水下船体清扫方法、系统、设备及存储介质
本发明涉及机器视觉控制,具体涉及一种水下船体清扫方法、系统、设备及存储介质。
背景技术:
1、船体水下部分长期浸泡易附着黏液、藻类、藤壶及石灰质等生物污损,导致船舶阻力增加、燃油消耗上升及涂层加速老化。传统清洗多依赖潜水员人工操作或盲扫式自动化设备,存在清洗效率低、涂层易划伤、能耗高、无法适应浑浊水域等缺陷。近年来,视觉辅助清洗系统逐渐引入图像处理技术,公开号为 cn122059048a 的中国发明专利公开了一种船体水下机器人清洁方法,通过视觉传感器采集船体表面图像、对污损进行分类量化,并根据预设决策规则确定清洁模式,实现了污损的自动识别与分级清洁。然而,该方案未对浑浊水域的退化图像进行增强处理,识别效果受水质制约;其清洁执行依赖驱动扭矩反馈调整作业参数,缺乏位置与力的混合伺服控制,难以在保证穿透力的同时保护防腐涂层;且清洗后的残余处理仅靠重复对应阶段,缺少局部重规划,清洗效率不高。
2、在图像增强方面,公开号为 cn121582175a 的中国发明专利虽引入了物理先验生成网络,但采用判别式增强思路,将透射率场作为去雾模块的引导图,其在浑浊水域的增强真实性与实时性仍受限。在识别方面,现有识别模型参数量大、推理延迟高,难以在边缘计算平台满足清洗节拍要求。
3、此外,现有的清扫策略通常为“一刀切”模式,缺乏污损分级与接触力自适应控制,极易破坏防腐涂层。具体来说,不同污损的附着力等级差异很大,藤壶等高附着力污损需高压深刮方能穿透,藻类等低附着力污损需低压轻扫以免损伤涂层;若采用统一清洗强度,则高附着区穿透不足、低附着区过度刮削,导致防腐涂层损伤。同时,单次清洗后缺乏残余评估与局部靶向补扫机制,未达标区域需全船重扫,造成算力与时间浪费。
技术实现思路
1、基于上述背景,本发明提供了一种水下船体清扫方法、系统、设备及存储介质,以解决在浑浊水域工况下,现有技术存在的水下图像退化导致识别不可靠、识别与控制割裂、清洗策略僵化、涂层损伤风险高及重复清扫效率低等至少一个方面的技术问题。具体采用了如下技术方案:
2、本发明第一个方面提供了一种水下船体清扫方法,包括以下步骤:
3、采集水下船体表面原始图像;
4、采用物理约束扩散模型对所述原始图像进行去雾与色偏校正,得到增强图像,所述物理约束扩散模型以水下成像物理方程的退化项作为噪声先验;
5、将所述增强图像输入轻量化双头识别网络,输出污损类别和覆盖率信息;
6、基于所述污损类别和覆盖率信息,通过模糊规则库生成清洗策略参数,并驱动位置-力混合视觉伺服控制器执行清扫;
7、单遍清扫完成后,后退预设距离进行二次快扫,生成残余附着掩膜;
8、基于所述残余附着掩膜,调用局部重规划引擎生成微路径,对未达标区域进行靶向补扫。
9、进一步的,所述物理约束扩散模型采用基于u-net架构的去噪扩散概率模型,所述物理约束扩散模型的约束方式包括:
10、在前向加噪过程中,将水下成像物理方程的退化项作为噪声先验注入,以替代标准高斯噪声;
11、在反向去噪过程中,联合输出去噪图像、透射率图与背景光,并通过物理重构损失约束所述去噪扩散概率模型;
12、其中,所述背景光通过四叉树子区域搜索法在暗通道先验图中估计获取,所述透射率图由所述去噪扩散概率模型内置的透射率估计分支直接回归输出,并结合引导滤波进行边缘保持平滑。
13、进一步的,所述轻量化双头识别网络包括主干网络、目标检测分支与实例分割分支,所述目标检测分支与所述实例分割分支并联连接于所述主干网络之后;其中:
14、所述主干网络用于输出多个下采样倍数的多尺度特征层;
15、所述目标检测分支接收所述多尺度特征层中的低分辨率特征层,进行边界框回归与类别预测;
16、所述实例分割分支接收所述多尺度特征层中的高分辨率特征层,并以所述目标检测分支输出的边界框作为提示编码器的提示,生成像素级掩膜;
17、所述实例分割分支引入轻量级特征金字塔网络与路径聚合网络,通过双线性插值与1×1卷积进行跨层特征拼接与通道对齐,实现深层语义信息与浅层空间细节的融合。
18、进一步的,所述位置-力混合视觉伺服控制器包括视觉伺服单元与阻抗控制单元:
19、所述视觉伺服单元用于基于图像的视觉伺服算法生成刷盘相对于船体表面的跟踪位姿指令,选取刷盘中心及船体表面纹理角点作为图像特征点,基于图像特征点误差与雅可比矩阵生成所述跟踪位姿指令;
20、所述阻抗控制单元用于根据接触力传感器反馈动态调节末端柔顺刚度,维持刷盘与船体之间的接触力恒定在20n至50n的区间内;
21、其中,所述阻抗控制单元采用变阻抗策略,根据污损附着力等级动态调整期望刚度与阻尼:对高附着力污损增大期望刚度以保证穿透力,对低附着力污损或涂层脆弱区减小期望刚度并增大阻尼以提升柔顺性。
22、进一步的,所述模糊规则库根据污损类别和覆盖率信息动态映射空化射流压力、滚刷转速与走刀遍数,映射规则包括:
23、基于污损类别确定附着力等级;
24、基于确定的附着力等级,根据覆盖率所在的区间范围确定空化射流压力、滚刷转速与走刀遍数;
25、对无污损区域跳过清扫。
26、进一步的,所述局部重规划引擎基于d* lite算法生成所述微路径,包括:
27、以当前末端位姿为起点,在残余附着掩膜区域内建立网格化代价地图;
28、仅更新所述代价地图中受残余区域影响的节点,避免全局路径重算;
29、当残余覆盖率大于预设阈值时触发所述微路径的生成。
30、进一步的,该方法还包括:
31、融合清洗前后图像纹理特征、接触力反馈及累计清扫遍数计算涂层磨损指数cwi:
32、
33、其中,δt为清洗前后图像纹理特征的变化率,所述纹理特征以灰度共生矩阵对比度表征,按确定,其中和 分别为清洗前后同一感兴趣区域图像块的灰度共生矩阵对比度;为实际平均接触力,为设定接触力,为累计清扫遍数,α、β、γ为权重系数;
34、当所述涂层磨损指数cwi大于预设阈值时,降低射流压力与滚刷转速,并于清扫次数达到预设最大清扫次数后,转移至下一待清扫区域。
35、本发明第二个方面提供了一种水下船体清扫系统,包括:
36、图像采集模块,用于采集水下船体表面原始图像;
37、视觉增强模块,用于部署物理约束扩散模型,以水下成像物理方程的退化项作为噪声先验,对所述原始图像进行去雾与色偏校正,得到增强图像;
38、识别与分级模块,用于将所述增强图像输入轻量化双头识别网络,输出污损类别和覆盖率信息;
39、控制执行模块,用于基于所述污损类别和覆盖率信息通过模糊规则库生成清洗策略参数,并驱动位置-力混合视觉伺服控制器执行清扫;
40、残余感知模块,用于在单遍清扫完成后后退预设距离进行二次快扫,生成残余附着掩膜;
41、重规划模块,用于基于所述残余附着掩膜调用局部重规划引擎生成微路径,对未达标区域进行靶向补扫。
42、进一步的,所述水下船体清扫系统还包括评估模块,用于融合清洗前后图像纹理特征、接触力反馈及累计清扫遍数计算涂层磨损指数,并于所述涂层磨损指数大于预设阈值时,降低清洗强度并生成预警标记;当清扫次数达到预设最大清扫次数后,规划至下一待清扫区域。
43、进一步的,所述水下船体清扫系统还包括边缘计算主控单元,其集成gpu加速推理引擎与实时控制调度器,所述实时控制调度器用于并发执行视觉增强、识别推理与微路径规划,使系统端到端控制周期不大于100ms。
44、本发明第三个方面提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述水下船体清扫方法的步骤。
45、本发明第四个方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述水下船体清扫方法的步骤。
46、本发明的有益技术效果如下:
47、1)通过物理约束扩散模型将水下成像物理方程的退化项作为噪声先验嵌入生成过程,克服了传统 retinex 或暗通道先验算法在浑浊水域的过增强与色彩失真问题,且能在边缘端实现毫秒级推理延迟,满足清洗节拍,实现高精度实时增强。
48、2)通过检测分支与实例分割分支并联的轻量化双头识别网络,以检测框作为分割提示生成像素级掩膜,兼顾检测速度与像素级分割精度,经浑浊水域迁移学习微调后识别精度显著提升,为柔性清扫提供可靠决策输入。
49、3)通过位置-力混合视觉伺服控制器与模糊规则库的协同,根据污损分级动态映射清洗参数并维持接触力恒定在20n至50n区间,实现了高压深刮、低压轻扫、自动跳过的自适应切换,能够有效避免防腐涂层划伤。
50、4)通过残余附着掩膜与 d* lite 局部重规划引擎的协同,仅对未达标区域重规划、仅更新受残余区域影响的节点,避免全局路径重算,有效提升了清洗覆盖率并节省算力。
51、5)通过涂层磨损指数 cwi 的在线评估,实现了涂层健康的量化监控,超阈值时自动降级清洗强度并预警,延长船体涂层使用寿命。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com