文章 开放获取 发表日期：2026年8月12日 科学报告（2026） 引用本文 我们提供该手稿的未编辑版本，以便早期访问其发现。在最终出版之前，该手稿将经过进一步编辑。请注意，可能存在影响内容的错误，所有法律免责声明均适用。摘要 多机器人自主足球系统中，机器人位置和方向的实时检测是一个关键挑战。本文提出了两种完整的算法，用于从上方摄像头图像中确定多个Robocup机器人的位置和方向。在第一个算法中，采用blob分析与HSV颜色分割进行位置检测，并使用两种新设计的轻量级CNN架构（RoboCup-I和RoboCup-II）进行单色机器人的方向估计。在第二个算法中，比较SSD-MobileNetV2和RFB-ULGFD目标检测模型，以检测机器人和球的位置，同时提出了一种基于新型颜色分割的三角函数方向检测算法用于多机器人方向检测。实验结果表明，RFB-ULGFD模型在480 × 360的输入下以仅4毫秒的模型推理时间（包括预处理和后处理的完整管道时间为12毫秒）达到IoU 0.5时平均精度（mAP）为98.17%。所提的基于颜色分割的方向算法在合成数据上实现了2.06度的均方误差（MSE），即使在CPU环境中，总管道延迟仅为6-15毫秒，满足实时多机器人系统的需求。资助 本研究未从任何公共、商业或非营利部门的资助机构获得特定资助。作者信息 作者及所属机构 土耳其伊兹密尔Dokuz Eylu大学电气与电子工程系 Ahmet Özkurt 土耳其伊兹密尔Dokuz Eylu大学自然与应用科学研究生院 Ayşe Ezgi Öztekin 作者 Ahmet Özkurt Ayşe Ezgi Öztekin 通讯作者 通信至Ahmet Özkurt。伦理声明 竞争利益 作者声明没有竞争利益。伦理 不适用。该研究未涉及人类参与者、人类数据或人类组织。附加信息 出版社说明 Spring Nature在已发布地图和机构隶属关系的管辖权声明中保持中立。权利与许可 开放获取 本文依据知识共享署名-非商业性使用-禁止演绎 4.0 国际许可证授权，允许任何非商业使用、共享、分发和再生产，前提是您给予适当的原作者及来源的署名，提供知识共享许可证的链接，并注明您是否修改了被许可材料。在该许可证下，您无权分享从本文或部分改编的材料。本文中的图像或其他第三方材料包含在文章的知识共享许可证内，除非在材料的信用行中另有说明。如果材料不包含在文章的知识共享许可证内，而您打算的使用不被法规允许或超出允许的使用，您需要直接从版权所有者处获得许可。要查看该许可证的副本，请访问http://creativecommons.org/licenses/by-nc-nd/4.0/。有关本文章的再版和权限 引用本文 Özkurt, A., Öztekin, A.E. 使用轻量级深度学习模型在Robocup足球中实时确定多个机器人的位置和方向。科学报告(2026)。https://doi.org/10.1038/s41598-026-65913-7 接收日期：2026年4月18日 接受日期：2026年8月4日 发表日期：2026年8月12日 DOI：https://doi.org/10.1038/s41598-026-65913-7 关键词