[发明专利]一种基于机器视觉的太阳能板清洁系统

权利要求书

1.一种基于机器视觉的太阳能板清洁系统，具体步骤如下，其特征在于：

步骤1，高清摄像机采集现场太阳能板照片，并通过WIFI上传至上位机；

步骤2，上位机程序对图片进行多维特征向量提取；

步骤2中照片多维特征向量提取的具体步骤为：

步骤2.1，将摄像机拍摄的产品实物图进行灰度化处理，处理计算公式为：

F(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

式中，R,G,B分别代表图片的红绿蓝三颜色，F为灰度化后各像素点的值；

步骤2.2，求解F的平均值作为特征值f1，f1的计算公式如下：

步骤2.3，求解F的方差作为特征值f2，f2的计算公式如下：

步骤2.4，求解F的2阶原点矩作为特征值f3，f3的计算公式如下：

步骤2.5，计算F的直方图，仿照重心的定义，新定义分布重心f4，f4的计算公式如下：

式中，p_k是第直方图k个点对应的概率；

步骤2.6，将步骤2.2-2.5得到的特征量集合起来组成多维特征向量f，即：

f＝[f₁,f₂,f₃,f₄]；

步骤3，计算多维特征向量与预先确定的各聚类中心的欧式距离；

步骤3中计算多维特征向量f与预先确定的各聚类中心v的欧式距离的公式为：

具体的，步骤3中聚类中心v和阈值确定的步骤为：

步骤3.1，预先设定聚类中心的个数K，并初始化相应的聚类中心；

步骤3.2，计算剩余样本到每个聚类中心的欧氏距离并组成评价函数，同时将样本划分到离它最近的聚类簇中，其中的误差平方评价函数E的表达式为：

式中，c_j表示第j个类别中的样本集合，v_j是c_j内所有样本点p_i的聚类中心点，K表示聚类个数；

步骤3.3，对调整后的类簇x进行类簇中心的更新，更新规则如下：

步骤3.4，反复迭代步骤3.2-3.3，直至误差平方评价函数收敛或者达到迭代次数，此时确定各聚类中心；

步骤3.5，计算各聚类簇中样本至相应聚类中心的最大值，并以之作为该类簇的阈值；

步骤4，将最小的欧氏距离与该聚类预先确定的类簇的阈值进行对比，如果比阈值低，则认为属于该类别，同时将判断结果传送给清洁机器人和SQL数据库；否则，需要对图片和正确的类别重新进行训练，更新各类别的聚类中心和阈值后回到步骤2；

步骤5，清洁机器人完成任务，并反馈给上位机；

步骤6，上位机将完成的信号通过WIFI传送至数据库；

步骤7，数据库清除待办任务，并检查此时是否有待办任务，如果有，将数据发送重新发送至上位机程序，进入步骤2，否则，整个闭环过程结束。