一种基于深度学习的机器狗状态检测方法

本发明公开一种基于深度学习的机器狗状态检测方法，方法包括采集惯性测量单元数据和飞行时间数据并分别进行预处理；构建基于深度学习的机器狗状态检测模型，模型包括双分支深度学习模型，一个分支利用ResNet‑SE模块提取惯性测量单元数据的时间序列特征，另一个分支利用卷积神经网络提取飞行时间数据的空间序列特征；惯性测量单元数据特征和飞行时间数据特征经全连接层进行特征融合，再经双向长短期记忆网络和双向门控循环单元、BERT模型处理，输出状态检测结果；使用数据增强和混合精度训练技术进行模型训练；训练后的模型输出实时检测机器狗的状态。解决了现有技术中机器狗状态检测中机器学习方法鲁棒性差、端到端的深度学习架构泛化能力不足的问题。