[发明专利]一种智能清洁方法、装置、电子设备以及存储介质

权利要求书

1.一种智能清洁方法，其特征在于，包括：

获取训练完备的环境识别集成模型，所述环境识别集成模型包括污渍识别模型；

获取包含有待识别物体的环境图像，将所述环境图像输入到污渍识别模型进行污渍识别，确定污渍类型；

构建路径规划模型；

获取待清洁物体表面污渍的位置信息以及待清洁物体上障碍物的信息，并基于所述路径规划模型对清洁路径进行规划，确定最优清洁路径；

根据所述污渍类型选择对应匹配的清洁方式，并按照所述最优清洁路径进行清洁。

2.根据权利要求1所述的一种智能清洁方法，其特征在于，所述污渍识别模型包括MobileNetV2模型和贝叶斯多层感知机制模型；

所述MobileNetV2模型包括依次连接的1*1的点卷积层、3*3的深度卷积层和1*1的点卷积层；

所述贝叶斯多层感知机制模型包括输入层、贝叶斯隐藏层、输出层。

3.根据权利要求2所述的一种智能清洁方法，其特征在于，将所述环境图像输入到污渍识别模型进行污渍识别，确定污渍类型，包括：

将所述包含待识别物体的环境图像，输入到MobileNetV2模型进行特征提取，通过依次连接的所述1*1的点卷积层、3*3的深度卷积层和1*1的点卷积层对所述环境图像进行卷积操作，获得污渍特征图；

根据所述污渍特征图以及所述贝叶斯多层感知机制模型对污渍类型进行识别，确定不同污渍类型概率的大小。

4.根据权利要求1所述的一种智能清洁方法，其特征在于，所述环境识别集成模型还包括蒙特卡洛抽样模和概率校准模型；

根据所述蒙特卡洛抽样模型，对所述污渍识别模型识别的污渍特征图进行抽样得到抽样样本集，并确定所述抽样样本集中污渍类型识别正确的概率；

当识别正确的概率小于设定的概率阈值时，构建不确定性量化模型得到污渍识别模型识别概率不确定性、污渍识别模型参数不确定性和污渍识别模式数据获取不确定性；

根据所述污渍识别模型识别概率不确定性、污渍识别模型参数不确定性和污渍识别模式数据获取不确定性，通过概率校准模型对污渍识别模型识别正确的概率进行校准。

5.根据权利要求4所述的一种智能清洁方法，其特征在于，根据所述污渍识别模型识别概率不确定性、污渍识别模型参数不确定性和污渍识别模式数据获取不确定性，通过概率校准模型对污渍识别模型识别正确的概率进行校准，包括：

将所述污渍识别模型识别概率不确定性、污渍识别模型识别参数不确定性和污渍识别模型数据获取不确定性，作为污渍识别模型的影响参数输入到污渍识别模型中，对污渍识别模型的正确识别污渍类型的概率进行校准；

当所述校准后的正确识别污渍类型的概率与所述概率阈值的差值小于最大校准误差时得到校准完备的污渍识别模型。

6.根据权利要求4所述的一种智能清洁方法，其特征在于，构建不确定性量化模型得到污渍识别模型识别概率不确定性、污渍识别模型参数不确定性和污渍识别模型数据获取不确定性，包括：

获取抽样样本集中每个样本识别时的识别参数组成识别参数集，以及每个样本识别正确的概率和识别错误的概率，得到概率样本集；

将所述参数样本集和概率样本集，输入不确定性量化模型到进行不确定性量化得到污渍识别模型识别概率不确定性、污渍识别模型识别参数不确定性和污渍识别模型数据获取不确定性。

7.根据权利要求6所述的一种智能清洁方法，其特征在于，所述根据所述待清洁物体表面污渍的位置信息以及待清洁物体上的障碍物位置信息，基于所述路径规划模型对清洁路径进行规划，确定最优清洁路径，包括：

根据待清洁物体表面污渍的位置信息以及待清洁物体上障碍物的信息，构建环境地图的坐标系，确定污渍和障碍物在所述环境地图上的位置信息；

根据所述确定污渍和障碍物在所述环境地图上的位置信息，基于人工蜂群算法，对清洁路径进行规划，确定最优清洁路径。