南京工程学院 江苏省南京市 210000
摘要： WebSocket技术更解决了即时通讯中资源消耗大，实时性低等弊端，同时还保证了对下位机操作系统的兼容性和易用性。深度学习已经在图像处理，自然语言处理等领域取得卓越成就，其中VGGNet神经网络算法对训练样本要求较小,训练速度较快，识别正确率较高。二者的结合在互联网和物联网的交融中发挥了重要作用。
关键词：WebSocket 深度学习 VGGNet
0引言
随着互联网和物联网技术的不断发展，加之终端系统控制设备多种多样，Web实时通信方案在物联网和人工智能领域得到了很大程度的运用。传统的HTTP request模式缺点明显：浏览器需要不断向服务器发出请求， 其中HTTP请求的头部交换占用很多带宽，浪费大量资源，效率低下，实时性底下。相较而言，WebSocket技术解决了这些弊端，同时还保证了对下位机操作系统的兼容性和易用性。
1深度学习简述
近些年来，深度学习在某些任务中极佳的表现正在实现以前不可能实现的成果。在深度学习中，计算机模型直接从图像、文本或声音中学习执行分类任务，建立、模拟人脑进行分析学习的神经网络。深度学习模型可以达到最先进的精确度，有时甚至超出人类的表现。
其中VGGNet是一种经典深度卷积神经网络，曾取得了ILSVRC2014比赛分类项目的第二名和定位项目的第一名的优秀成绩。[1]VGGNet探索了卷积神经网络的深度与其性能之间的关系，成功地构筑了16~19层深的卷积神经网络，被广泛用来提取图像特征进行图像分类。
图2方案框架图
2.2B111ottle框架
Bottle是一个简单快速的轻量级网络应用微框架，它只提供请求映射、页面输出等必要功能。Bottle仅由一个文件构成，并且不依赖于Python的第三方类库，可移植性较高，并且可以接入其它模板引擎，方便部署其它符合WSGI标准的WEB服务器，确保了框架高度可扩展性。[4]
3开发实例
本实验使用机器人以智能仿生机器鱼为主体，除了涉及水动力学分析、水下通讯、抗干扰技术等多方面内容，还涉及实时采集数字图像实时输出问题以及图像识别问题，具有一定的挑战性和实用性。分别使用树莓派和STM32进行图像采集和驱动控制。通过WebSocket建立树莓派和网页间的实时通信，将PiCamera采集到的图像实时显示在网页端，并通过网页端界面控制机器鱼行进、拍摄等，进而通过VGGNet深度卷积网络识别出所拍摄物体。
4结语
基于深度学习和WebSocket的探测机器人很方便地同时解决了图像传输、图像识别和下位机控制问题，实现无线控制机器人进行移动、拍照和探测等活动，可发挥一定的积极作用，具有一定的实用价值。
参考文献：
[1] Simonyan K, Zisserman A.Very deep convolutional Networks for large-scale image recognition[J].Computer Science, 2014:1409-1556.
[2]陈丽枫,郑力新,王佳斌.基于HTML5 WebSocket的Web实时通信机制的研究与实现[J].微型机与应用. 2016(10)
[3]陈淏,高守玮,岳金冬.基于WebSocket实时物联网数据传输关键技术的研究[J].工业控制计算机.2016(11)
[4]余斌.基于Bottle的Python网络应用开发[J].无线互联科技.2014(06)
基金项目：南京工程学院2018大学生科技创新基金项目（TB201805071、TB201806039）
论文作者:薛云峰,韩永成
论文发表刊物:《防护工程》2018年第29期
论文发表时间:2019/1/9
标签：深度论文; 实时论文; 神经网络论文; 卷积论文; 图像论文; 机器人论文; 框架论文; 《防护工程》2018年第29期论文;