一种基于强化学习与机器视觉的矿下巡检方法及系统

本发明公开了一种基于强化学习与机器视觉的矿下巡检方法及系统，涉及人工智能技术领域，包括：通过视觉系统采集矿下巡检图像，对图像进行深度化处理；根据深度化处理后的图像对矿下巡检模型进行迭代训练；对训练后的矿下巡检模型进行延迟更新目标策略优化和超参数调整；采集实时巡检图像输入到调整好的矿下巡检模型中，进行实时路径修正，完成矿下巡检。本发明搭建基于TD3强化学习算法的神经网络模型，通过两个Q网络和延迟更新目标策略来减少Q函数的过估计，提高模型的稳定性和收敛性，防止训练过程中出现价值函数的过度估计，提高学习的效率和稳定性，使得在学习过程中能够更好地探索环境并且学习到更优的策略，更好的进行路径规划。