[发明专利]基于深度学习的智能机器人视觉技术应用检测系统和方法

权利要求书

1.一种基于深度学习的智能机器人视觉技术应用检测系统，其特征在于，包括：

目标状态识别模块，用于产生被测目标状态第一特征，其包括图像获取单元，图像处理分析单元和图形交互单元；其中，所述图像获取单元按预定时间间隔将被检测的目标转换成图像信号，传送给所述图像处理分析单元，所述图像处理分析单元将所述图像信号转变成数字信号，并对所述数字信号进行运算来抽取目标状态的特征参数，所述图形交互单元将所述目标状态的特征参数与第一特征相似度标签集中的标签进行比较，输出所述目标状态的第一特征；其中，预设的输出目标状态的第一特征由目标状态初始化模块产生；所述第一特征相似度标签集中的标签通过机器有监督学习方式获得；

参数特征输入模块，用于接收每一个所述预定时间间隔输入的条件参数或环境参数特征；

状态特征合成模块，用于将获得的被测目标状态的第一特征与所述参数特征输入模块输出的参数特征相结合，形成目标状态的第二特征，并存入映射表中；

策略计算模块，根据所述映射表中所述目标状态的第一特征和第二特征的偏差，形成判断校正参数；

校准模块，根据所述策略产生模块产生的校正参数，判断是否需要修正所述第一特征相似度标签集，根据需要修正的结果修正所述第一特征相似度标签集，并存储修正后的所述相似度标签集；其中，所述目标状态识别模块中的图像获取单元在下一个预定时间间隔中，使用修正后的所述第一特征相似度标签集中的标签。

2.根据权利要求1所述的基于深度学习的智能机器人视觉技术应用检测系统，其特征在于，所述图像获取单元为CMOS和CCD像素获取单元，所述图像处理分析单元的图像信号为像素分布和亮度和颜色。

3.根据权利要求1所述的基于深度学习的智能机器人视觉技术应用检测系统，其特征在于，所述图像获取单元为多光谱相机，所述图像处理分析单元的图像信号将接收所述多光谱相机拍摄的图像，用过滤器从选定的电磁光谱区域捕捉反射光，从而获得所述目标光谱特征。

4.根据权利要求1所述的基于深度学习的智能机器人视觉技术应用检测系统，其特征在于，所述第一特征相似度标签集的标签和所述第二特征相似度标签集的标签存储在映射表中。

5.根据权利要求1所述的基于深度学习的智能机器人视觉技术应用检测系统，其特征在于，所述的机器有监督学习方式为神经网络传播算法。

6.根据权利要求1所述的基于深度学习的智能机器人视觉技术应用检测系统，其特征在于，所述机器有监督学习方式为决策树学习算法。

7.根据权利要求1所述的基于深度学习的智能机器人视觉技术应用检测系统，其特征在于，所述的状态特征合成模块还包括第二特征相似度标签集生成单元，所述的第二特征相似度标签集通过对存储在映射表中的所有第二特征进行所述机器无监督学习方式获得。

8.根据权利要求7所述的基于深度学习的智能机器人视觉技术应用检测系统，其特征在于，所述的机器无监督学习方式为PCA特征抽取方式。