买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及垃圾回收技术领域，且公开了一种基于注意力机制的无人艇垃圾回收系统，包括电源、中央处理模块、通信模块、GPS模块、运动控制模块、垃圾回收装置以及云台相机，中央处理模块与通信模块、GPS模块、运动控制模块以及云台相机连接，该基于注意力机制的无人艇垃圾回收方法及系统，FPN层自顶向下与骨干网络特征图融合，传达强语义特征，PAN则自底向上传达强定位特征，二者结合从不同的主干层对不同的检测层进行特征聚合，使得特征在小目标语义下更加明显。

主权项：1.一种无人艇垃圾回收方法，其特征在于，包括以下步骤：第一步：无人艇在水面上巡航作业，云台相机监视水面，并将实时视频信息传输到中央处理模块；第二步：在中央处理模块使用基于注意力机制的水面垃圾检测算法进行水面垃圾检测；若未检测到目标或检测到的目标置信度低于设定的阈值，则执行第一步，若检测到目标且置信度高于设定的阈值，则执行第三步，若检测到多个置信度高于设定阈值的目标，则选择置信度最高的目标，再执行第三步；第三步：中央处理模块根据无人艇当前目标在视频画面中的位置调整云台旋转角和俯仰角，使得目标总是出现在云台相机视野中央；第四步：中央处理模块根据云台相机旋转角和俯仰角驱动无人艇靠近水面垃圾目标，判断目标是否在垃圾回收装置的工作范围内，若是，则由中央处理模块驱动垃圾回收装置进行水面垃圾回收，若否，则执行第二步；其中，第二步中的基于注意力机制的水面垃圾检测算法包括以下内容：S1：由无人艇在水面作业时，收集云台相机视角的视频，之后将视频中含有垃圾的序列间隔30帧抽取一帧图像，筛选得到图像，对图像数据进行增广，将数据集按照8:1:1随机分为训练集、验证集和测试集；S2：将经过数据增广后的训练集输入基于注意力机制的水面垃圾检测模型进行训练，数据首先通过优化后的Swin变换器主干网络提取不同尺度的数据特征图，将数据特征图输入空间金字塔池化网络，特征图经过两次上采样和两次下采样得到对称尺度的特征图，并对得到的对称尺度的特征图进行拼接，输入到预测网络；S3：预测网络对不同尺寸的特征图进行卷积获得深度C＝5+ncls×3的不同尺寸的预测特征图，其中3表示每个网格单元三个预测框，5表示每个预测框有x,y,w,h,confidence五个基本参数，ncls表示模型检测的垃圾类别数量；其中，S2中的基于注意力机制的水面垃圾检测模型包括以下结构：假设输入图像的尺寸为H,W,3，图像进入分块网络PatchPartition划分为块，获得的特征尺寸为随后，特征图经过三个不同Stage的Swin变换器注意力模块骨干网络对特征图进行编码，获得不同维度的特征图Featurestage1,Featurestage2,Featurestage3，每经过一次注意力模块，特征图尺寸减半，通道增加一倍，对应尺寸分别为 进行特征聚合的颈部网络采用的是特征金字塔FeaturePyramidNetworks，FPN与路径聚合PathAggregationNetwork，PAN相结合的方式，特征金字塔层自顶向下与骨干网络特征图融合，传达强语义特征，路径聚合则自底向上传达强定位特征，二者结合从不同的主干层对不同的检测层进行特征聚合，颈部网络主要由空间金字塔池化结构SPP、融合层concat、上采样层UpSample、改进卷积块层CBS以及CSPCrossStagePartial层构成；聚合后的特征分别进入预测层，经过一次卷积后，维度分别为 其中C＝5+ncls×3，H、W分别为图像的高度和宽度，不同维度的特征图用于检测小、中、大目标，每个网格包含3个预测框，每个预测框含有目标的置信度和预测框位置信息，再通过非极大值抑制NMSNone-MaximumSuppression对重复冗余的预测框进行剔除，保留置信度最高的预测框信息，从而完成目标检测过程；其中，不同Stage的Swin变换器注意力模块，包含以下结构：线性嵌合模块、块合并模块以及Swin变换器块；线性嵌合模块由卷积层构成，将分块网络的输出提取成指定通道数的特征图，方便后续Swin变换器块处理。

全文数据：

权利要求：

百度查询： 广东工业大学 一种无人艇垃圾回收方法及系统