[发明专利]一种用于笼养肉鸽料槽剩料的判别方法

权利要求书

1.一种用于笼养肉鸽料槽剩料的判别方法，其特征在于：由移动机器人与两个检测机构组成的装置实现，其中，两个检测机构分别安装在移动机器人的左、右两侧，检测机构包括深度相机与超声波测距传感器；移动机器人中部设置一个深度相机；具体方法为：

步骤A：基于移动机器人的深度相机，获得深度神经网络的第一数据集；

步骤B：将第一数据集放入深度神经网络进行模型迭代训练后，获得第一目标检测框，通过第一目标检测框并结合实地测量数据值，确定鸽笼两侧边缘；采用区域像素特征算法去除伪边缘点，获得道路中点与左、右边缘点，进而拟合得到移动机器人的导航线；

步骤C：基于移动机器人的深度相机，获得深度神经网络的第二数据集；

步骤D：将第二数据集放入深度神经网络中进行模型迭代训练后，获得第二目标检测框；通过第二目标检测框中心点的坐标信息，获得料槽侧面中心点与深度相机坐标系的相对位置；

步骤E：首先，控制移动机器人沿着导航线运行，当移动机器人位于最近料槽位置时，移动机器人停止运行；然后，基于两个检测机构的深度相机，分别获取两侧料槽图像；对料槽图像进行预处理、阈值分割处理后，结合超声波测距传感器数据并进行不同补偿权重分配，判断料槽剩料情况；

其中，对料槽图像进行预处理、阈值分割处理具体为：

首先，将进行降噪处理后的料槽图像转换为HSV格式，从而获取到料槽图像的每一个像素点的HSV颜色空间值；然后，根据V分量颜色空间对每一列的每一个像素对应的V分量值，获得X_i-col的一维矩阵[v_1i,v_2i,…，v_ni]；之后，对X_i-col的一维矩阵进行v_(i+1)i-v_(i)i的迭代计算，当其差值的绝对值大于预设阈值V_limit时，获得n个阈值边界点，取最后一个边界点为X_i-col的一维矩阵的边界点X_b；最后，对每一列进行上述操作，提取出阴影的上轮廓曲线，结合料槽图像的底部边缘，获得料槽正投影阴影轮廓面积；

结合超声波测距传感器数据并进行不同补偿权重分配、获得料槽剩料情况具体为：

首先，超声波测距传感器分别获取超声波到料槽内部左侧点的距离D_l、超声波到料槽内部中点的距离D_c、及超声波到料槽内部右侧点的距离D_r，获取回归曲线：

W＝kD+b；

式中：W表示补偿权重，其包括左侧点补偿权重W_l、中点补偿权重W_c与右侧点补偿权重W_r；k、b为常数值；

根据补偿权重与正投影阴影轮廓曲线，获得正面最终轮廓曲线X_bN：

X_bN＝W·X_b；

进而获得料槽内的剩料情况。

2.根据权利要求1所述的一种用于笼养肉鸽料槽剩料的判别方法，其特征在于：所述步骤A获得第一数据集的具体步骤为：首先，通过深度相机获取鸽场实地环境、多种真实光照条件下的640*360的养殖道路图片N张；然后，经图像预处理后，将采集到的图像采用labelimg工具进行标注，标注出其鸽笼边缘的支撑杆，从而获得第一数据集。

3.根据权利要求1或2所述的一种用于笼养肉鸽料槽剩料的判别方法，其特征在于：所述步骤B中基于Yolov5s作为基础框架搭建目标识别网络模型。