【技術實現步驟摘要】
本專利技術涉及圖像識別，具體是應用于擦窗機器人的玻璃表面污漬圖像識別方法。
技術介紹
1、cn116758051a“基于人工智能圖像識別的玻璃表面缺陷檢測方法及設備”包括以下步驟：步驟s1、獲取質量異議缺陷圖片，進行預處理；步驟s2、以預處理后的圖片作為缺陷類別判定模型的輸入，獲得關于缺陷類型的第一判定結果，缺陷類別判定模型是一個分類模型；步驟s3、以第一判定結果和預處理后的圖片作為缺陷嚴重程度判定模型的輸入，獲得關于缺陷嚴重程度的第二判定結果；步驟s4、將原始的質量異議缺陷圖片以及所述的第一判定結果和第二判定結果共同存儲入質量異議數據庫中，并將結果輸出。
2、cn115631190a“玻璃基板缺陷識別示警方法、系統、電子設備和存儲介質”采集目標液晶玻璃基板在多個不同顏色的顯示背景時的圖像作為初始圖像；針對每一種顏色對應的圖像將多張圖像進行預處理得到該種顏色對應的待檢測圖像；根據各種顏色對應的待檢測圖像識別目標液晶玻璃基板的表面缺陷的類型；根據目標液晶玻璃基板的表面缺陷的類型確定示警模式進行示警。
3、現有的擦窗機器人主要依賴于固定的清潔路徑和簡單的污漬檢測方法，難以適應不同環境和復雜污漬情況。傳統的圖像識別方法在光照變化、反射和背景干擾等問題上表現不佳，導致污漬識別的準確性和魯棒性較低。因此，需要一種更高效、準確的污漬圖像識別方法，以提高擦窗機器人的智能化水平和清潔效果。
技術實現思路
1、為了解決上述技術問題，本專利技術的目的在于提供應用于擦窗機器人的玻
2、步驟s1：根據擦窗機器人的傳感器終端，獲取目標玻璃區域的圖像數據、環境感知數據和觸覺數據并標記采集時間，設置采集周期；
3、步驟s2：構建拍攝參數查找表，根據當前采集周期內環境感知數據和拍攝參數查找表，實時更新傳感器終端的拍攝參數；
4、步驟s3：構建污漬特征識別模型，根據污漬特征識別模型對當前采集周期的圖像數據進行預估污漬類型標注；
5、步驟s4：根據當前采集周期的觸覺數據對目標玻璃區域內標注的預估污漬類型進行正確性檢測，若目標玻璃區域內存在錯誤污漬類型，則獲取污漬特征識別模型的識別正確率，根據識別正確率進行局部特征強化識別操作或重新訓練操作。
6、進一步地，構建拍攝參數查找表的過程包括：
7、基于模擬學習思想，使用模擬器生成不同光照參數對應的模擬光環境以及玻璃樣本區域，獲取玻璃樣本區域的標準圖像數據，隨后模擬擦窗機器人的傳感器終端在不同模擬光環境條件下，根據不同拍攝參數對玻璃樣本區域進行拍攝的過程，獲取在不同模擬光環境條件下和不同拍攝參數條件下對應的圖像樣本數據，將各個圖像樣本數據與標準圖像數據進行比較，獲取各個圖像樣本數據與標準圖像數據之間的均方誤差，根據各個圖像樣本數據對應的模擬光環境、拍攝參數和均方誤差，構建拍攝參數查找表。
8、進一步地，根據當前采集周期內環境感知數據和拍攝參數查找表，實時更新傳感器終端的拍攝參數的過程包括：
9、提取當前采集周期內環境感知數據中的光照參數，將所述光照參數輸入拍攝參數查找表中進行數據檢索，獲取拍攝參數查找表中不同的模擬光環境與光照參數的相似度，將相似度最高的模擬光環境標記為第一模擬光環境，獲取第一模擬光環境對應的所有拍攝參數和均方誤差，從所有均方誤差中篩選出最低均方誤差對應的拍攝參數，根據所述拍攝參數更新傳感器終端的拍攝參數。
10、進一步地，構建污漬特征識別模型的過程包括：
11、基于深度學習構建污漬特征識別模型，使用模擬器生成若干包括不同類型污漬的樣本圖像數據，對所述樣本圖像數據進行數據格式預處理，獲取數據格式預處理后的樣本圖像數據中每個像素點的灰度共生矩陣，根據所述灰度共生矩陣提取樣本圖像數據的紋理特征集；
12、將不同污漬類型的樣本圖像數據對應的紋理特征集作為訓練集以及測試集，將所述訓練集輸入到所述污漬特征識別模型中進行訓練，直至損失函數訓練平穩，并保存模型參數，通過測試集對所述污漬特征識別模型進行測試，直至符合預設要求，輸出所述污漬特征識別模型。
13、進一步地，根據污漬特征識別模型對當前采集周期的圖像數據進行預估污漬類型標注的過程包括：
14、對于當前采集周期的圖像數據進行數據格式預處理，獲取數據格式預處理后的圖像數據中每個像素點的灰度共生矩陣，根據所述灰度共生矩陣提取圖像數據的紋理特征集，將圖像數據的紋理特征集輸入污漬特征識別模型，根據污漬特征識別模型輸出每個像素點的灰度共生矩陣對應的預估污漬類型；
15、獲取每個像素點的灰度共生矩陣在目標玻璃區域內的覆蓋范圍，根據每個像素點的灰度共生矩陣對應的預估污漬類型，對每個像素點的灰度共生矩陣的覆蓋范圍進行預估污漬類型標注。
16、進一步地，根據當前采集周期的觸覺數據對目標玻璃區域內標注的預估污漬類型進行正確性檢測過程包括：
17、構建污漬查找表，所述污漬查找表包括不同污漬類型對應的標準觸覺數據，根據目標玻璃區域內的預估污漬類型和污漬查找表，獲取目標玻璃區域內的預估污漬類型對應的標準觸覺數據；
18、獲取當前采集周期內目標玻璃區域的預估污漬類型的覆蓋范圍內的觸覺數據，將預估污漬類型的覆蓋范圍內的觸覺數據與預估污漬類型對應的標準觸覺數據進行相似度匹配，獲取預估污漬類型的覆蓋范圍內的觸覺數據與標準觸覺數據的相似度，將所述相似度與預設相似度閾值進行比較；
19、若相似度小于相似度閾值，則將所述相似度對應的觸感數據所屬的覆蓋范圍內的預估污漬類型標記為錯誤污漬類型；
20、若相似度大于等相似度閾值，則將所述相似度對應的觸感數據所屬的覆蓋范圍內的預估污漬類型標記為正確污漬類型。
21、進一步地，若目標玻璃區域內存在錯誤污漬類型，則獲取污漬特征識別模型的識別正確率，根據識別正確率進行局部特征強化識別操作或重新訓練操作的過程包括：
22、若目標玻璃區域內存在錯誤污漬類型，則根據目標玻璃區域內錯誤污漬類型的覆蓋范圍總面積和正確污漬類型的覆蓋范圍總面積，獲取污漬特征識別模型的識別正確率，將識別正確率與預設識別正確率閾值進行比較；
23、若識別正確率大于等于識別正確率閾值，則提取錯誤污漬類型覆蓋范圍內的觸感數據，將所述觸感數據和污漬查找表中的標準觸感數據進行相似度匹配，獲取所述觸感數據與污漬查找表中各個標準觸感數據的相似度，篩選出對應的相似度大于相似度閾值的標準觸感數據，獲取所述標準觸感數據對應的污漬類型，將所述污漬類型標記為關鍵污漬類型，根據關鍵污漬類型進行局部特征強化識別操作；
24、若識別正確率小于識別正確率閾值，則提取錯誤污漬類型覆蓋范圍內的紋理特征集，并通過人工標注方式對錯誤污漬類型的覆蓋范圍進行污漬類型標注，構建特征數據庫，將錯誤污漬類型覆蓋范圍內的紋理特征集以及人工標注方式標注的污漬類型相關聯并存儲至特征數據庫中；
25、將本文檔來自技高網...
【技術保護點】
1.應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，構建拍攝參數查找表的過程包括：
3.根據權利要求2所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，根據當前采集周期內環境感知數據和拍攝參數查找表，實時更新傳感器終端的拍攝參數的過程包括：
4.根據權利要求3所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，構建污漬特征識別模型的過程包括：
5.根據權利要求4所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，根據污漬特征識別模型對當前采集周期的圖像數據進行預估污漬類型標注的過程包括：
6.根據權利要求5所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，根據當前采集周期的觸覺數據對目標玻璃區域內標注的預估污漬類型進行正確性檢測過程包括：
7.根據權利要求6所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，若目標玻璃區域內存在錯誤污漬類型，則獲取污漬特
8.根據權利要求7所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，根據關鍵污漬類型進行局部特征強化識別操作的過程包括：
...【技術特征摘要】
1.應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，構建拍攝參數查找表的過程包括：
3.根據權利要求2所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，根據當前采集周期內環境感知數據和拍攝參數查找表，實時更新傳感器終端的拍攝參數的過程包括：
4.根據權利要求3所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，構建污漬特征識別模型的過程包括：
5.根據權利要求4所述的應用于擦窗機器人的玻璃表面污漬圖像識別方法，其特征在于，根據污漬特征識...
【專利技術屬性】
技術研發人員：何虹均，
申請(專利權)人：東莞市昱婕智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。