[发明专利]基于机器视觉和强化学习的海洋垃圾回收规划方法及系统

说明书

本发明公开了基于机器视觉和强化学习的海洋垃圾回收规划方法及系统，方法包括：采用目标检测算法对海上漂浮垃圾进行目标检测，获取目标数据，所述目标数据包括海上漂浮垃圾数量、类别、位置和距离的信息；根据所述目标数据建立目标线性系统；根据所述目标线性系统确定海洋垃圾回收规划策略，并根据所述海洋垃圾回收规划策略对所述海上漂浮垃圾进行清理。本发明提高了海上垃圾回收效率且引入了能耗控制，能够降低能耗，提高设备的续航能力，可广泛应用于人工智能和海洋垃圾处理等技术领域。

技术领域

本发明涉及人工智能技术领域，尤其是基于机器视觉和强化学习的海洋垃圾回收规划方法及系统。

背景技术

随着海洋固体废物污染的加剧，海洋生态受到日益严重的威胁，其中漂浮在海平面的固体垃圾具有众多负面效应，包括影响海洋景观，威胁船舶航行安全，并对海洋生态系统、海洋经济产生长久的影响。目前海洋水面垃圾清理以人工清理为主，耗费大量人力物力；除此之外，现有的用于海上垃圾回收的技术主要依靠机械装置、船只进行垃圾回收为主；部分技术引入自动控制、智能化设备组成系统实现海上自主垃圾回收，如通过旋翼飞行器等装置自动搜索识别水面垃圾，然后前往目标垃圾位置，最后对垃圾进行回收。以上技术实现了海洋垃圾清理的机械化与自动化，对海洋垃圾的回收效率有一定的提高，但无论是只靠机械装置、船只，还是结合了自动、智能识别等系统，都仅通过解决如何快速搜索垃圾、清理垃圾的问题来提高清理回收效率，但海洋空间广阔，人类生产垃圾的速度在日益变化，它们在长期的垃圾清理中存在明显的局限性，自身无法对不断变化的海洋垃圾污染情况做出实时优化和改进，在成本相同的情况下缺乏对自身系统效率的可控性和规划性，同时，能源问题也限制了长期的垃圾清理回收。

现有技术大多仅通过提高海上漂浮垃圾的搜索和识别速率、范围或通过自动船只、自动装置进行清理来实现海上垃圾回收。而海洋空间广阔，海面有复杂多变的情况、人类生产垃圾的数量在不断发生变化，在长期的海洋垃圾清理中，现有技术缺乏系统性的规划和预测，在能耗、效率方面缺少可控性，无法根据海洋漂浮的垃圾分布等外界情况将自身的作用最优化。

发明内容

有鉴于此，本发明实施例提供一种高效且能耗低的，基于机器视觉和强化学习的海洋垃圾回收规划方法及系统。

本发明的一方面提供了一种基于机器视觉和强化学习的海洋垃圾回收规划方法，包括：

采用目标检测算法对海上漂浮垃圾进行目标检测，获取目标数据，所述目标数据包括海上漂浮垃圾数量、类别、位置和距离的信息；

根据所述目标数据建立目标线性系统；

根据所述目标线性系统确定海洋垃圾回收规划策略，并根据所述海洋垃圾回收规划策略对所述海上漂浮垃圾进行清理。

可选地，所述根据所述目标数据建立目标线性系统，包括：

从所述目标数据中获取近岸海域的第一垃圾数量、漂浮在远离海岸的海域内的第二垃圾数量以及已被清理回收的第三垃圾数量；

根据所述第一垃圾数量、所述第二垃圾数量和所述第三垃圾数量，计算在第一区域中已被清理回收的垃圾变化情况的第一速率系数、从近岸海域漂流转移到远离海岸的海域的第二速率系数、垃圾从远离海岸的海域漂流转移到近岸海域的第三速率系数、垃圾漂浮面积超出海域面积的第四速率系数以及在第二区域中已被清理回收的垃圾变化情况的第五速率系数；

根据所述第一速率系数、所述第二速率系数、所述第三速率系数、所述第四速率系数以及所述第五速率系数，获取所述第一垃圾数量、所述第二垃圾数量以及所述第三垃圾数量的变化情况；

根据所述第一垃圾数量、所述第二垃圾数量以及所述第三垃圾数量的变化情况，确定垃圾数量随时间变化的目标方程组；

根据所述目标方程组建立目标线性系统。

可选地，所述目标方程组的表达式为：