CN114170463A - 非接触式宽幅外墙清洗方法及*** - Google Patents

非接触式宽幅外墙清洗方法及*** Download PDF

Info

Publication number
CN114170463A
CN114170463A CN202111481985.0A CN202111481985A CN114170463A CN 114170463 A CN114170463 A CN 114170463A CN 202111481985 A CN202111481985 A CN 202111481985A CN 114170463 A CN114170463 A CN 114170463A
Authority
CN
China
Prior art keywords
wall
cleaning
scanning
sample set
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111481985.0A
Other languages
English (en)
Inventor
林祺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Kunsu Environmental Technology Co ltd
Original Assignee
Shanghai Kunsu Environmental Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Kunsu Environmental Technology Co ltd filed Critical Shanghai Kunsu Environmental Technology Co ltd
Priority to CN202111481985.0A priority Critical patent/CN114170463A/zh
Publication of CN114170463A publication Critical patent/CN114170463A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/38—Machines, specially adapted for cleaning walls, ceilings, roofs, or the like
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4002—Installations of electric equipment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Cleaning By Liquid Or Steam (AREA)

Abstract

本发明公开了一种非接触式宽幅外墙清洗方法及***，属于外墙清洗技术领域。它包括对建筑的外墙进行扫描，存储扫描得到的扫描数据；根据扫描得到的扫描数据，对外墙的材质以及外墙表面是否有污垢进行分析；根据分析结果选取对应的外墙清洗方案，其中，所述外墙清洗方案至少包括以下清洗方式中的一种或多种：化学力清洗、高压水力清洗或高压风力清洗；根据生成的清洗方案对建筑外墙进行清洗。本发明不仅仅对幕墙玻璃表面，也可以对其他不平整或者其他材质的外墙表面进行清洗，清洗受众的范围大；同时能够结合化学力清洗、高压水力清洗或高压风力清洗三种不同的外墙清洗方式来对外墙进行清洗，清洗效果好、效率高。

Description

非接触式宽幅外墙清洗方法及***
技术领域
本发明属于外墙清洗技术领域，更具体地说，涉及一种非接触式宽幅外墙清洗方法及***。
背景技术
如今每个城市的高楼是越建越高，而且大多数的高楼外墙都是由玻璃构成的，给外墙玻璃的清洗带来很***烦，所有的高层建筑物外墙，由于常年日晒和风吹雨打，以及大气中有害的气体和油烟等污染和化学反应的侵蚀，使得建筑物外墙产生了污垢和风化，既影响了城市的市容，又损坏了建筑物。因此，清洗建筑物的外墙，不仅美化了环境，而且起到了保护建筑物的作用，现如今传统的清洗方法都是由在楼顶架设吊篮将工人运送到指定位置进行施工操作或者工人运用吊板(绳)下滑到指定位置进行施工操作，但这两种传统方法的工作效率比较低，并且危险系数比较高，相应的成本也高，导致很多大楼没有及时的清洗，遭到损坏。按照常规来看，每年需要清洗四次，这样才能保证外墙玻璃不至于风化和污垢，如果按照这样的情况来洗，每年成本比较高，而且清洗的时间较长，如果每栋大楼按照这样去处理的话，不切实际，可不按照这样处理，又担心这些标志性建筑容易遭到破坏。
针对上述问题也进行了相应的改进，如中国专利申请号CN201910617488.5，公开日为2019年08月30日，该专利公开了一种可内外墙面清洁机器人，所述机器人包括控制模块、车体、升降装置和设于升降装置处的清洁装置；所述车体设有第一视觉机构；所述清洁装置处设有第二视觉机构；所述清洁装置包括水泵和一安装有多种清洁用具的旋转台；当进行墙面清洁时，所述机器人沿预设路径行动并以第一视觉机构进行避障，机器人以第二视觉机构对待清洁墙面特征进行分析，并以旋转台把与墙面匹配的清洁用具转至墙壁处进行清洁；本发明具有自动行驶功能，而且能识别不同材质的墙面并采用对应的清洁方式。但该专利仍存在以下不足：对不同材质的墙面识别的准确率较低，清洁的效果也比较一般。
中国专利申请号CN202010887696.X，公开日为2021年11月26日，该专利公开了一种起吊式建筑玻璃幕墙全方位清洗装置及其使用方法，包括玻璃幕墙、护墙和清洗箱，所述护墙固定连接在玻璃幕墙的上部边缘位置，所述玻璃幕墙的上部位于护墙的侧边固定安装有卷扬机，所述护墙的上部活动安装有第一转轮，所述护墙的一侧顶部位置活动安装有第二转轮，所述清洗箱的上部一侧位置固定安装有第一连接座，所述第一连接座与卷扬机之间设有钢绳。本发明所述的一种起吊式建筑玻璃幕墙全方位清洗装置，首先，具备吸尘的功能，同时与玻璃幕墙之间产生的吸力，增加清洗效果，其次，能够有效的清洁粘附顽固的脏污，进一步增加了清洁效果，此外，能够对清洁后的玻璃幕墙进行刮脏，功能性更好。但该专利仍存在以下不足：缺乏对不同材质的墙面的识别机制，智能化处理的能力较低。
发明内容
1、要解决的问题
针对现有技术中存在的问题，本发明提供一种非接触式宽幅外墙清洗方法及***，不仅仅对幕墙玻璃表面，也可以对其他不平整的(如凹凸、墙饰)或者其他材质的(如砖墙、涂料、毛石等)外墙表面进行清洗，清洗受众的范围大；同时能够结合化学力清洗、高压水力清洗或高压风力清洗三种不同的外墙清洗方式来对外墙进行清洗，清洗效果好、效率高。
2、技术方案
为解决上述问题，本发明采用如下的技术方案。
作为本申请的第一个方面，提供一种非接触式宽幅外墙清洗方法，包括以下步骤：
步骤S100、对建筑的外墙进行扫描，存储扫描得到的扫描数据；
步骤S200、根据扫描得到的扫描数据，对外墙的材质以及外墙表面是否有污垢进行分析；
步骤S300、根据分析结果选取对应的外墙清洗方案，其中，所述外墙清洗方案至少包括以下清洗方式中的一种或多种：化学力清洗、高压水力清洗或高压风力清洗；
步骤S400、根据生成的清洗方案对建筑外墙进行清洗。
其优选的技术方案为：
如上所述的非接触式宽幅外墙清洗方法，步骤S200中，根据扫描得到的扫描数据，对外墙的材质以及表面是否有污垢进行分析具体包括：
步骤S210、对外墙按照建筑的预设方位顺序进行编号；
步骤S220、对每一面的外墙区域进行网格化划分，得到若干块面积相同的子区域，并对每一块子区域按顺序进行编号；
步骤S230、通过无人机采集每一个子区域中外墙的图像，构建数据的样本集；
步骤S240、对外墙图像样本集进行预处理，将预处理后的样本集输入至CNN网络模型中训练得到多个分类模型，多个分类模型之间的网络参数、优化算法或者迭代次数不同；
步骤S250、采用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止。
如上所述的非接触式宽幅外墙清洗方法，步骤S240中，对外墙图像样本集进行预处理具体包括：
对已标注的外墙图像进行双立方插值处理；
将插值处理后的外墙图像围绕其竖直方向的中心轴进行水平翻转，并对经过水平翻转的外墙图像的亮度、对比度和饱和度随机进行调整。
如上所述的非接触式宽幅外墙清洗方法，步骤S200中，根据扫描得到的扫描数据，对外墙表面主要污垢的成分进行分析具体包括：
步骤S260、对每一个子区域外墙表面主要污垢进行采集；
步骤S270、配制含该子区域外墙表面主要污垢的水溶液，检测该水溶液的PH值；
步骤S280、根据水溶液的PH值，确定该子区域外墙表面主要污垢的PH值。
如上所述的非接触式宽幅外墙清洗方法，步骤S300中，所述化学力清洗方式具体包括：
预先设置不同PH属性的清洁剂，所述不同PH属性的清洁剂至少包括中性清洁剂、酸性清洁剂以及碱性清洁剂；
根据外墙表面主要污垢成分的PH值，选择对应中和的PH属性的清洁剂加入到水中，对外墙表面主要污垢成分进行清洗。
如上所述的非接触式宽幅外墙清洗方法，步骤S300中，根据分析结果选取对应的外墙清洗方案具体包括：
当外墙表面有污垢且主要污垢的成分为可溶物质时，采用高压水力清洗和高压风力清洗相结合的方式对外墙表面进行清洗；
当外墙表面有污垢且主要污垢的成分为不可溶物质时，先采用化学力清洗方式，再采用高压水力清洗和高压风力清洗相结合的方式对外墙表面进行清洗；
如上所述的非接触式宽幅外墙清洗方法，还包括：
外墙一次清洗后，采用自然风干或高压风力清洗的方式对外墙进行干燥，依据外墙表面污垢残留情况，选择进行二次清洗和二次干燥。
作为本申请的第二个方面，提供一种非接触式宽幅外墙清洗***，包括：
扫描模块，用于对建筑的外墙进行扫描，存储扫描得到的扫描数据；
分析模块，用于根据扫描模块扫描得到的扫描数据，对外墙的材质以及外墙表面主要污垢的成分进行分析；
方案选取模块，用于根据分析模块的分析结果选取对应的外墙清洗方案，其中，所述外墙清洗方案至少包括以下清洗方式中的一种或多种：化学力清洗、高压水力清洗或高压风力清洗；
以及执行模块，用于根据方案选取模块生成的清洗方案对建筑外墙进行清洗。
其优选的技术方案为：
如上所述的非接触式宽幅外墙清洗***，所述分析模块包括：
编号模块，用于对外墙按照建筑的预设方位顺序进行编号；
网格化模块，用于对编号模块编号后得到的每一面的外墙区域进行网格化划分，得到若干块面积相同的子区域，并对每一块子区域按顺序进行编号；
构建模块，用于通过无人机采集每一个子区域中外墙的图像，构建数据的样本集；
预处理模块，用于对外墙图像样本集进行预处理，将预处理后的样本集输入至CNN网络模型中训练得到多个分类模型，多个分类模型之间的网络参数、优化算法或者迭代次数不同；
以及训练模块，用于采用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止。
3、有益效果
相比于现有技术，本发明的有益效果为：
(1)本发明的一种非接触式宽幅外墙清洗方法及***，不仅仅对幕墙玻璃表面，也可以对其他不平整的(如凹凸、墙饰)或者其他材质的(如砖墙、涂料、毛石等)外墙表面进行清洗，清洗受众的范围大；同时能够结合化学力清洗、高压水力清洗或高压风力清洗三种不同的外墙清洗方式来对外墙进行清洗，清洗效果好、效率高；
(2)本发明通过对每一面的外墙区域进行网格化划分，得到若干块面积相同的子区域，并对每一块子区域按顺序进行编号，再将通过无人机采集每一个子区域中外墙的图像，构建数据的样本集；随后对外墙图像样本集进行预处理，将预处理后的样本集输入至CNN网络模型中训练得到多个分类模型，采用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止；整个方案通过对简单样本与困难样本之间渐进式学习的方式，提升了对外墙的材质以及表面是否有污垢分类模型的准确率。
附图说明
图1为本发明实施例的非接触式宽幅外墙清洗方法的流程图；
图2为本发明实施例的一种非接触式宽幅外墙清洗***的组成示意图；
图中：100、扫描模块；200、分析模块；300、方案选取模块；400、执行模块。
具体实施方式
下面结合具体实施例和附图对本发明进一步进行描述。
实施例1
如图1所示，本实施例提供一种非接触式宽幅外墙清洗方法，包括以下步骤：
步骤S100、对建筑的外墙进行扫描，存储扫描得到的扫描数据；具体可以采用无人机+扫描车组合的方式对建筑的外墙进行扫描；
步骤S200、根据扫描得到的扫描数据，对外墙的材质以及外墙表面是否有污垢进行分析；
步骤S200具体包括：
步骤S210、对外墙按照建筑的预设方位顺序进行编号；
步骤S220、对每一面的外墙区域进行网格化划分，得到若干块面积相同的子区域，并对每一块子区域按顺序进行编号；
步骤S230、通过无人机采集每一个子区域中外墙的图像，构建数据的样本集；
步骤S240、对外墙图像样本集进行预处理，将预处理后的样本集输入至CNN网络模型中训练得到多个分类模型，多个分类模型之间的网络参数、优化算法或者迭代次数不同；具体的，对外墙图像样本集进行预处理，主要包括：
对已标注的外墙图像进行双立方插值处理，以统一外墙图像的分辨率；
将插值处理后的外墙图像围绕其竖直方向的中心轴进行水平翻转，并对经过水平翻转的外墙图像的亮度、对比度和饱和度随机进行调整；
步骤S250、采用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止。示例性的，若第一深度学习模型的输入样本为包含100张图像样本的样本集，则第二深度学习模型的输入样本可以为包含50张图像样本的样本集，第三深度学习模型的输入样本可以为包含20张图像样本的样本集等等。
本实施例中通过用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止，能够按照训练集中图像分类的难易度的顺序，提升对困难样本的鉴别能力，提高分类模型的准确率。
在执行完步骤S200后，若外墙表面有污垢，所述方法还包括：
步骤S260、对每一个子区域外墙表面主要污垢进行采集；
步骤S270、配制含该子区域外墙表面主要污垢的水溶液，检测该水溶液的PH值；
步骤S280、根据水溶液的PH值，确定该子区域外墙表面主要污垢的PH值。
上述步骤的目的主要用于若外墙表面有污垢，提前对污垢自身的PH值进行判断，以方便后续对污垢的清洗流程。
步骤S300、根据分析结果选取对应的外墙清洗方案，其中，所述外墙清洗方案至少包括以下清洗方式中的一种或多种：化学力清洗、高压水力清洗或高压风力清洗；值得说明的是，所述化学力清洗方式具体包括：
预先设置不同PH属性的清洁剂，所述不同PH属性的清洁剂至少包括中性清洁剂、酸性清洁剂以及碱性清洁剂；
根据外墙表面主要污垢成分的PH值，选择对应中和的PH属性的清洁剂加入到水中，对外墙表面主要污垢成分进行清洗。
所述高压水力清洗可以采用高压水枪，将分解后的墙面污渍用高压水力去除；所述高压风力清洗可以采用高压风刀，将高压水枪冲洗过的墙面再用高压风力清洗，去除残留顽固吸附物，同时瞬间吹干墙面，无水迹残痕。
本实施例中无论是对外墙进行化学力清洗、高压水力清洗还是高压风力清洗，都是无接触式的清洗。通过调整压力，将清洗距离控制在10-50公分，可旋转喷头，全方位、无死角、跨障清洗，清洗的效果相较于一般接触式的清洗方式得到了极大的提高。
其具体可以包括：
当外墙表面有污垢且主要污垢的成分为可溶物质时，采用高压水力清洗和高压风力清洗相结合的方式对外墙表面进行清洗；
当外墙表面有污垢且主要污垢的成分为不可溶物质时，先采用化学力清洗方式，再采用高压水力清洗和高压风力清洗相结合的方式对外墙表面进行清洗；
在一个优选的实施例中，外墙一次清洗后，还可采用自然风干或高压风力清洗的方式对外墙进行干燥，依据外墙表面污垢残留情况，选择进行二次清洗和二次干燥。
步骤S400、根据生成的清洗方案对建筑外墙进行清洗。
本实施例通过对每一面的外墙区域进行网格化划分，得到若干块面积相同的子区域，并对每一块子区域按顺序进行编号，再将通过无人机采集每一个子区域中外墙的图像，构建数据的样本集；随后对外墙图像样本集进行预处理，将预处理后的样本集输入至CNN网络模型中训练得到多个分类模型，采用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止；整个方案通过对简单样本与困难样本之间渐进式学习的方式，提升了对外墙的材质以及表面是否有污垢分类模型的准确率。
实施例2
本实施例提供提供一种非接触式宽幅外墙清洗***，包括：
扫描模块，用于对建筑的外墙进行扫描，存储扫描得到的扫描数据；
分析模块，用于根据扫描模块扫描得到的扫描数据，对外墙的材质以及外墙表面主要污垢的成分进行分析；
方案选取模块，用于根据分析模块的分析结果选取对应的外墙清洗方案，其中，所述外墙清洗方案至少包括以下清洗方式中的一种或多种：化学力清洗、高压水力清洗或高压风力清洗；
以及执行模块，用于根据方案选取模块生成的清洗方案对建筑外墙进行清洗。
具体的，其中，所述分析模块包括：
编号模块，用于对外墙按照建筑的预设方位顺序进行编号；
网格化模块，用于对编号模块编号后得到的每一面的外墙区域进行网格化划分，得到若干块面积相同的子区域，并对每一块子区域按顺序进行编号；
构建模块，用于通过无人机采集每一个子区域中外墙的图像，构建数据的样本集；
预处理模块，用于对外墙图像样本集进行预处理，将预处理后的样本集输入至CNN网络模型中训练得到多个分类模型，多个分类模型之间的网络参数、优化算法或者迭代次数不同；
以及训练模块，用于采用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止
本实施例中的非接触式宽幅外墙清洗***不仅仅能够对幕墙玻璃表面，也可以对其他不平整的(如凹凸、墙饰)或者其他材质的(如砖墙、涂料、毛石等)外墙表面进行清洗，清洗受众的范围大；同时能够结合化学力清洗、高压水力清洗或高压风力清洗三种不同的外墙清洗方式来对外墙进行清洗，清洗效果好、效率高。
本发明所述实例仅仅是对本发明的优选实施方式进行描述，并非对本发明构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的保护范围。

Claims (9)

1.非接触式宽幅外墙清洗方法，其特征在于，包括以下步骤：
步骤S100、对建筑的外墙进行扫描，存储扫描得到的扫描数据；
步骤S200、根据扫描得到的扫描数据，对外墙的材质以及外墙表面是否有污垢进行分析；
步骤S300、根据分析结果选取对应的外墙清洗方案，其中，所述外墙清洗方案至少包括以下清洗方式中的一种或多种：化学力清洗、高压水力清洗或高压风力清洗；
步骤S400、根据生成的清洗方案对建筑外墙进行清洗。
2.根据权利要求1所述的非接触式宽幅外墙清洗方法，其特征在于：步骤S200中，根据扫描得到的扫描数据，对外墙的材质以及表面是否有污垢进行分析具体包括：
步骤S210、对外墙按照建筑的预设方位顺序进行编号；
步骤S220、对每一面的外墙区域进行网格化划分，得到若干块面积相同的子区域，并对每一块子区域按顺序进行编号；
步骤S230、通过无人机采集每一个子区域中外墙的图像，构建数据的样本集；
步骤S240、对外墙图像样本集进行预处理，将预处理后的样本集输入至CNN网络模型中训练得到多个分类模型，多个分类模型之间的网络参数、优化算法或者迭代次数不同；
步骤S250、采用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止。
3.根据权利要求1所述的非接触式宽幅外墙清洗方法，其特征在于：步骤S240中，对外墙图像样本集进行预处理具体包括：
对已标注的外墙图像进行双立方插值处理；
将插值处理后的外墙图像围绕其竖直方向的中心轴进行水平翻转，并对经过水平翻转的外墙图像的亮度、对比度和饱和度随机进行调整。
4.根据权利要求2所述的非接触式宽幅外墙清洗方法，其特征在于：步骤S200中，若外墙表面有污垢，所述方法还包括：
步骤S260、对每一个子区域外墙表面主要污垢进行采集；
步骤S270、配制含该子区域外墙表面主要污垢的水溶液，检测该水溶液的PH值；
步骤S280、根据水溶液的PH值，确定该子区域外墙表面主要污垢的PH值。
5.根据权利要求1所述的非接触式宽幅外墙清洗方法，其特征在于：步骤S300中，所述化学力清洗方式具体包括：
预先设置不同PH属性的清洁剂，所述不同PH属性的清洁剂至少包括中性清洁剂、酸性清洁剂以及碱性清洁剂；
根据外墙表面主要污垢成分的PH值，选择对应中和的PH属性的清洁剂加入到水中，对外墙表面主要污垢成分进行清洗。
6.根据权利要求1所述的非接触式宽幅外墙清洗方法，其特征在于：步骤S300中，根据分析结果选取对应的外墙清洗方案具体包括：
当外墙表面有污垢且主要污垢的成分为可溶物质时，采用高压水力清洗和高压风力清洗相结合的方式对外墙表面进行清洗；
当外墙表面有污垢且主要污垢的成分为不可溶物质时，先采用化学力清洗方式，再采用高压水力清洗和高压风力清洗相结合的方式对外墙表面进行清洗。
7.根据权利要求6所述的非接触式宽幅外墙清洗方法，其特征在于：还包括：
外墙一次清洗后，采用自然风干或高压风力清洗的方式对外墙进行干燥，依据外墙表面污垢残留情况，选择进行二次清洗和二次干燥。
8.非接触式宽幅外墙清洗***，其特征在于，包括：
扫描模块，用于对建筑的外墙进行扫描，存储扫描得到的扫描数据；
分析模块，用于根据扫描模块扫描得到的扫描数据，对外墙的材质以及外墙表面主要污垢的成分进行分析；
方案选取模块，用于根据分析模块的分析结果选取对应的外墙清洗方案，其中，所述外墙清洗方案至少包括以下清洗方式中的一种或多种：化学力清洗、高压水力清洗或高压风力清洗；
以及执行模块，用于根据方案选取模块生成的清洗方案对建筑外墙进行清洗。
9.根据权利要求8所述的非接触式宽幅外墙清洗***，其特征在于，所述分析模块包括：
编号模块，用于对外墙按照建筑的预设方位顺序进行编号；
网格化模块，用于对编号模块编号后得到的每一面的外墙区域进行网格化划分，得到若干块面积相同的子区域，并对每一块子区域按顺序进行编号；
构建模块，用于通过无人机采集每一个子区域中外墙的图像，构建数据的样本集；
预处理模块，用于对外墙图像样本集进行预处理，将预处理后的样本集输入至CNN网络模型中训练得到多个分类模型，多个分类模型之间的网络参数、优化算法或者迭代次数不同；
以及训练模块，用于采用得到的多个分类模型依次对预处理后的样本集进行训练，根据分类结果对当前分类模型对应的输入样本集进行筛选，将分类结果为不满足识别要求的样本，作为下一个分类模型的输入样本集，直至分类结果满足识别要求为止。
CN202111481985.0A 2021-12-06 2021-12-06 非接触式宽幅外墙清洗方法及*** Pending CN114170463A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111481985.0A CN114170463A (zh) 2021-12-06 2021-12-06 非接触式宽幅外墙清洗方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111481985.0A CN114170463A (zh) 2021-12-06 2021-12-06 非接触式宽幅外墙清洗方法及***

Publications (1)

Publication Number Publication Date
CN114170463A true CN114170463A (zh) 2022-03-11

Family

ID=80483925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111481985.0A Pending CN114170463A (zh) 2021-12-06 2021-12-06 非接触式宽幅外墙清洗方法及***

Country Status (1)

Country Link
CN (1) CN114170463A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115381351A (zh) * 2022-08-30 2022-11-25 南京工业大学 一种智能高空清洁方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138015A (zh) * 2015-10-08 2015-12-09 安徽省极索智能科技有限公司 一种具有高层楼宇清洁功能的智能飞行机器人
CN106114857A (zh) * 2016-06-28 2016-11-16 深圳市元征科技股份有限公司 基于无人机的外墙清洗方法及无人机
CN112036272A (zh) * 2020-08-19 2020-12-04 诚迈科技（南京）股份有限公司 一种楼宇的幕墙清洁控制方法、服务器和存储介质
CN112182269A (zh) * 2020-09-27 2021-01-05 北京达佳互联信息技术有限公司 图像分类模型的训练、图像分类方法、装置、设备及介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138015A (zh) * 2015-10-08 2015-12-09 安徽省极索智能科技有限公司 一种具有高层楼宇清洁功能的智能飞行机器人
CN106114857A (zh) * 2016-06-28 2016-11-16 深圳市元征科技股份有限公司 基于无人机的外墙清洗方法及无人机
CN112036272A (zh) * 2020-08-19 2020-12-04 诚迈科技（南京）股份有限公司 一种楼宇的幕墙清洁控制方法、服务器和存储介质
CN112182269A (zh) * 2020-09-27 2021-01-05 北京达佳互联信息技术有限公司 图像分类模型的训练、图像分类方法、装置、设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115381351A (zh) * 2022-08-30 2022-11-25 南京工业大学 一种智能高空清洁方法及***

Similar Documents

Publication Publication Date Title
CN105127150B (zh) 一种基于机器人控制的激光清洗***及其清洗方法
CN107526360A (zh) 一种未知环境下排爆机器人多阶自主导航探测***及方法
CN114170463A (zh) 非接触式宽幅外墙清洗方法及***
CN109967409A (zh) 一种隧道灯具自动清洗装置及方法
CN109045676B (zh) 一种象棋识别学习算法和基于该算法的机器人智动化***与方法
CN112282787B (zh) 一种隧道自动化维护多臂机器人及其控制方法
CN109949198B (zh) 一种麦田边界检测装置和检测方法
CN110640741A (zh) 一种规则形状工件匹配的抓取工业机器人
CN111239768A (zh) 一种电力巡检机器人自主构建地图并查找巡检目标的方法
CN110473806A (zh) 光伏电池分拣的深度学习识别与控制方法及装置
CN112287834A (zh) 机器人的巡检清洁方法、装置、机器人和存储介质
CN109316127A (zh) 一种扫地机器人洞口检测装置及未知区域探索方法
CN113666028A (zh) 一种基于激光雷达和相机融合的垃圾桶检测抓取方法
CN109124454A (zh) 智能无人机垂直清洗***
CN110458147A (zh) 人工智能云计算非应用感应器的液体气体污染排放监控方法
CN111383219B (zh) 一种智能检测高空作业平台设备清洁度的方法及***
CN110046626B (zh) 基于pico算法的图像智能学习动态跟踪***及方法
CN103065296B (zh) 一种基于边缘特征的高分辨率遥感影像居民区提取方法
CN102303314B (zh) 工业生产中的碳碗中心和导槽定位装置及其定位方法
CN114800494A (zh) 一种基于单目视觉的搬箱机械手
Karimi et al. Deep learning-based automated tile defect detection system for Portuguese cultural heritage buildings
CN116206169A (zh) 一种智能煤矸石目标检测方法
CN114248249B (zh) 一种复杂岩壁石质文物智能探测机器人
Sehgal et al. Touch: A robotic vision system for underwater object tracking
CN109614879A (zh) 基于图像识别的料斗颗粒检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination