【技术实现步骤摘要】
本申请涉及幕墙清洁领域,特别是涉及一种深度学习的幕墙清洁参数优化控制方法及系统。
技术介绍
1、随着幕墙清洁技术智能化发展,针对复杂幕墙场景的精准参数控制成为提升清洁效率的关键。目前,传统幕墙清洁作业多采用统一参数配置模式,存在个性化不足、适应性差等问题,难以满足高层幕墙、复杂污染等场景对精准清洁的需求。
2、现有的参数控制方式仅依赖预设经验参数进行作业,导致对不同幕墙材质、污染类型的参数适配精度不足,既无法满足复杂污染场景的差异化清洁需求,也难以满足幕墙清洁智能化发展中对精准性、实时性的要求。
技术实现思路
1、为了解决上述技术问题,本申请提供了一种深度学习的幕墙清洁参数优化控制方法及系统,解决了传统清洁作业参数配置单一、适应性差且对复杂污染场景参数适配精度低的问题,实现了基于幕墙属性分析与动态分区的精准化参数控制,提升了清洁作业的智能化水平与资源利用效率。
2、本申请实施例公开了如下技术方案:
3、第一方面,本申请实施例提供了一种深度学习的幕墙清洁参
...【技术保护点】
1.一种深度学习的幕墙清洁参数优化控制方法,其特征在于,应用于幕墙清洁一体机,所述幕墙清洁一体机包括图像采集单元、清洁单元、喷涂单元和烘干单元;所述方法包括:
2.根据权利要求1所述的方法,其特征在于,获取目标幕墙的幕墙属性信息,并基于所述幕墙属性信息确定幕墙分区方案,包括:
3.根据权利要求2所述的方法,其特征在于,所述幕墙属性分析器的构建步骤包括:
4.根据权利要求2所述的方法,其特征在于,根据所述幕墙属性信息对所述目标幕墙进行分区规划,获取多个待清洁幕墙区域,生成所述幕墙分区方案,包括:
5.根据权利要求4所述的方
...【技术特征摘要】
1.一种深度学习的幕墙清洁参数优化控制方法,其特征在于,应用于幕墙清洁一体机,所述幕墙清洁一体机包括图像采集单元、清洁单元、喷涂单元和烘干单元;所述方法包括:
2.根据权利要求1所述的方法,其特征在于,获取目标幕墙的幕墙属性信息,并基于所述幕墙属性信息确定幕墙分区方案,包括:
3.根据权利要求2所述的方法,其特征在于,所述幕墙属性分析器的构建步骤包括:
4.根据权利要求2所述的方法,其特征在于,根据所述幕墙属性信息对所述目标幕墙进行分区规划,获取多个待清洁幕墙区域,生成所述幕墙分区方案,包括:
5.根据权利要求4所述的方法,其特征在于,根据所述幕墙属性信息获取所述第一待选幕墙区域内的污染区域和污染类型,确定所述第...
【专利技术属性】
技术研发人员:冯俊秋,李志英,杨君,徐鸿城,
申请(专利权)人:联合湾翼深圳人工智能科技有限公司,
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。