[发明专利]一种智能清洁方法、装置、电子设备以及存储介质

说明书

本发明提供了一种智能清洁方法、装置、电子设备以及存储介质。其方法包括：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。本发明通过环境识别模块高效准确的识别污渍类型，通过路径规划模块对清洁路径进行规划，得到最优清洁路径提高清洁效率。

技术领域

本发明涉及人工智能领域，尤其涉及一种智能清洁设备的控制方法。

背景技术

近年来，智能清洁设备得到了快速发展，对于这类智能清洁设备来说，最重要的一点就是实现对未知环境的全面、高效清洁。目前大部分智能清洁设备虽然也能实现较高的清洁率，但是主要有以下问题：第一、传统的智能清洁设备的随机清洁模式并未对清洁路径进行规划，经常遗漏大量未清洁区域，而对于已清洁区域则经常进行重复清洁，导致清洁效率很低；第二、传统的清洁机设备无法精确有效的识别不同污渍，根据不同污渍类型选择合适的清洁方式进行清洁。

发明内容

有鉴于此，有必要提供一种智能清洁方法、装置、电子设备以及存储介质用于解决现有技术中传统的清洁设备重复清洁效率低下，无法准确识别不同污渍，针对不同污渍选择合适的清洁方法的问题。

本发明提供了一种智能清洁方法，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。

在一些可能的实现方式中，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。

在一些可能的实现方式中，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。

在一些可能的实现方式中，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。