[00105260]“人-机-物”协同群智感知数据质量保障研究
联系人：
所在地：
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
针对“人-机-物”协同群智感知中的不同应用场景，对感知数据的多元信息质量的定义、计算和更新算法、冗余和异常感知数据检测机制和算法、差异性智能设备选择、协作和调度 机制等研究热点进行了深入研究，提出了一系列的模型、算法、应用等内容。主要研究成果 如下：
1。基于时空单元的动态感知数据质量模型：为了实现对感知数据在多维度中分散化程度的量化，为感知数据的收集提供必要的理论依据，将感知任务的数据需求从时间、空间两个
维度进行划分，进而提出了一种感知数据分散化程度的指标：信息质量满足度，用于量化已收集的感知数据可以达到的感知任务完成度。
2。基于站点机制的数据收集、检测和处理算法：为了研究如何降低群智感知系统中的感知数据误差，该项目以收集图像数据来计算当前的空气质量这一应用为切入点。一方面，首先获取拍摄该照片的相机的辐射标定模型，然后对照片进行逆变换，去除相机对光线的非线性变换；另一方面通过图像模板匹配进一步降低数据误差。
基于深度增强学习的感知节点控制算法：围绕“如何通过扩展续航时间来加强无人机的数据收集能力”开展研究，采用深度增强学习算法，通过训练，让单个无人机可以在每次获取地图状态后，能够在电量耗尽前自动选择合适的巡航线路，并在准确到达充电点补充电量/回到出发点，同时能够尽可能多地到达高优先级地区收集数据；此外无人充电站也可以在每次获取地图状态后，自动选择最合适的路线到达预设充电点为无人机充电。
