[发明专利]一种基于LSTM的可自我准确性评估的预测算法

说明书

本发明公开了一种基于LSTM的可自我准确性评估的预测算法，涉及智能制造预测算法技术领域，具体为S1、预测硬件搭载；S2、设备移动预测；S3、双重障碍检测和S4、自我准确性评估。该基于LSTM的可自我准确性评估的预测算法，雷达还可预测出被前方障碍物阻挡的障碍物并判断是活动生物、物体还是固定物体，并根据速度在距离障碍物相应位置时做好躲避准备，以便及时规避障碍物，且通过LSTM算法去除设备移动路径及其向两侧辐射5米以外的图像、数据，有利于降低该预测算法运行所需内存，而在越过障碍物时通过高速摄像头可对障碍物进行拍摄以与预测的结果进行自我比对，有利于判断预测准确性，并将并对结果上传至数据库中，以便后续对预测结果进行分析改进。

技术领域

本发明涉及智能制造预测算法技术领域，具体为一种基于LSTM的可自我准确性评估的预测算法。

背景技术

LSTM算法主要就在于它在算法中加入了一个判断信息有用与否的“处理器”，这个处理器作用的结构被称为cell，一个cell当中被放置了三扇门，分别叫做输入门、遗忘门和输出门，一个信息进入LSTM的网络当中，可以根据规则来判断是否有用。只有符合算法认证的信息才会留下，不符的信息则通过遗忘门被遗忘，其被广泛用于人机交互领域，但在智能制造领域，可自动移动的运输设备在生产后，需要对其进行算法检测。

现有的自动移动的设备通常是通过摄像头和激光测距设备搭配算法实现自动移动并躲避障碍物，但对于障碍物后方是否还具有障碍物或活动生物无法进行检测，导致自动移动设备无法及时躲避产生碰撞。

发明内容

针对现有技术的不足，本发明提供了一种基于LSTM的可自我准确性评估的预测算法，解决了上述背景技术中提出现有的自动移动的设备通常是通过摄像头和激光测距设备搭配算法实现自动移动并躲避障碍物，但对于障碍物后方是否还具有障碍物或活动生物无法进行检测，导致自动移动设备无法及时躲避产生碰撞的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于LSTM的可自我准确性评估的预测算法，所述基于LSTM的可自我准确性评估的预测算法包括下述操作步骤：

S1、预测硬件搭载：

将高速摄像头、雷达、激光测距仪搭载至设备上，高速摄像头、雷达、激光测距仪会将探测到的数据显示于屏幕上；

S2、设备移动预测：

基于LSTM算法去除设备路径及其向两侧辐射5米以外的图像、数据，并在障碍物进入雷达检测范围内时向设备发出提示；

S3、双重障碍检测：

由于雷达检测具有穿透性，可穿透障碍物后探测障碍物后是否还具有其他障碍物或生物，以便设备在移动时及时多余具有移动性质的物体、生物；

S4、自我准确性评估：

设备在接收预测提示后越过障碍物时通过高速摄像头进行拍摄，并和预测提示进行对比，从而自我判断预测准确性，并将结果上传至数据库中。

可选的，所述S1步骤中，雷达具有以设备为中心辐射半径为150-300米的探测范围。

可选的，所述S1步骤中，雷达用于探测设备移动路径上及其周边的障碍物，以及确定障碍物后方是否还有障碍物，且雷达数量为一个。

可选的，所述S1步骤中，高速摄像头具有在设备移动中拍摄清晰图像的作用，且高速摄像头的数量不定只需保障设备所有水平方向均在拍摄范围内。

可选的，所述S1步骤中，激光测距仪用于测量设备与障碍物之间的间距。

可选的，所述雷达以每秒扫描3-5次的频率以设备为中心进行扫描并显示障碍物，同时对于前进路径上前后扫描时位置不同的物体将其判断为生物，同时对设备发出提示。