進入 21 世紀以來，國際局勢發生了深刻的變化，世界正面臨百年未有之大變局。隨著恐怖爆炸事件時有發生，國際安全正在經受更加嚴峻的考驗，犯罪分子通過自制炸彈等暴力手段危害社會安全，甚至恐嚇政府機構和世界安全組織，給世界各國人民的生命財產安全帶來了巨大的威脅。
此外，兩次世界大戰以及伊科戰爭等局部沖突過后都遺留有大量未被處置的爆炸物，這些危險物對人類的生命安全存在著巨大的威脅；另外，在武器彈藥的日常生產過程中會出現大量廢棄的彈藥需要處理；除此之外，全國各地為了保護環境都出臺了禁止燃放煙花爆竹的規定，導致各地都出現了大量需要被銷毀的煙花類爆炸物。上述這些危險物都需要得到有效的處理。因此，安全可靠的搬用、轉移危險物和合理、有效的銷毀危險物成為解除這些危險物威脅的有效途徑。目前，危險物的搬用、轉移以及銷毀主要依靠穿著防爆服的排爆人員來完成，由于這些危險物具有很強的破壞力，排爆人員往往面臨很大的危險。因此通過機器人協助排爆人員檢測并處理危險物是十分有必要的。
近年來，機器人技術突飛猛進，在工業生產、救援救災等行業均有機器人的身影。排爆機器人作為安全領域的機器人受到了諸多關注，作為一種可以在危險環境下代替人類工作的機器人，其可以在爆炸區、放射區以及深海等危險環境下工作，這可以有效的保護人類的生命安全。在危險環境下作業的排爆機器人對安全系數有很高的要求，導致對排爆機器人的精準度要求上升，從而引發了對排爆機器人智能化研究的熱潮。但是目前投入使用的排爆機器人主要依賴于機器人計算機視覺系統回傳的視頻影像，再由排爆人員通過鍵盤或者遙控器遠程控制排爆機器人完成爆炸物的抓取、轉移、引爆等操作，其精度和效率會受到回傳視頻影像的質量、排爆人員對設備的熟練程度以及回傳視頻影像和操作之間的時間誤差等因素的影響。因此，進一步提升排爆機器人的智能化程度是解決其精度和效率的關鍵。 排爆機器人的智能化在于機器人能夠通過計算機視覺系統感知周圍環境，并根據所獲取的信息自主的做出決策并進行下一步操作，其中排爆機器人感知周圍環境的關鍵在于如何讓其快速準確的檢測識別危險物。人工智能是模擬人類思維意識過程的一項技術，因此將人工智能技術應用于排爆機器人可以賦予機器人感知、學習、思考、決策和行動等能力。機器學習是實現人工智能的一種重要方式，而深度學習又在機器學習領域中占有十分重要的地位。深度學習會通過神經網絡學習圖像中有較強表征能力的特征，將該技術運用于目標的識別與定位時展現出了較強的優勢，因此將深度學習應用于排爆機器人計算機視覺模塊從而進行危險物的檢測識別，不僅可以提高危險物的檢測的精度與速度，而且還可以提高排爆機器人對周圍環境的自主感知能力，進而提升排爆機器人的智能化程度。 綜上所述，將深度學習與排爆機器人相結合，可以提高排爆機器人檢測危險物的精度和速度。然而，當前并沒有可直接應用于危險物檢測的算法，因此，研究一款可應用于排爆機器人且具有高精度和高效率的危險物檢測算法，不僅可以滿足排爆機器人檢測危險物所需的精度和效率，還可以為排爆機器人的智能化研究提供新的思路。
17705316877