[发明专利]基于遗忘因子型经验模态分解的污渍检测分析方法及应用

说明书

本发明涉及物体表面清洁技术领域，尤其涉及一种基于遗忘因子型经验模态分解的污渍检测分析方法及其应用。所述方法包括：(1)提出遗忘因子型图像/视频经验模态分解方法；(2)通过单向整定遗忘因子筛选若干内模函数，进而分析该内模函数与污渍属性/成因的相关性；(3)提取内模函数特征，实时确定对应污渍属性/成因的清洁方案。基于改进的带有遗忘因子的经验模态分解方法，将内模函数与污渍属性/成因相关联，可同时实现清洁机器人的污渍检测与任务规划的即时并发进行。

技术领域

本发明涉及物体表面清洁技术领域，尤其涉及一种基于遗忘因子型经验模态分解的污渍检测分析方法及其应用。

背景技术

本发明背景技术中公开的信息仅仅旨在增加对本发明的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。

随着我国经济与科技的不断发展，大量的物体表面清洁工作已由人工转为自动化操作。在众多针对具有不规则表面的物体清洁任务中，对物体表面的污渍进行准确检测与分析并基于此高效合理地规划清洁任务仍然有待进一步探究。

发明人在研究中发现，现今常见的清洁机器人多为简单的直行移动机械，它们大多在由地面障碍物或自行设置的红外线装置给定的移动范围内，进行往复的简单直线运动以遍历整个活动范围，达到清洁目的。

总体而言，现有的机器人清洁系统缺乏合理的任务规划机制，仅能在简单平面上依照单一的清洁标准进行简单的清洁任务，缺乏针对性，其清洁效率低下，难以适应复杂清洁任务且耗时耗能。

近年来，日益增多的不规则工业器件表面的保养清洁工作需要由清洁机器人完成以节约成本并提升效率，例如高铁等表面的自动清洁需要合理选择清洗剂、研磨剂、毛刷等，依据表面的污染情况及清洁要求使得清洁机器人以最高效率完成清洁任务。然而，本发发明人发现：针对这些不规则工业器件表面的清洁，现有的方法对污渍成因分析与任务规划还缺乏研究，这极大地限制了先进清洁机器人的发展与应用。

发明内容

针对上述的问题，本发明提出一种基于遗忘因子型经验模态分解的污渍检测分析方法及其，通过建立带有遗忘因子的经验模态分解方法，将内模函数与污渍属性/成因相关联，进而为科学合理的清洁策略提供理论指导。为实现上述目的，本发明公开了下述技术方案。

一种基于遗忘因子型经验模态分解的污渍检测分析方法，包括步骤：

(1)提出遗忘因子型图像/视频经验模态分解方法。

(2)通过单向整定遗忘因子筛选若干内模函数，进而分析该内模函数与污渍属性/成因的相关性。

(3)提取内模函数特征，实时确定对应污渍属性/成因的清洁方案。

进一步地，步骤(1)中，所述遗忘因子型图像/视频经验模态分解方法主要包括：获取污渍附着面数字化图像/视频，若为曲面信息，则生成曲面V(x，y，z)或V(x，y，z，k)信号；若为平面信息，则生成平面V(x，y)或V(x，y，k)信号，其中，V代表像素点(x，y，z)或(x，y)坐标处的数值，k代表视频帧数；然后对信号V在(x，y，z)空间或(x，y)平面内的所有极值点通过积分来获得分解结果。

进一步地，若所述信号在空间内或平面没有极值点但有拐点，则通过对数据微分一次或多次求得极值，然后再通过积分来获得分解结果。

进一步地，通过可见光或不可见光传感器，获取污渍附着面数字化图像/视频，生成平面V(x，y)或曲面V(x，y，z)的表达式。

进一步地，步骤(2)中，所述内模函数的筛选方法包括如下步骤：

(i)找到原始信号V在(x，y，z)空间或(x，y)平面内的所有极值点。