论文部分内容阅读
面向空间站内对物体感知的需求,基于Darknet-53网络建立了人工智能物体识别模型,利用COCO数据集开展了机器视觉的物体识别研究,采用国际空间站舱内生活视频进行了物体识别实验,分析了识别物体时边框划分准确程度和类别准确程度。结果表明:所提方法针对空间站内的典型物体识别效果好,边框划分正确率为95.45%,边框内物体类别的识别正确率达到79.54%。所提方法为空间站内物体感知提供了有效解决方法,工程上易于构建和实现,也可拓展到舱外物体识别的任务中。