[发明专利]水底视觉垃圾清理机器人及其运作方法

说明书

本发明公开了水底视觉垃圾清理机器人及其运作方法，其中机器人包括机器人主体、通信模块、具有宽度学习网络的垃圾图像识别模块、路径规划模块和中央处理器；其中，宽度学习网络被配置为：具有m组无监督学习模块，自动编码器对进行特征提取，将无监督学习模块的输出作为特征节点，将所有特征节点所组成的特征集H；通过激活函数从特征集H提取增强节点，将所有增强节点组成节点集E；利用代价敏感型分类方法得到权重，并进行分类。解决了因分类时类别不平衡存在错分代价不等的情况而引发的代价敏感问题，提供了鲁棒性强且时效性好的垃圾图像识别模块。

技术领域

本发明涉及视觉机器人，特别是水底视觉垃圾清理机器人及其运作方法。

背景技术

环保问题是现代发展常关注的问题。对于河道水底垃圾清理一直是困扰清洁人员的问题。水底垃圾在水上难以看清位置，必须潜下水才能清理，但一旦水深过深，清理水底垃圾花费时间长，对潜水人员身体影响大，人力成本高。

基于机器人领域的快速发展，现有用水底机器人实现水底垃圾的清理，但如何快速确定水底垃圾的位置以进行垃圾的收集成为本领域的技术难题。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供水底视觉垃圾清理机器人及其运作方法，能快速有效地确定水底垃圾的位置。

本发明解决其问题所采用的技术方案是：

本发明第一方面，水底视觉垃圾清理机器人，包括：

机器人主体，所述机器人主体设置有摄像头、陆地移动部件、水底移动部件和垃圾收集机构；

通信模块，用于网络通信以及人机交互；

垃圾图像识别模块，用于根据所述摄像头拍摄的图像通过训练好的宽度学习网络识别出垃圾的位置；

路径规划模块，用于根据水路规划垃圾搜索路线以及根据垃圾的位置规划前进路径；

中央处理器，用于处理信息和发出控制指令；

其中，所述宽度学习网络被配置为：

将图像输入依次连接的m组无监督学习模块，并通过多个横向连接的自动编码器对每组无监督学习模块的输出进行特征提取，自动编码器中权重矩阵的转置作为相邻的两组无监督学习模块间的横向连接，将无监督学习模块的输出作为特征节点，将所有特征节点所组成的特征集H；

通过激活函数从特征集H提取增强节点，将所有增强节点组成节点集E；

利用代价敏感型分类方法得到权重，并进行分类。

根据本发明的第一方面，所述自动编码器的模型表示为式中l₁为范数，b是隐藏特征，x为输入的图像。

根据本发明的第一方面，每组无监督学习模块的输出为且i＝1，...，m，其中g表示非线性激活函数，μ_j表示映射层的偏置。

根据本发明的第一方面，所述增强节点为是权重矩阵，η_j是增强层的偏差。