基于视觉识别的水面垃圾清理机器人-首页-中国宋庆龄基金会少年儿童发明奖

第二作者人所在学校:合肥市第八中学

第二作者人所在年级:高一

辅导教师姓名:容兰

*结构组成:

结构组成主要包括装置机体、传送装置、存储装置、升降装置、行进装置、视觉识别装置、太阳能板装置。主要部分有:浮体、U形底板、垃圾筐、传送带、感光太阳能板、视觉传感器、推杆、平衡光杆、传送带横梁、收拢装置、气泵。

*主要特征:

主要特征在于:包括漂浮壳体、传送带抬升装置、垃圾收集装置、行进装置、供能及电控装置;漂浮壳体承载装置整体,两块浮体上方用大底板固定连接,传送带抬升装置固定在大底板与摄像头支撑横梁间,垃圾收集装置分为负压聚拢吸引垃圾与水流清理装置、传送装置,行进装置的三叶螺旋桨对称安装在装置机体后端,并通过无刷电机控制旋转。

*主要用途:

能够在各种恶劣条件下,人机分离,实现对水面垃圾进行有效识别、收集、清理。

*创新点:

1、采用数字信号处理,提供了特殊条件下专网中监控信号的实时、可靠的数据传输。

2、本装置采用传送带模式的收集方式,利用气泵进行更加有效的收集。

3、本装置在储存箱的上面装有太阳能电池板,续航性好,使之能够持久的保持运行。

4、在储存箱的四周还有特殊设计的丝杠系统,通过它能够控制传送带的高低升降,适用范围更广。

5、本设计采用可拆卸的机械零件,便于安装者的简单装配安装使用以及后续的维护与升级。

*问题提出:

*提出的问题和解决的问题:

提出:

1、不同水域的水上漂浮物主体存在形式;

2、水体垃圾治理普遍流程及注意要点;

3、现有常用水面垃圾收集设备的优缺点;

解决:

1、参考不同水域的水上漂浮物主体存在形式,建立垃圾收集数据库并借助大数据技术分析,快速提供收集规划方案;

2、当进行大规模、高强度垃圾收集任务时,提供多机联机工作,统一规划、统一操作;

3、借助无人机、卫星地图和人工导入等多种方式,快速、精准地生成垃圾收集工作路径。

研究问题的原因和意义:

在面对水面垃圾时,我国政府大多还是采用人力打捞方式,但存在严重的安全隐患和劳动力浪费等情况,随着技术的不断完善人船分离的打捞模式必将代替现有的垃圾收集模式,操作人员可通过DSP·WDR技术对各种条件下的水面清理装置进行精准、及时的信号实时监控和传送信号指令,可适用于城市内河的垃圾打捞、旅游景区的内河、湖面等静水水域、一些狭长的静水水域和浅水区。

*解决方案:

解决问题的办法:

基于视觉识别的水面垃圾清理机器人,针对现有的环保机器人加以改造创新,设计了光伏电板实现更长时效的垃圾打捞,传送带处设计了升降装置以及垃圾聚拢装置实现各类垃圾的打捞,设计了全视角的导航监控装置,识别垃圾并由人工通过无线数台进行远程操控。通过传送装置的优化、丝杠系统的设计、能源转化及信息传送的改进,防止因为垃圾的堆积导致自然生态的失衡,使自然生态保持在平衡的状态。

发明研究的重点:

1、基于视觉识别的水面垃圾清理机器人内部各机构驱动智能化、系统化研究;

2、基于视觉识别的水面垃圾清理机器人坐标算法路径规划设计;

3、基于视觉识别的水面垃圾清理机器人垃圾收集,垃圾处理等多场景适用研究。

发明研究的难点:

1、实现基于视觉识别的水面垃圾清理机器人各机构集约化、轻便化的结构设计;

2、从全局路径规划和局部路径规划角度对移动机器人路径规划的研究方法进行分析与总结,以及移动机器人路径规划算法的未来发展趋势;

3、对中控、抬升、行进、加热四大功能部分进行数据实时采集、分析和反馈,以实现基于视觉识别的水面垃圾清理机器人作中的可控化、可视化;

4、多次实验研究,设计粒子群智能算法,深入改进算法,以实现其较强的安全性实时性及寻优能力。

本发明使用方法、附图说明性文字:

本着实用化与绿色化的设计理念,通过人工操作端,使用操作软件对水面清理机器人进行人工控制,对水面的垃圾及浮萍进行精准清理,也可以运行自动化程序,由水面清理机器人自行在指定区域运作,进行高效清理。

*使用或试用效果:

本项目采用的技术是:垃圾收集装置分为负压聚拢吸引垃圾与水流清理装置、传送装置,行进装置的三叶螺旋桨通过无刷电机控制旋转,设计巧妙,结构紧凑,体积小,适用水域范围广,污染小;智能化程度高,打捞效率大大提高,使用方便,控制精确,稳定性好。针对于粒子群群智能算法,用栅格法建模,然后用粒子群算法寻优,有效缩短了解算最优解的耗时,减少了航行转向点数,得到更优的路径解,提高了算法的可行性和有效性。

*优点:

1、采用计算机远程控制,以便实现远程、实时、高效的运动控制,无人、高速、机动灵活、适应各种气候环境、性价比高等优势。

2、提供了特殊条件下专网中监控信号的实时、可靠的数据传输。

3、自主移动:储存箱后方的左右两侧装有两个可相互配合的螺旋桨,可供操作者进行远程操控机器的移动。

4、机器前方装有的聚集管与气泵相配合,聚集管的内侧有数干个气孔,使两杆之间的水面垃圾向内测集中,使之能够有效的被收集

*还需进一步研究的问题:

1、建立全面的路径编程系统,局部路径规划依靠传感器获取周围环境信息和机器人的位置,将各种传感器信息融合后建立环境模型,再通过算法进行路径规划。

2、建立水样采集及清油污系统,搭建多种自主研制的水质监测仪器,实现任意水域、全天候、原位和低成本水质监测与预警。

3、构建强度高且质轻的机械手装置,机械手可以通过岸上人员的操控抓取船首前方水平漂浮物,并将其准确放置在船体中部的置物仓中。

THE END
1.视觉识别算法介绍如何实现视觉识别视觉识别算法介绍 本文介绍了视觉识别算法在计算机视觉中的重要性,包括图像预处理、特征提取、匹配和识别等步骤,以及常见的边缘检测、目标检测和物体识别算法。此外,还探讨了这些技术在人脸识别、图像搜索、自动驾驶和医学影像识别等领域的应用。 摘要由CSDN通过智能技术生成https://blog.csdn.net/m0_72410588/article/details/131885622
2.封面人物沈春华:做简单高效的人工智能算法,让机器“看”得更清楚让视觉识别更加灵敏 给机器一张图片或者一段视频,如何把目标信息找出来?现在常用的是基于锚定框(anchorbox)的目标检测算法,预先设计好不同的模板,让算法在经过“训练”之后利用最匹配的模板检测并识别出目标。 “业界之前普遍认为,去掉锚定框会大大降低识别效果。缺点是算法设计比较复杂,锚定框数量非常多,比如小汽车https://www.zju.edu.cn/2022/0723/c41533a2605540/page.htm
3.虹软视觉开放平台—以免费人脸识别技术为核心的人脸识别算法开放虹软视觉开放平台基于专业的人脸识别算法,为用户免费提供人脸识别技术为支撑的人脸检测、人脸比对、人脸追踪、活体检测、人证比对等产品。提供人脸识别门禁、人脸识别考勤等产品解决方案,致力于为创业团队提供人脸识别技术赋能。https://www.arcsoft.com.cn/ai/sdk
4.视觉识别现代物体检测算法的基础是深度学习,常见的物体检测算法有RCNN、Fast RCNN、Faster RCNN、YOLO、SSD等。其中,YOLO和SSD是速度较快且适合实时场景的算法,而Faster RCNN则是当前目标检测效果最好的算法之一。 物体检测的应用场景非常广泛,如智能安防、自动驾驶、工业生产等。 场景分析 编辑本段 视觉识别是一种基于图https://vebaike.com/doc-view-942.html
5.从单幅图像到双目立体视觉的3D目标检测算法机器之心从单幅图像到双目立体视觉的3D目标检测算法 一.导言 经典的计算机视觉问题是通过数学模型或者统计学习识别图像中的物体、场景,继而实现视频时序序列上的运动识别、物体轨迹追踪、行为识别等等。然而,由于图像是三维空间在光学系统的投影,仅仅实现图像层次的识别是不够的,这在无人驾驶系统、3604f85d04>增强现实技术等领域https://www.jiqizhixin.com/articles/2019-08-01-13
6.改进YOLOv5s的交通标志识别算法改进YOLOv5s的交通标志识别算法 摘要:为了准确且实时地检测到交通标志指示牌, 减少交通事故的发生和推动智慧交通的发展, 针对现有的道路交通标志检测模型存在的精度不足、权重文件大、检测速度慢的问题, 设计了一种基于计算机视觉技术的改进YOLOv5s检测算法YOLOv5s-GC. 首先, 使用copy-paste进行数据增强后再送入网络https://c-s-a.org.cn/html/2022/12/8859.html
7.机器视觉方向最常用的21种算法机器视觉视觉检测设备机器视觉是一门前沿而又引人入胜的领域,它的应用涵盖了各个行业。在这个领域中,有许多算法被广泛应用,它们帮助我们实现了从图像识别到目标追踪的各种任务。本文将为大家介绍机器视觉方向最常用的21种算法,让我们一起来探索这个神奇的世界吧! 1、机器视觉方向最常用的21种算法 https://www.0755vc.com/15710.html
8.基于高斯混合基于高斯混合-隐马尔科夫融合算法识别奶牛步态时相[J]. 智慧农业(中英文), 2022, 4(2): 53-63. doi:10.12133/j.smartag.SA202204003 ZHANG Kai, HAN Shuqing, CHENG Guodong, WU Saisai, LIU Jifang. Gait Phase Recognition of Dairy Cows based on Gaussian Mixture Model and Hidden Markov Model[J]https://www.smartag.net.cn/article/2022/2096-8094/2096-8094-2022-4-2-53.shtml
9.自动驾驶之感知算法3.使用深度学习识别灯颜色的变化(分为检测和颜色分类两步) 一条道路上有很多红绿灯,检测算法会把所有的灯都检测出来,地图会告知需要看几个灯,但是并不知道看哪几个灯。因此需要把对应关系匹配起来,需要做3D到2D的投影,投影又受到标定、定位、同步、地图等因素的影响,需要综合考虑 https://www.jianshu.com/p/bd61b7400cda
10.AI综述专栏图像物体分类与检测算法综述腾讯云开发者社区实例层次: 针对单个物体实例而言,通常由于图像采集过程中光照条件、拍摄视角、距离的不同,物体自身的非刚体形变以及其他物体的部分遮挡使得物体实例的表观特征产生很大的变化,给视觉识别算法带来了极大的困难。 类别层次: 困难与挑战通常来自三个方面,首先是类内差大,也即属于同一类的物体表观特征差别比较大,其原因有https://www.cloud.tencent.com/developer/article/1628228