【技术实现步骤摘要】
一种洗扫车路面垃圾识别与洗扫工作量计算方法
[0001]本专利技术涉及洗扫车技术，具体涉及一种洗扫车路面垃圾识别与洗扫工作量计算方法。
技术介绍
[0002]现有路面垃圾检测技术：目前对于垃圾检测应用最多的是基于深度学习的目标检测算法技术，其相比于传统检测技术进一步提高了路面垃圾检测的识别精度，并且对于多目标垃圾物、小目标垃圾物以及复杂背景下的垃圾的检测皆实现了可观的识别效果。
[0003]现有路面垃圾量的计算技术：对于路面垃圾量的定量识别技术大多依赖于图像处理技术，主要目的是优化提取到的目标物轮廓特征，得到路面垃圾覆盖率或垃圾数量。
[0004]现有洗扫车控制技术：现有的洗扫车的控制技术，大都是根据整车结构和工作电机的相关参数为控制量来控制工作电机工作，洗扫车在负压吸尘和高压洗扫方面大都以恒定的洗扫策略工作，在调节洗扫参数时主要依靠驾驶员人工操作。
[0005]现有技术存在的问题：
[0006]针对路面垃圾检测技术的研究中，主要是对常见垃圾以及形状分辨度较高的垃圾进行训练和检测的，也没有对多...
【技术保护点】
【技术特征摘要】
1.一种洗扫车路面垃圾识别与洗扫工作量计算方法，其特征在于，包括：步骤1、获取洗扫车工作的不同种类道路路面垃圾图像；步骤2、利用获取的路面垃圾图像，对路面垃圾图像进行标注处理，构建垃圾训练样本集、验证样本集及测试样本集；步骤3、构建基于改进yolov5s的路面垃圾目标检测模型，所述模型包括输入层608*608的图形张量、改进的Backbone Network、Neck Network和改进的Head层四个部分；步骤4、利用构建的样本集，对改进的yolov5s模型进行训练和测试，获得训练好的改进yolov5s模型，完成垃圾种类识别任务；步骤5、对路面垃圾图像进行预处理；步骤6、利用图像处理技术检测路面垃圾面积比，结合不同种类垃圾的影响权重，计算洗扫车路面垃圾洗扫工作量；步骤7、设计一种基于洗扫工作量等级系数的洗扫车自适应模糊控制方案。2.根据权利要求1所述的洗扫车路面垃圾识别与洗扫工作量计算方法，其特征在于，所述步骤1包括：步骤11、做垃圾图像采集硬件准备工作,选择JHSM300f高清彩色工业相机,以东田4U DT
‑
610P
‑
XH81MAV2工控机作为控制CPU，采用M1614
‑
MP2镜头，采用LED光源，将光源布置成环形，用于图像获取照明工作；步骤12、进行基于张正友标定法的相机标定实验，相机标定实验的标定模板选择黑白格长宽为15mm
×
15mm，数量为7
×
8的56个黑白相邻的棋盘格，标定模板与相机的距离约为300mm，通过拍摄标定模板图像、提取模板角点坐标、相机内参数标定、相机外参数标定、获取相机畸变误差参数完成标定实验；步骤13、在天气晴朗、白天的环境下进行路面垃圾图像采集工作，利用选定的工业相机模仿洗扫车工作前端的视角，在宽度为3.5m的车道上，以倾斜于地面，距离60～70mm左右采集图像，相机拍摄尺寸设置为2560
×
1536，帧率为25帧，获得10000张图像集；其中图像集包含的目标物种类分别为：塑料瓶、易拉罐、落叶、尘土、烟头、塑料袋、减速带、纸巾、果皮。3.根据权利要求1所述的洗扫车路面垃圾识别与洗扫工作量计算方法，其特征在于，所述步骤2包括：步骤21、在开源LabelStudio数据标注平台对路面垃圾样本集进行类别标注，并导出生成zip格式文件，zip文件中包含：存放路面垃圾图像的images文件夹、图像所对应标签类别的txt格式的labels文件夹以及标签类别classes.txt文件；步骤22、将标注好的适用于yolov5格式的路面垃圾数据集，分为7500张训练集、1000张验证集和1500张测试集，比例为15：2：3。4.根据权利要求1所述的洗扫车路面垃圾识别与洗扫工作量计算方法，其特征在于，所述步骤3包括：步骤31、在Backbone Network中增加CBAM卷积注意力机制模块，置于卷积Conv模块之中，组成Conv
‑
CBAM模块，CBAM模块通过通道和空间注意力模块能在网络训练过程中加强对小目标垃圾的点特征、线特征等特征信息的学习；步骤32、在Head层中，引入Focal
‑
EIoU Loss代替原边界框损失函数CIoU Loss。...
【专利技术属性】
技术研发人员：王海英，王晨光，敖杨，李智，陶建宇，
申请(专利权)人：长安大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。