一种无人艇垃圾回收方法及系统技术方案

本发明专利技术涉及垃圾回收技术领域，且公开了一种基于注意力机制的无人艇垃圾回收系统，包括电源、中央处理模块、通信模块、GPS模块、运动控制模块、垃圾回收装置以及云台相机，中央处理模块与通信模块、GPS模块、运动控制模块以及云台相机连接，该基于注意力机制的无人艇垃圾回收方法及系统，FPN层自顶向下与骨干网络特征图融合，传达强语义特征，PAN则自底向上传达强定位特征，二者结合从不同的主干层对不同的检测层进行特征聚合，使得特征在小目标语义下更加明显。加明显。加明显。

【技术实现步骤摘要】
一种无人艇垃圾回收方法及系统


[0001]本专利技术涉及垃圾回收
，具体为一种无人艇垃圾回收方法及系统。

技术介绍

[0002]水面垃圾主要是指漂浮在各种水面(江河、湖泊、河道、海面等)上层的、并影响水体质量的各种废弃物，其主要包括玻璃瓶、塑料瓶、塑料袋、食物、动物尸体等。水面垃圾如不及时清理会严重影响人们正常的生活与生产，如航道运河、发电站前池漂浮的垃圾，另一方面也不符合人们对绿色生态环境的追求。然而目前水面垃圾的清理主要靠人力手工打捞，在水面上人工作业不仅效率低下、劳动强度大、危险系数高，而且水面垃圾所释放出的有毒有害气体将会严重危害作业人员的身体健康。
[0003]为了解决以上问题，本专利技术设计了一种基于视觉的无人艇垃圾回收系统。目前常见的基于视觉的目标检测方法分为单阶段和双阶段方法。单阶段方法以YOLO算法为代表，YOLO算法将目标检测看成一个对于边界框和相关类概率的回归问题，仅使用单个神经网络从输入图像中同时预测目标的边界框和类别概率，由于YOLO算法基于整个输入图像进行检测而非基于局部进行推断，这使其背景误检率很低，且模型推断速度较快，但也存在精度较差以及对于水面上成群的小目标检测效果较差的缺点；双阶段方法以Faster R
‑
CNN为代表，第一个阶段获取图像的兴趣区域，第二个阶段才对前一个阶段兴趣区域进行边界框回归和类别预测，Faster R
‑
CNN检测方法精度较高，但模型参数过多，导致网络推理速度慢，检测帧数过低，为此我们提出了一种无人艇垃圾回收方法及系统。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种无人艇垃圾回收方法及系统，解决了上述的问题。
[0006](二)技术方案
[0007]为实现上述所述目的，本专利技术提供如下技术方案：一种基于注意力机制的无人艇垃圾回收系统，包括电源、中央处理模块、通信模块、GPS模块、运动控制模块、垃圾回收装置以及云台相机，中央处理模块与通信模块、GPS模块、运动控制模块以及云台相机连接，垃圾回收装置设置在垃圾收集艇上，电源分别与中央处理模块、通信模块、GPS模块、运动控制模块、垃圾回收装置以及云台相机连接。
[0008]一种无人艇垃圾回收方法，包括以下步骤：
[0009]第一步：无人艇在水面上巡航作业，云台相机监视水面，并将实时视频信息传输到中央处理模块；
[0010]第二步：在中央处理模块使用基于注意力机制的水面垃圾检测算法进行水面垃圾检测；若未检测到目标或检测到的目标置信度低于设定的阈值，则执行第一步，若检测到目标且置信度高于设定的阈值，则执行第三步，若检测到多个置信度高于设定阈值的目标，则
选择置信度最高的目标，再执行第三步；
[0011]第三步：中央处理模块根据无人艇当前位置目标在视频画面中的位置调整云台旋转角和俯仰角，使得目标总是出现在云台相机视野中央；
[0012]第四步：中央处理模块根据云台相机旋转角和俯仰角驱动无人艇靠近水面垃圾目标，判断目标是否在垃圾回收装置的工作范围内，若是，则由中央处理模块驱动垃圾回收装置进行水面垃圾回收，若否，则执行第二步。
[0013]优选的，第二步中的基于注意力机制的水面垃圾检测算法包括以下内容：
[0014]S1：由无人艇在水面作业时，收集云台相机视角的视频，之后将视频中含有垃圾的序列间隔30帧抽取一帧图像，筛选得到图像，对图像数据进行增广，将数据集按照8:1:1随机分为训练集、验证集和测试集；
[0015]S2：将经过数据增广后的训练集输入基于注意力机制的水面垃圾检测模型进行训练，数据首先通过优化后的Swin Transformer主干网络提取不同尺度的数据特征图，将数据特征图输入空间金字塔池化网络，特征图经过两次上采样和两次下采样得到对称尺度的特征图，并对得到的对称尺度的特征图进行拼接，输入到预测网络；
[0016]S3：预测网络对不同尺寸的特征图进行卷积获得深度C＝(5+n
cls
)
×
3的不同尺寸的预测特征图，其中3表示每个网格单元三个预测框，5表示每个预测框有(x,y,w,h,confidence)五个基本参数，n
cls
表示模型检测的垃圾类别数量。
[0017]优选的，S2中的数据增广包括以下内容：对收集到的图像为每一个垃圾目标创建矩形标注框，使垃圾目标刚好被该矩形框包围，并且同时为每一个垃圾目标指定类别，输出原始图像和标注好json文件，对训练集中的每张照片处理，使得训练数据集可以扩充3倍。
[0018]优选的，照片处理为对照片进行随机裁剪、水平翻转、旋转(
±
10
°
)、颜色变换、亮度变换(0.8～1)、添加高斯噪声以及进行均值偏移操作。
[0019](三)有益效果
[0020]与现有技术相比，本专利技术提供了一种无人艇垃圾回收方法及系统，具备以下有益效果：
[0021]1、该基于注意力机制的无人艇垃圾回收方法及系统，相比于人力手工打捞速度快，工作效率高，需要的人力物力更少。
[0022]2、该基于注意力机制的无人艇垃圾回收方法及系统，针对水面的水波纹、倒影和反光做了数据处理，且对于小目标检测精度差的问题，对于目标检测算法融合了注意力机制，使得整个模型精度更高，且识别效率高。
[0023]3、该基于注意力机制的无人艇垃圾回收方法及系统，FPN层自顶向下与骨干网络特征图融合，传达强语义特征，PAN则自底向上传达强定位特征，二者结合从不同的主干层对不同的检测层进行特征聚合，使得特征在小目标语义下更加明显。
附图说明
[0024]图1为本专利技术无人艇垃圾回收方法及系统的结构示意图；
[0025]图2为本专利技术无人艇垃圾回收方法及系统的流程示意图；
[0026]图3为本专利技术基于注意力机制的水面垃圾检测算法框架示意图；
[0027]图4为本专利技术基于注意力机制的水面垃圾检测算法流程示意图；
[0028]图5为本专利技术Patch Partion算法框架示意图；
[0029]图6为本专利技术Swin Transformer Block算法结构示意图；
[0030]图7为本专利技术W
‑
MSA算法结构示意图；
[0031]图8为本专利技术SW
‑
MSA算法结构示意图；
[0032]图9为本专利技术CBS算法流程示意图；
[0033]图10为本专利技术空间金字塔池化结构流程示意图；
[0034]图11为CSP算法流程图。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的无人艇垃圾回收系统，其特征在于，包括电源、中央处理模块、通信模块、GPS模块、运动控制模块、垃圾回收装置以及云台相机，中央处理模块与通信模块、GPS模块、运动控制模块以及云台相机连接，垃圾回收装置设置在垃圾收集艇上，电源分别与中央处理模块、通信模块、GPS模块、运动控制模块、垃圾回收装置以及云台相机连接。2.一种无人艇垃圾回收方法，其特征在于，包括以下步骤：第一步：无人艇在水面上巡航作业，云台相机监视水面，并将实时视频信息传输到中央处理模块；第二步：在中央处理模块使用基于注意力机制的水面垃圾检测算法进行水面垃圾检测；若未检测到目标或检测到的目标置信度低于设定的阈值，则执行第一步，若检测到目标且置信度高于设定的阈值，则执行第三步，若检测到多个置信度高于设定阈值的目标，则选择置信度最高的目标，再执行第三步；第三步：中央处理模块根据无人艇当前目标在视频画面中的位置调整云台旋转角和俯仰角，使得目标总是出现在云台相机视野中央；第四步：中央处理模块根据云台相机旋转角和俯仰角驱动无人艇靠近水面垃圾目标，判断目标是否在垃圾回收装置的工作范围内，若是，则由中央处理模块驱动垃圾回收装置进行水面垃圾回收，若否，则执行第二步。3.根据权利要求2所述的一种无人艇垃圾回收方法，其特征在于：第二步中的基于注意力机制的水面垃圾检测算法包括以下内容：S1：由无人艇在水面作业时，收集云台相机视角的视频，之后将...

【专利技术属性】
技术研发人员：萧子敬，廖俊森，鲁仁全，徐雍，彭慧，刘畅，饶红霞，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：