用于柔性电子皮肤的接触坐标识别与受力分级方法和系统与流程

本发明涉及仿生机器人触觉感知，尤其是指一种用于柔性电子皮肤的接触坐标识别与受力分级方法和系统。

背景技术：

1、随着仿生机械手、康复假肢、穿戴式人体压力监测设备、工业柔性夹持装置逐步落地量产，大面积二维网格柔性电子皮肤得到广泛普及，设备运行核心控制需求集中于精准判定接触坐标与多梯度受力等级。当前市面配套触觉识别算法大多以材质分类为核心任务，仅简单提取全局压力均值，缺少针对网格空间分布、梯度压力变化的专属特征提取逻辑；同时传统算法普遍采用单一标准cnn网络，模型参数量大、推理耗时久，难以部署8位、32位低功耗嵌入式芯片。当出现多点同步接触、微小压力触碰、环境温度波动等工况时，传统算法极易出现接触坐标偏移、受力档位混淆、小样本识别失效等问题，无法满足机器人闭环力控、假肢实时力反馈、人体压力分级预警等高精度使用需求。

2、综上，现有方法的缺点包括：

3、传统触觉识别算法核心任务偏向材质区分，未构建适配二维阵列的位置-压力联合特征体系，无法充分挖掘网格空间分布与压力梯度变化信息，多点重叠接触场景下接触坐标定位误差大、多档受力等级混淆严重。

4、2. 现有算法仅固定使用单一cnn网络，无法根据接触复杂程度、硬件算力灵活切换，简单单点接触场景算力浪费，复杂多点场景识别精度不足。

5、3. 模型离线训练完成后权重永久固化，无在线自适应修正机制，面对渐变压力、高低温环境、微量轻触小样本时，定位偏差与受力分级误判率显著上升。

6、4. 缺少微量接触虚拟样本扩充流程，低压力单点样本数量稀缺时模型拟合效果差；未针对网格冗余信号设计筛选逻辑，大量无效网格数据拉长推理延迟，难以满足设备毫秒级实时控制要求。

7、综上，现有方法主要存在柔性电子皮肤的接触坐标识别、受力分级分析精度低、无法满足机器人闭环力控、假肢实时力反馈、人体压力分级预警等高精度使用需求的问题。

技术实现思路

1、为此，本发明所要解决的技术问题在于克服现有技术中柔性电子皮肤的接触坐标识别、受力分级分析精度低、无法满足机器人闭环力控、假肢实时力反馈、人体压力分级预警等高精度使用需求的问题。

2、为解决上述技术问题，本发明提供了一种用于柔性电子皮肤的接触坐标识别与受力分级方法，包括：

3、步骤s1：对柔性电子皮肤进行接触，采集接触后柔性电子皮肤的二维网格阵列数字信号；

4、步骤s2：提取所述二维网格阵列数字信号的若干核心特征；

5、步骤s3：根据所述若干核心特征和用于控制柔性电子皮肤的嵌入式芯片实时算力选择对应的算力模型；

6、步骤s4：将所述若干核心特征输入算力模型，通过算力模型输出柔性电子皮肤接触部位的网格坐标、多梯度受力等级。

7、在本发明的一个实施例中，所述步骤s2提取所述二维网格阵列数字信号的若干核心特征的方法包括：

8、网格空间坐标分布特征；

9、多通道压力梯度幅值特征；

10、压力动态变化速率特征；

11、多点接触重叠掩膜特征。

12、在本发明的一个实施例中，网格空间坐标分布特征，其中，为二维网格触觉矩阵中网格到网格接触质心的欧氏距离，为所有有效接触点到接触质心的欧氏距离中的最大值，有效接触点集合，为压力阈值，为有效接触点数；

13、压力梯度幅值特征，其中，为二维网格触觉矩阵在网格坐标处的压力值；空间差分算子为处的压力梯度向量，由空间差分算子分别在水平、垂直方向对偏导得到；为梯度幅值；

14、压力动态变化速率特征，其中，为网格在当前采样时刻的压力值；为同一网格在前一采样时刻的压力值；为采样间隔；

15、多点接触重叠掩膜特征，其中，为重叠接触点数，重叠指两个及以上独立接触区域的压力分布范围在网格上共享同一网格。

16、在本发明的一个实施例中，所述步骤s3的算力模型按算力从低到高依次包括四组，分别为：

17、第一组：简化核模型ls-svm或加权分层knn；

18、第二组：轻量化树模型lightgbm；

19、第三组：轻量化卷积组shufflenetv2或ghostnet；

20、第四组：微型transformer组tinyvit。

21、在本发明的一个实施例中，所述步骤s3根据所述若干核心特征和用于控制柔性电子皮肤的嵌入式芯片实时算力选择对应的算力模型的方法包括：

22、构建两组判定指标，分别为指标一和指标二，其中，

23、所述指标一为网格接触复杂度分数，其计算公式为：，其中，为网格接触复杂度分数且；、、、为各特征对应的权重系数，满足；为网格空间坐标分布特征，为压力梯度幅值特征，为压力动态变化速率特征，为多点接触重叠掩膜特征；

24、所述指标二为嵌入式芯片实时算力剩余率，其计算公式为：，其中，为算力剩余率；为芯片最大算力；，其中，为系统空闲基础算力消耗，为复杂度-算力转换系数，为指标一对应的网格接触复杂度分数；

25、根据所述指标一和指标二设置三级调度规则，包括：

26、当且时，判定为低复杂度样本，调度lightgbm或加权分层knn模型；

27、当且时，判定为中等复杂度样本，调度shufflenetv2或ghostnet模型；

28、当且时，判定为高复杂度样本，启用tinyvit模型；当时，判定为硬件算力不足，强制降级切换至ls-svm模型;

29、其中，、分别为网格接触复杂度分数的中低复杂度分界阈值与中高复杂度分界阈值，满足，、、分别为调度低、中、高复杂度算力模型所需的最低算力剩余率阈值，满足。

30、在本发明的一个实施例中，所述步骤s4该包括通过对算力模型进行训练，训练中采用的损失函数公式的公式为：

31、；

32、其中为总损失函数；为接触坐标识别任务的损失函数，所述接触坐标识别任务的损失函数采用平滑l1损失：，其中为网格的预测接触坐标与真实接触坐标的偏差，；为受力等级分类任务的损失函数，采用交叉熵损失；为坐标识别任务的独立损失权重且取值范围均为[0,1]，为受力分级任务的独立损失权重且取值范围均为[0,1]，满足。

33、在本发明的一个实施例中，所述步骤s1还包括对接触后柔性电子皮肤的二维网格阵列数字信号进行预处理：

34、通中值滤波过消除二维网格阵列数字信号的噪声，并将二维网格阵列数字信号对应的原始数值线性映射至0~1归一化区间，最终输出二维网格触觉矩阵。

35、为解决上述技术问题，本发明提供了一种用于柔性电子皮肤的接触坐标识别与受力分级系统，包括：

36、采集模块：用于对柔性电子皮肤进行接触，采集接触后柔性电子皮肤的二维网格阵列数字信号；

37、提取模块：用于提取所述二维网格阵列数字信号的若干核心特征；

38、选择模块：用于根据所述若干核心特征和用于控制柔性电子皮肤的嵌入式芯片实时算力选择对应的算力模型；

39、计算模块：用于将所述若干核心特征输入算力模型，通过算力模型输出柔性电子皮肤接触部位的网格坐标、多梯度受力等级。

40、为解决上述技术问题，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在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如上述用于柔性电子皮肤的接触坐标识别与受力分级方法的步骤。

41、为解决上述技术问题，本发明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，实现如上述用于柔性电子皮肤的接触坐标识别与受力分级方法的步骤。

42、本发明的上述技术方案相比现有技术具有以下有益效果：

43、本发明所述的用于柔性电子皮肤的接触坐标识别与受力分级方法摒弃传统材质优先的算法设计思路，以接触位置、梯度受力等级为双核心任务，构建专属二维网格位置-压力联合特征提取体系，搭配坐标、受力独立损失权重同步优化，大幅降低多点重叠接触下坐标偏移量，显著提升多档位压力分级识别准确率，贴合机器人、假肢闭环力控核心使用需求；

44、本发明搭建兼容轻量化卷积、微型transformer、lightgbm、ls-svm、加权knn的多类型轻量化模型池，通过网格接触复杂度、嵌入式硬件剩余算力双条件自适应调度，单点轻触、多点复杂接触场景自动匹配最优低算力模型，兼顾实时推理速度与识别精度，适配高低各类功耗嵌入式硬件；

45、本发明具备高度独立性，不绑定专用触觉采集硬件，可兼容任意通道、任意尺寸柔性电子皮肤阵列；全部轻量化模型可本地部署于 mcu、fpga，无需外接上位机运算，设备小型化、便携式落地难度低，覆盖仿生机械手、康复假肢、穿戴压力监测、工业柔性夹持多类触觉控制场景。