提取网络Res2net50提出多层次注意力调控网络（MAR-Net）。首先通过多层次特征提取模块捕获密集、精细的全局上下文语义信息。然后通过混洗注意力对网络结构进行调控增强网络对显著目标区域内特征的捕获能力。测试结果表明MAR-Net平均交并比达到77.31%,平均像素精度达到85.23%,相比基础特征提取网络分别提升了2.86%和1.18%。3、搭建工业制造场景多层次注意力调控解码网络。针对MAR-Net仅利用高层特征信息通过双线性插值的方式输出预测图像,存在语义目标分割边界不够清晰和区域细节信息不完整的问题。本文基于MAR-Net提出多层次注意力调控解码网络（MARD-Net）,通过全局上采样解码子网（GUDSN）利用浅层特征的空间定位及纹理细节特征弥补语义目标边界信息的匮乏。测试结果表明MARD-Net平均交并比达到79.49%,平均像素精度达到86.89%,相比基础特征提取网络分别提升了5.04%和2.84%,相比当前先进的CCNet语义分割网络分别提升了4.37%和2.87%。本文搭建了多层次注意力调控解码语义分割网络MARD-Net,对包括人、道路线、行驶区域、不可行驶区域以及机床等16个语义要素类别进行高精度分割,为工业制造场景下智能运输小车视觉系统的精准感知与识别提供算法依据。