顧宇歐，叢 潛，劉 博，黃 晶

（松花江水力發(fā)電有限公司豐滿大壩重建工程建設(shè)局，吉林吉林 132108）

機械臂是機器人研究領(lǐng)域的重要組成部件，將計算機電子、機械控制等多項應(yīng)用技術(shù)集合在一起。進行施工作業(yè)時，機械臂元件可以按照預先設(shè)置好的路線完成物體抓取指令，并可以根據(jù)起始運動位置、終止運動位置的變化情況，自發(fā)調(diào)整臂關(guān)節(jié)結(jié)構(gòu)的抓取運動路徑[1-2]。與其他類型的物體運輸行為相比，機械臂抓取行為不但能夠?qū)⒋\貨物由起始點安全轉(zhuǎn)運至目標點，還可以避免電量信號出現(xiàn)過度消耗的情況。在機械臂抓取運輸貨物的過程中，網(wǎng)絡(luò)主機可以根據(jù)臂關(guān)節(jié)結(jié)構(gòu)實時位置確定整條運輸路徑的走向趨勢。且已生成的機械臂運動圖像能夠以數(shù)字標簽的形式存儲于主機元件中，以供其他設(shè)備結(jié)構(gòu)的調(diào)取與利用。

數(shù)字標簽是一種多媒體圖像信息存儲形式，可以根據(jù)圖像樣本所占存儲空間的不同，對其進行編碼與重排處理，并可以將完成排列后的多媒體圖像信息整合成全新的數(shù)據(jù)集合樣本[3]。在識別大面積圖像樣本時，由于數(shù)字標簽文件中總是存在明顯的噪點參量，且這些噪點信息很難被直接提取出來，這也是導致原始圖像抗干擾能力始終達不到理想標準的主要原因?；谏疃壬窠?jīng)網(wǎng)絡(luò)的圖像識別方法雖然能夠避免噪點信息完全覆蓋數(shù)字標簽圖像中的固有節(jié)點，但卻并不能將這些噪點參量完全提取處理。因此該方法在增強原始圖像抗干擾能力方面的應(yīng)用能力相對有限[4]。為解決上述問題，提取機械臂抓取行為的執(zhí)行思想，并以此為基礎(chǔ)，設(shè)計一種新型的檔案盒數(shù)字標簽圖像抗干擾識別方法。

1 面向機械臂抓取的檔案盒數(shù)字標簽建立

1.1 機械臂運動模型

在對檔案盒數(shù)字標簽圖像中噪點信息進行提取的過程中，首先需要對機械臂元件的運動行為建模，進而確定臂關(guān)節(jié)結(jié)構(gòu)在各個方向上的趨向性運動能力[5-6]。設(shè)分別表示X軸、Y軸、Z軸方向上的機械臂運動基向量，εx表示X軸方向上的運動趨向系數(shù)，εy表示Y軸方向上的運動趨向系數(shù)，εz表示Z軸方向上的運動趨向系數(shù)。聯(lián)立上述物理量，可將臂關(guān)節(jié)趨向性運動行為表達式X、Y、Z分別表示為：

在式（1）的基礎(chǔ)上，設(shè)αx表示臂關(guān)節(jié)結(jié)構(gòu)在X軸方向上的轉(zhuǎn)向系數(shù)，αy表示Y軸轉(zhuǎn)向系數(shù)，αz表示Z軸轉(zhuǎn)向系數(shù)。

機械臂運動模型表達式為：

為使機械臂元件的運動行為保持穩(wěn)定狀態(tài)，要求αx系數(shù)、αy系數(shù)、αz系數(shù)取值必須同時屬于(0,1]的數(shù)值區(qū)間。

1.2 抓取位姿標定

抓取位姿標定表達式可以判定所求解機械臂運動模型是否符合檔案盒數(shù)字標簽的構(gòu)建需求。由于待處理圖像中包含大量的常規(guī)像素節(jié)點與噪點參量，所以在實施抓取位姿標定時，還應(yīng)考慮所選取標簽節(jié)點與其他標簽節(jié)點之間的互聯(lián)關(guān)系[7-8]。設(shè)δ表示機械臂抓取運動節(jié)點的初始標記系數(shù)，dx表示運動位姿步長值在X軸方向上的數(shù)值分量，dy表示Y軸方向上的數(shù)值分量，dz表示Z軸方向上的數(shù)值分量，表示參量dx、dy、dz的平均值。在上述物理量的支持下，聯(lián)立式（2），可將機械臂抓取位姿標定表達式定義為：

對于原始輸入圖像而言，只有實現(xiàn)對機械臂抓取位姿的按需標定，才能夠根據(jù)數(shù)字標簽節(jié)點的排列形式，推斷出噪點參量與常規(guī)像素參量之間的混合程度，從而實現(xiàn)對噪點信息準確提取。

1.3 抽取系數(shù)

抽取系數(shù)也叫抽樣標定系數(shù)，在對待測圖像檔案盒數(shù)字標簽節(jié)點進行識別時，主機元件可以將抽取系數(shù)指標作為參考條件，實現(xiàn)對噪點信息的準確提取[9-10]。設(shè)χ表示機械臂抓取執(zhí)行指令的迭代次數(shù)，φ1、φ2、…、φn表示n個不同的機械臂抓取執(zhí)行指令定義項指標，β表示待測圖像中的噪點信息識別系數(shù)，f表示數(shù)字標簽節(jié)點排列系數(shù)。

面向機械臂抓取的檔案盒數(shù)字標簽抽取系數(shù)求解表達式為：

在求解抽取系數(shù)表達式時，要求φ1≠φ2≠…φn≠0 的不等式條件恒成立。

2 數(shù)字標簽圖像的抗干擾識別技術(shù)

2.1 MNIST數(shù)據(jù)集

MNIST 數(shù)據(jù)集是一個完整的數(shù)據(jù)信息集合空間。對于待測圖像而言，只有所選MNIST 數(shù)據(jù)集合能夠?qū)n案盒數(shù)字標簽信息完全包含在內(nèi)，才能促進主機元件對噪點參量進行準確提取[11-12]。在不考慮其他干擾條件的情況下，MNIST 數(shù)據(jù)集合中所包含的數(shù)字標簽信息越多，主機元件可調(diào)度的噪點信息參量也就越多，此時所得識別結(jié)果也就越符合實際應(yīng)用需求。設(shè)h表示MNIST 數(shù)據(jù)集合中的一個隨機變量，ΔM表示檔案盒數(shù)字標簽信息的單位累積量，l1、l2表示兩個不相等的噪點參量檢測特征，k˙表示噪點信息檢測系數(shù)，φ表示數(shù)值標簽分布指標。在上述物理量的支持下，聯(lián)立式（4），可將MNIST 數(shù)據(jù)集表示為：

在MNIST 數(shù)據(jù)集合中，任意兩個噪點檢測特征參量都不可能相等，這也是主機元件能夠?qū)υ朦c信息進行準確識別的主要原因。

2.2 激活函數(shù)

在已知機械臂抓取運動行為的前提下，主機元件可以根據(jù)數(shù)字標簽節(jié)點的排列形式，完成對待測圖像的復原。且在復原處理的過程中，噪點信息參量在檔案盒結(jié)構(gòu)中的存儲格式始終遵循激活函數(shù)條件[13]。所謂激活函數(shù)是指主機元件對于圖像噪點信息參量的處理能力，若無其他干擾性識別行為的出現(xiàn)，激活函數(shù)可以同時標記的噪點信息參量越多，主機元件對于數(shù)字標簽結(jié)構(gòu)的識別能力也就越強[14]。設(shè)ι表示圖像噪點信息標記系數(shù)，ρ表示數(shù)字標簽節(jié)點在原始待測圖像中的分布密度，?表示機械臂抓取指令的執(zhí)行強度，y～ 表示噪點參量辨識特征，μ表示噪點信息感應(yīng)系數(shù)。

面向機械臂抓取原則的待識別圖像激活函數(shù)為：

由于數(shù)字標簽結(jié)構(gòu)的分布形式并不固定，所以在建立激活函數(shù)時，應(yīng)將圖像噪點信息的多樣性考慮在內(nèi)。

2.3 初始識別權(quán)重

初始識別權(quán)重是指處理主機在提取圖像噪點信息時所遵循的執(zhí)行標準，由于機械臂抓取行為的運動形式并不固定，所以初始識別權(quán)重表達式必須要適應(yīng)噪點信息參量的變化狀態(tài)。在計算過程中，初始識別權(quán)重表達式求解受到數(shù)據(jù)信息篩查系數(shù)、識別指令趨向執(zhí)行特征兩項物理量的直接影響[15-16]。數(shù)據(jù)信息篩查系數(shù)常表示為，在激活函數(shù)取值不發(fā)生改變的情況下，該項物理系數(shù)的取值越大，主機元件對于噪點信息參量的識別能力也就越強。識別指令趨向執(zhí)行特征常表示為I，由于檔案盒數(shù)字標簽結(jié)構(gòu)中圖像噪點信息的存儲數(shù)值不可能為零，所以系數(shù)I的取值始終屬于(0,+∞)的數(shù)值區(qū)間。

初始識別權(quán)重表達式為：

式中，R表示抗干擾向量的初始取值，R′表示基于系數(shù)R的待識別噪點信息度量值。綜合上述指標參量，完成面向機械臂抓取的檔案盒數(shù)字標簽圖像抗干擾識別方法的設(shè)計[17]。

3 實例分析

在圖1 所示機械臂抓取行為過程中，分別利用檔案盒數(shù)字標簽技術(shù)、深度神經(jīng)網(wǎng)絡(luò)技術(shù)對原圖像中的噪點信息參量進行提取，前者作為實驗組、后者作為對照組。

圖1 機械臂抓取行為執(zhí)行過程

確保在進行實驗組、對照組實驗時，其他外界因素始終保持一致，具體實驗設(shè)計流程如下：

利用數(shù)字標簽技術(shù)提取機械臂抓取圖像中的噪點信息，記錄在實驗過程中，主機元件對于噪點參量的提取速率，將所得實驗數(shù)據(jù)作為實驗組變量；

將處理后圖像恢復至初始狀態(tài)，確保復原后圖像與原始圖像的清晰程度完全相同；

利用深度神經(jīng)網(wǎng)絡(luò)技術(shù)提取機械臂抓取圖像中的噪點信息，記錄在實驗過程中，主機元件對于噪點參量的提取速率，將所得實驗數(shù)據(jù)作為對照組變量；對比所得實驗組、對照組數(shù)據(jù)，總結(jié)實驗規(guī)律；

實驗主機在單位時間內(nèi)所能準確識別的噪點信息數(shù)量，可以反映出所采用識別方法在促進原始圖像抗干擾能力方面的作用能力。在其他影響因素保持相同的情況下，實驗主機在單位時間內(nèi)所能準確識別的噪點信息數(shù)量越多，所采用識別方法在促進原始圖像抗干擾能力方面的作用能力也就越強。反之，若實驗主機在單位時間內(nèi)所能準確識別的噪點信息數(shù)量相對較少，則表示所采用識別方法在促進原始圖像抗干擾能力方面的作用能力也就相對較弱。

以15 min 為一個單位時長，分析在4 個單位時長內(nèi)，實驗組、對照組方法對于原圖像中噪點信息的識別能力，結(jié)果如表1 所示。

表1 識別能力對比

實驗組：在實驗組方法作用下，實驗主機在單位時間內(nèi)所能準確識別的噪點信息數(shù)量呈現(xiàn)出先上升、再穩(wěn)定、最后繼續(xù)上升的變化態(tài)勢。整個實驗過程中，實驗組噪點信息識別數(shù)量與理想識別數(shù)值之間的最大差值結(jié)果僅能達到1.2×107個。

對照組：在對照組方法作用下，實驗主機在單位時間內(nèi)所能準確識別的噪點信息數(shù)量呈現(xiàn)出先上升、再趨于穩(wěn)定的變化態(tài)勢。整個實驗過程中，對照組噪點信息識別數(shù)量均值始終小于實驗組，與理想識別數(shù)值之間的最大差值結(jié)果達到了2.6×107個，高于實驗組差值水平。

實驗結(jié)論為：1）深度神經(jīng)網(wǎng)絡(luò)技術(shù)在提取機械臂抓取圖像噪點信息方面的應(yīng)用能力相對有限，并不符合增強原始圖像抗干擾能力的實際應(yīng)用需求。2）數(shù)字標簽技術(shù)則可以針對機械臂抓取圖像中的噪點信息進行精準提取，在增強原始圖像抗干擾性方面的應(yīng)用能力相對較強，與深度神經(jīng)網(wǎng)絡(luò)技術(shù)相比，更符合實際應(yīng)用需求。

4 結(jié)束語

對于機械臂抓取圖像來說，基于數(shù)字標簽技術(shù)的識別方法可以根據(jù)機械臂運動模型，求解噪點信息抽取系數(shù)，再聯(lián)合激活函數(shù)表達式確定初始識別權(quán)重指標的計算數(shù)值。與基于深度神經(jīng)網(wǎng)絡(luò)技術(shù)的識別方法相比，這種新型識別方法能夠準確識別數(shù)字標簽圖像中的噪點參量，縮小了噪點信息識別結(jié)果與實際存在數(shù)量之間的差值水平，也增強了原始圖像的抗干擾性能力。