[发明专利]机器人视觉的集中风系统内部霉菌与积尘辨识方法及应用

说明书

一种机器人视觉的集中风系统内部霉菌与积尘辨识方法，通过搭载高清摄像机的可移动式管道机器人实现对通风系统内部全景视频流的采集，结合多种算法对包含霉菌及积尘的图帧进行光照度还原、噪声剔除及图像增强，通过深度神经网络的构建实现霉菌与积尘图像特征的辨识。应用方面可根据定期巡检的视频采样数据，引入大数据分析的方法揭示风管道内部何处易产生积尘与霉菌为通风系统定期、定向清洗提供依据。本发明方法针对目前集中风系统中的霉菌与积尘的检测主要依赖生物学采样培养的方法其耗时较长且只能针对通风系统的某些部件进行分析的缺陷，可大幅提升上述物质的检出效率，为集中通风系统内部环境可视化诊断及定量化评价方法的建立提供支撑。

技术领域

本发明属于计算机图像识别技术领域，涉及基于机器人视觉的物体检测分类方法，尤其是基于机器人视觉的集中风系统内部霉菌与积尘辨识方法。

背景技术

我国公共建筑面积超过128亿平方米(2020年数据)，其中超过20％设有集中空调通风系统。该系统主要包括新风口、送排风机、过滤器、通风管道等，可以控制和调节室内空气的温湿度，提供新鲜干净的空气并去除室内污染物，为人们创造舒适、健康的室内环境。一方面，送往室内环境的空气不可避免地与空调通风系统接触，而二者之间的接触可能改变空气的原有组分。另一方面，空调通风系统的正常运行也可能改变室内空气的组成，不管是运行本身，还是集中通风系统的相关参数设定。前者主要指通风系统内存在的不同组分对室内空气产生了直接影响，比如系统内的积尘颗粒物、微生物(如积尘伴生霉菌、细菌)等随气流进入室内；后者既包括换气次数、气流组织等参数对室内空气的影响，也包括该系统整体可作为传播通道(由送风和回风形成的空气循环回路)，将空气中已有的污染物(如致病菌)从某一室内环境输送到更多的室内环境，引起范围更广的室内人员健康问题。在COVID-19肆虐的当下，在病毒微生物通过集中空调通风系统传播的机理尚未揭示前，研究集中通风系统内部环境可视化诊断及定量化评价方法与相关技术具有重要意义。

机器人在集中通风系统中通过视觉辨识可见污染物(霉菌与积尘)需要借助图像识别技术。该技术是一种利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，在以图像为主体的智能化数据采集与处理中具有十分重要的作用和影响。使用图像识别技术能够有效地处理特定目标物体的检测和识别、图像的分类标注以及主观图像质量评估等问题。

早期的图像识别系统主要采用尺度不变特征变换和方向梯度直方图等特征提取方法，然后将提取到的特征输入至分类器中进行分类识别。这一时期的图像识别系统一般都是针对某个特定的识别任务，且数据的规模不大，泛化能力较差，难以在实际应用问题当中实现精准的识别效果。随后，基于卷积神经网络的深度学习模型在大规模图像分类任务上取得了非常显著的性能提升，掀起了深度学习研究的热潮。以深度神经网络为底层的机器视觉很快拓展到千万数量级的图像分类、无人驾驶技术、人脸精细化识别及人体运动姿态估计等众多领域。深度学习利用卷积神经网络的卷积层、池化层和全连接层等基本结构，就可以让该网络自己学习和提取相关特征，并加以利用。这种特性为许多研究提供了许多便利，可以省略过往非常繁杂的建模过程。在与本发明相关的机器视觉进展方面，现阶段已有学者将图像识别应用于稻谷霉变真菌的自动化检测及生物菌落形态的分类筛选研究中，尚未有研究将机器视觉与近似“黑箱”的建筑集中通风系统内部环境的可视化相关联。

发明内容

本发明的目的是针对上述问题提供一种基于机器人视觉的集中风系统内部霉菌与积尘辨识方法。通过机器人视觉的引入实现平时无法监测(相对“封闭”)的集中风系统内部环境探测，为集中风系统的定期、定向消毒清洗提供依据，保障室内人员健康。

为达到上述目的，本发明采用的技术方案是：

通过搭载高清摄像机的可移动式管道机器人解决通风系统内部全景视频流的采集难题，结合多种算法对包含霉菌及积尘的图帧进行光照度还原、噪声剔除及图像增强等，通过深度神经网络的构建实现霉菌与积尘图像特征的精准分类。包括以下步骤：