不同于刚性物体,线状柔性物体具有柔软易变形、易发生缠绕等特点,机器人难以完成对这类物体的自主操作,而诸如电源导线、软绳、工业软管等线状柔性物体却是现实工业生产中需要经常面对的,有关这类材料的工作目前只能依靠人工。在如今自动化发展迅速人力成本增加的背景下,人们迫切希望机器人能够替代人类,自主地完成对这类物体的操作。机器人在面对线状柔性体物体时,不可避免地面临着这类物体可能会发生缠绕的问题,线状柔性体几何结构虽然十分简单,却能呈现出复杂多变的缠绕状态,但是不同的缠绕状态却可能具有相同的拓扑结构,线状柔性物体拓扑结构的识别往往是实现机器人对其进一步操作的前提。基于此,本文结合深度学习在图像处理中的应用,提出一种识别线状柔性体拓扑状态的方法。本文采取基于特征点遍历的方式表征处于缠绕状态下线状柔性体的拓扑状态,所选取的特征点为线状柔性体的交叉点和起始端点。特征点由基于深度学习的目标检测算法获得,算法在检测目标时用检测框标记出特征点,可以同时给出特征点的位置、范围和类别。遍历特征点的依据是线状柔性体从起始端沿线延伸的方向,本文使用从线状体一端到另一端的渐变颜色来表征这一方向,具体地,本文使用语义分割算法完成分割,分割结果能将线状柔性体从背景中区别出来同时对线状体部分像素加以这种渐变颜色。在线状柔性体交叉的位置,分割也能反映真实的覆盖关系。在遍历特征点时,本文将特征点的目标检测框投影到分割图上,在分割图上检测框内交叉点的局部区域,根据像素值的不同划分检测框内的像素,划分结果区别了图像背景和线状柔性体相交叉的上下分段,比较这些分段内的平均像素值,完成对特征点的遍历。本文的最后将算法整合为一个线状柔性体拓扑状态检测系统并通过实验验证了方法的有效性,运行发现系统能实时地识别出线状柔性体拓扑状态。