【技术实现步骤摘要】
本专利技术属于智能巡检，尤其涉及一种养殖场智能巡检车的导航精度自检系统。
技术介绍
1、随着现代养殖业的发展，养殖场的规模不断扩大，传统的人工巡检方式已经无法满足高效率和精细化管理的需求。智能巡检车作为一种新兴的自动化设备，通过搭载传感器和执行机构，能够实现对养殖场环境的实时监测和自动化管理。然而，智能巡检车本身存在导航偏差累积问题，在长时间运行后，由于传感器误差、车轮打滑等因素，智能巡检车可能产生导航偏差累积，导致巡检路径偏离预定轨迹。养殖场环境多变，现有智能巡检车在面对环境变化时，如地面湿滑、障碍物移动等，导航系统的环境适应性不足，难以快速调整导航策略。同时，缺乏自检与校准机制，现有智能巡检车缺少自动检测导航精度的功能，主要依赖人工定期校准，这不仅增加了维护成本，也难以保证校准的及时性。并且由于导航精度问题，智能巡检车收集的环境监测数据可能存在偏差，使数据准确性受影响，进而影响对养殖场环境的准确评估和管理决策。由此得知，智能巡检车的导航精度直接关系到巡检效果和数据准确性，现有的智能巡检车大多缺乏有效的自我检测和校准机制，一旦导航系统发生偏差，将影响整个巡检流程的效率和质量。因此，迫切需要一种养殖场智能巡检车的导航精度自检系统在智能巡检之前先完成导航精度自检，自动检测并校准导航精度，来确保巡检数据的准确性。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种养殖场智能巡检车的导航精度自检系统，包括：
2、数据采集模块，用于实时采集养殖场的环境参数和智能巡检车的
3、数据处理模块，与所述数据采集模块连接，用于对所述环境参数和状态参数先进行数据整合，然后进行数据处理和分析，获得目标数据集；
4、模型构建模块，与所述数据处理模块连接，用于构建初始多模态网络模型，并基于所述目标数据集对所述初始多模态网络模型进行训练，获得目标多模态网络模型；
5、监控预测模块，与所述模型构建模块连接，用于基于所述目标多模态网络模型对智能巡检车的运行状态进行实时监测，根据监测结果当检测到的实际路径与预设路径发生偏差，自动触发自检算法进行路径校准。
6、优选地，所述数据采集模块包括第一采集单元、第二采集单元；
7、所述第一采集单元用于基于分布式传感器对养殖场的环境参数进行收集，获得环境图像；
8、所述第二采集单元用于采集智能巡检车的状态参数；
9、所述智能巡检车的状态参数包括但不限于智能巡检车的实时位置、速度、加速度、方向。
10、优选地，所述分布式传感器包括但不限于激光雷达、摄像头、工业全景相机；
11、所述工业全景相机设置于智能巡检车的车顶，用于获取养殖场的道路全景图像；
12、所述工业全景相机包括自动控制单元、拍照电平控制电路单元、倾斜摄影测量单元；
13、所述拍照电平控制电路单元设有柔性排线，所述倾斜摄影测量单元通过所述柔性排线与所述自动控制单元柔性连接；所述柔性排线用于控制所述相机的开/关机、拍照、调焦、以及对所述相机的状态进行反馈检测，检测所述相机是否开机/关机，检测所述相机是否完成拍照动作以及所述相机的实时状态；
14、所述倾斜摄影测量单元与所述拍照电平控制电路单元连接；
15、所述倾斜摄影测量单元包括五个高精度的相机，所述相机相互倾斜，互成90度垂直角度的摆放；
16、所述第二采集单元至少包括gps单元、imu激光雷达；
17、所述gps单元用于获取智能巡检车的实时位置；
18、所述imu激光雷达用于获取智能巡检车的速度和方向信息。
19、优选地，所述数据处理模块包括数据处理单元、图像处理单元、特征提取单元；
20、所述数据处理单元用于对原始数据进行去噪后，转换为文本数据，然后将不同源和格式的文本进行合并；
21、所述图像处理单元用于对环境图像进行像素预处理后，然后进行图像校正，获得目标图像；
22、所述特征提取单元用于对处理后的图像和数据进行特征提取。
23、优选地，所述数据处理单元包括数据清洗单元、文本处理单元、数据整合单元；
24、所述数据清洗单元用于去除原始数据中的噪声和异常值，填充缺失数据；
25、所述文本处理单元用于对文本数据依次进行分词、建立字典、文本向量化、文本归一化处理；
26、所述数据整合单元用于将来自不同源和格式的数据进行统一和合并，建立数据间的关联，获得数据视图。
27、优选地，所述图像处理单元包括像素处理单元、图像校正单元；
28、所述像素处理单元用于对环境图像依次进行像素归一化、像素中心化、数据增强、降噪处理、尺寸调整和颜色空间转换，获得目标图像供后续使用；
29、所述图像校正单元用于对像素处理单元处理后的图像依次进行辐射校正、几何校正、影像配准、影像融合、匀光匀色、影像拼接以及影像裁切处理，获得目标光学遥感图像。
30、优选地，所述特征提取单元包括：
31、时域特征提取单元，用于通过均值、方差、标准差描述光谱信号的整体特性；
32、频域特征提取单元，用于通过傅里叶变换将光谱信号转换到频域，从而分析不同频率成分；或通过功率谱密度描述光谱信号在频域上的分布；
33、小波能力特征提取单元，用于利用小波变换提取不同频率带的能量；
34、自适应特征提取单元，用于使用自适应滤波器或自适应信号处理算法，根据实时数据调整特征提取的参数。
35、优选地，所述模型构建模块包括模型构建单元、模型训练单元、模型融合单元；
36、所述模型构建单元用于分别构建卷积神经网络模型和前馈神经网络模型；
37、所述模型训练单元用于基于所述目标数据集对所述卷积神经网络模型进行训练，然后将训练后的卷积神经网络模型的输出作为前馈神经网络模型的输入对所述前馈神经网络模型进行训练，获得目标多模态网络模型。
38、优选地，所述模型构建单元包括第一构建单元、第二构建单元；
39、所述第一构建单元用于构建两个相同的卷积神经网络模型，将所述卷积神经网络模型中的二维卷积层后添加一个batchnorm2d层、一个非线性的relu层和一个注意力机制模块，生成孪生对抗网络模型；
40、所述第二构建单元用于基于所述孪生对抗网络模型生成卷积神经网络群；
41、所述模型训练单元还包括层选择单元、损失函数引入单元；
42、所述层选择单元用于对多模态网络模型进行输入层和输出层的删减；
43、所述损失函数引入单元用于将交叉熵损失函数和注意力机制模块引入至所述多模态网络模型中重新进行模型构建，获得所述目标多模态神经网络。
44、优选地，所述监控预测模块包括路径规划与生成单元、导航精度自检算法单元、实时校准与调整单元、环境特征识别与匹配单元、控制执行单本文档来自技高网...
【技术保护点】
1.一种养殖场智能巡检车的导航精度自检系统，其特征在于，包括：
2.根据权利要求1所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述数据采集模块包括第一采集单元、第二采集单元；
3.根据权利要求2所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述分布式传感器包括但不限于激光雷达、摄像头、工业全景相机；
4.根据权利要求1所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述数据处理模块包括数据处理单元、图像处理单元、特征提取单元；
5.根据权利要求4所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述数据处理单元包括数据清洗单元、文本处理单元、数据整合单元；
6.根据权利要求4所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述图像处理单元包括像素处理单元、图像校正单元；
7.根据权利要求4所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述特征提取单元包括：
8.根据权利要求1所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述模型构建模块包括模型构建
9.根据权利要求8所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述模型构建单元包括第一构建单元、第二构建单元；
10.根据权利要求1所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述监控预测模块包括路径规划与生成单元、导航精度自检算法单元、实时校准与调整单元、环境特征识别与匹配单元、控制执行单元；
...【技术特征摘要】
1.一种养殖场智能巡检车的导航精度自检系统，其特征在于，包括：
2.根据权利要求1所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述数据采集模块包括第一采集单元、第二采集单元；
3.根据权利要求2所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述分布式传感器包括但不限于激光雷达、摄像头、工业全景相机；
4.根据权利要求1所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述数据处理模块包括数据处理单元、图像处理单元、特征提取单元；
5.根据权利要求4所述的养殖场智能巡检车的导航精度自检系统，其特征在于，所述数据处理单元包括数据清洗单元、文本处理单元、数据整合单元；
6.根据权利要求4所述的养殖场智能...
【专利技术属性】
技术研发人员：唐湘方，熊本海，周梦婷，郑姗姗，王辉，李志虎，
申请(专利权)人：中国农业科学院北京畜牧兽医研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。