一种基于数据分析的单轨吊巡检机器人智能测试方法

本发明公开了一种基于数据分析的单轨吊巡检机器人智能测试方法，涉及智能检测技术领域，包括同步采集轨道图像、点云及姿态数据，并进行时间对齐和预处理，输出标准化数据包；运用YOLO检测网络对巡检目标进行检测，结合点云特征层级提取网络与时序卷积网络，输出多尺度特征向量；结合改进A‑star算法与长短期记忆网络预测故障发展趋势，通过强化学习优化巡检路径，输出维护决策方案；将维护决策方案转换为控制指令，驱动机器人执行巡检任务并实时反馈运行状态，结合增量学习与点云重建，输出可视化诊断报告。本发明采用动态阈值算法进行自适应分析，并结合跨模态注意力机制计算关键几何指标，提升了对结构性异常的识别能力。