本發(fā)明涉及船體清污機器人控制，特別是涉及一種水線下船體表面清污機器人控制方法及系統(tǒng)。

背景技術(shù)：

1、船底長時間泡在海水中，時間長了，船體表面會產(chǎn)生鐵銹，同時漸漸地也會滋生一些藻類植物。隨著這些藻類的不斷生長，慢慢地也可以為其他的海洋動物提供食物，所以也會吸引其他的一些海洋生物(例如藤壺)到來，輪船在大海中漂泊的時間越長，船底所吸附的海鮮就會越多，漸漸地就會改變輪船船底的表面結(jié)構(gòu)，所造成的影響就是輪船的航行速度變慢，同時也會造成耗油量增加。第一種原因是這些船底的海鮮增加了阻力，也就會增加耗油量；第二種原因就是這些船底的海鮮也會使船舶增加重量，從而增加耗油量，而且船底帶有比較多的海洋生物，也有可能會對?？康母劭谠斐缮锶肭?。

2、現(xiàn)有技術(shù)中往往采用人工或者清污機器人進行清潔，人工清潔的方式效率較低，而清污機器人清潔的方式往往采用人工操控，費時費力，無法做到自動控制，自動清潔。因此，設(shè)計一種水線下船體表面清污機器人控制方法及系統(tǒng)是十分有必要的。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種水線下船體表面清污機器人控制方法及系統(tǒng)。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、本發(fā)明第一方面提供了一種水線下船體表面清污機器人控制方法，包括：

4、采集水線下船體的圖像；

5、基于船體的圖像對船體上的附著物進行識別，判斷各處附著物的位置；

6、基于各處附著物的位置對清污機器人進行路徑規(guī)劃；

7、控制清污機器人沿路徑到達指定的附著物處，進行清污處理。

8、優(yōu)選地，基于船體的圖像對船體上的附著物進行識別，判斷各處附著物的位置，具體為：

9、基于改進的efficientnet網(wǎng)絡(luò)構(gòu)建附著物識別模型；

10、獲取各類船體附著物圖像，并對其進行數(shù)據(jù)增強，構(gòu)建船體附著物數(shù)據(jù)集；

11、基于船體附著物數(shù)據(jù)集對附著物識別模型進行訓練，得到訓練后的附著物識別模型；

12、將采集的水線下船體的圖像輸入訓練后的附著物識別模型，得到各處附著物的位置。

13、優(yōu)選地，efficientnet網(wǎng)絡(luò)的改進過程為：將efficientnet網(wǎng)絡(luò)中的efficientnet-b0模型中的淺層中的mbconv模塊替換為fused-mbconv模塊，即，將原mbconv模塊主分支中的1×1卷積操作和3×3深度可分離卷積替換成一個普通的3×3卷積操作，移除原始efficientnet網(wǎng)絡(luò)結(jié)構(gòu)中最后一個步長為1的階段，并將原來結(jié)構(gòu)中的5×5卷積核替換為3×3卷積核。

14、優(yōu)選地，對各類船體附著物圖像進行數(shù)據(jù)增強，具體為：

15、對各類船體附著物圖像進行集合變換、亮度調(diào)節(jié)、飽和度調(diào)節(jié)、對比度調(diào)節(jié)、隨機噪聲添加以及鏡像、縮放及旋轉(zhuǎn)操作，實現(xiàn)數(shù)據(jù)增強。

16、優(yōu)選地，基于各處附著物的位置對清污機器人進行路徑規(guī)劃，具體為：

17、獲取各處附著物的位置；

18、獲取清污機器人的位置；

19、基于清污機器人的位置獲取離清污機器人最近的附著物的位置；

20、根據(jù)清污機器人的位置及離清污機器人最近的附著物的位置基于改進的蟻群算法進行路徑規(guī)劃；

21、控制清污機器人沿路徑到達指定的附著物處，進行清污處理；

22、重復上述步驟，直至清除所有的附著物。

23、優(yōu)選地，基于改進的蟻群算法進行路徑規(guī)劃，具體為：

24、以清污機器人的位置為起點，以離清污機器人最近的附著物的位置為終點，將起點及終點的區(qū)域基于柵格法劃分為不同的柵格區(qū)域，并確定起點和終點的坐標；

25、對蟻群算法參數(shù)進行初始化，設(shè)置最大迭代次數(shù)k，蟻群規(guī)模m，信息素重要性因子a，啟發(fā)式因子β，信息素揮發(fā)系數(shù)ρ；

26、螞蟻在搜索路徑的過程中，根據(jù)狀態(tài)轉(zhuǎn)移概率公式選擇下一個節(jié)點，在搜索路徑的時候，蟻群通過判斷信息素濃度和啟發(fā)式信息，決定下一步的移動方向，螞蟻沿著路徑移動，直到到達終點或者完成本次迭代；

27、記錄每條路徑的長度及每條路徑上的螞蟻的數(shù)量，將信息存儲至細胞結(jié)構(gòu)cell中，后續(xù)的信息素根據(jù)這些信息及更新；

28、根據(jù)記錄的信息，尋找此次迭代中的最優(yōu)路徑和最差路徑，并根據(jù)信息素更新規(guī)則調(diào)整路徑上的信息素濃度；

29、若達到最大迭代次數(shù)k，則輸出最優(yōu)路徑，否則，清空禁忌表tabuk，并返回進行新的迭代；

30、對得到的最優(yōu)路徑進行優(yōu)化，基于三角剪枝法去除路徑中不必要的轉(zhuǎn)彎點，得到最終的路徑。

31、本發(fā)明還提供了一種水線下船體表面清污機器人控制系統(tǒng)，包括：

32、清污機器人本體，用于實現(xiàn)對附著物的清潔；

33、圖像采集模塊，設(shè)置在清污機器人本體或者船體上，用于采集水線下船體的圖像；

34、附著物識別模塊，用于基于船體的圖像對船體上的附著物進行識別，判斷各處附著物的位置；

35、路徑規(guī)劃模塊，用于基于各處附著物的位置對清污機器人進行路徑規(guī)劃。

36、根據(jù)本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術(shù)效果：

37、本發(fā)明提供了一種水線下船體表面清污機器人控制方法及系統(tǒng)，其中，該方法包括采集水線下船體的圖像，基于船體的圖像對船體上的附著物進行識別，判斷各處附著物的位置，基于各處附著物的位置對清污機器人進行路徑規(guī)劃，控制清污機器人沿路徑到達指定的附著物處，進行清污處理。本發(fā)明能夠?qū)崿F(xiàn)自動控制清污機器人對船體附著物進行清潔，進而保證船體的清潔。

技術(shù)特征：

1.一種水線下船體表面清污機器人控制方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對船體上的附著物進行識別，判斷各處附著物的位置，具體為：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，對各類船體附著物圖像進行數(shù)據(jù)增強，具體為：

4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，基于各處附著物的位置對清污機器人進行路徑規(guī)劃，具體為：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，基于改進的蟻群算法進行路徑規(guī)劃，具體為：

6.一種水線下船體表面清污機器人控制系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供了一種水線下船體表面清污機器人控制方法及系統(tǒng)，該方法包括：采集水線下船體的圖像，基于船體的圖像對船體上的附著物進行識別，判斷各處附著物的位置，基于各處附著物的位置對清污機器人進行路徑規(guī)劃，控制清污機器人沿路徑到達指定的附著物處，進行清污處理。本發(fā)明能夠?qū)崿F(xiàn)自動控制清污機器人對船體附著物進行清潔，進而保證船體的清潔。

技術(shù)研發(fā)人員：林玲玉,畢玉珊,李艷英,李德來,趙福桂,孫立鑫
受保護的技術(shù)使用者：威海海洋職業(yè)學院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10