面向機械臂抓取的檔案盒數字標簽圖像抗干擾識別方法

顧宇歐，叢 潛，劉 博，黃 晶

（松花江水力發電有限公司豐滿大壩重建工程建設局，吉林吉林 132108）

機械臂是機器人研究領域的重要組成部件，將計算機電子、機械控制等多項應用技術集合在一起。進行施工作業時，機械臂元件可以按照預先設置好的路線完成物體抓取指令，并可以根據起始運動位置、終止運動位置的變化情況，自發調整臂關節結構的抓取運動路徑[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將待運貨物由起始點安全轉運至目標點，還可以避免電量信號出現過度消耗的情況。在機械臂抓取運輸貨物的過程中，網絡主機可以根據臂關節結構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字標簽的形式存儲于主機元件中，以供其他設備結構的調取與利用。

數字標簽是一種多媒體圖像信息存儲形式，可以根據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據集合樣本[3]。在識別大面積圖像樣本時，由于數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。基于深度神經網絡的圖像識別方法雖然能夠避免噪點信息完全覆蓋數字標簽圖像中的固有節點，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行思想，并以此為基礎，設計一種新型的檔案盒數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字標簽建立

1.1 機械臂運動模型

在對檔案盒數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，進而確定臂關節結構在各個方向上的趨向性運動能力[5-6]。設分別表示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，εy表示Y軸方向上的運動趨向系數，εz表示Z軸方向上的運動趨向系數。聯立上述物理量，可將臂關節趨向性運動行為表達式X、Y、Z分別表示為：

在式（1）的基礎上，設αx表示臂關節結構在X軸方向上的轉向系數，αy表示Y軸轉向系數，αz表示Z軸轉向系數。

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定狀態，要求αx系數、αy系數、αz系數取值必須同時屬于(0,1]的數值區間。

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字標簽的構建需求。由于待處理圖像中包含大量的常規像素節點與噪點參量，所以在實施抓取位姿標定時，還應考慮所選取標簽節點與其他標簽節點之間的互聯關系[7-8]。設δ表示機械臂抓取運動節點的初始標記系數，dx表示運動位姿步長值在X軸方向上的數值分量，dy表示Y軸方向上的數值分量，dz表示Z軸方向上的數值分量，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，只有實現對機械臂抓取位姿的按需標定，才能夠根據數字標簽節點的排列形式，推斷出噪點參量與常規像素參量之間的混合程度，從而實現對噪點信息準確提取。

1.3 抽取系數

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

面向機械臂抓取的檔案盒數字標簽抽取系數求解表達式為：

在求解抽取系數表達式時，要求φ1≠φ2≠…φn≠0 的不等式條件恒成立。

2 數字標簽圖像的抗干擾識別技術

2.1 MNIST數據集

MNIST 數據集是一個完整的數據信息集合空間。對于待測圖像而言，只有所選MNIST 數據集合能夠將檔案盒數字標簽信息完全包含在內，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 數據集合中所包含的數字標簽信息越多，主機元件可調度的噪點信息參量也就越多，此時所得識別結果也就越符合實際應用需求。設h表示MNIST 數據集合中的一個隨機變量，ΔM表示檔案盒數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，φ表示數值標簽分布指標。在上述物理量的支持下，聯立式（4），可將MNIST 數據集表示為：

在MNIST 數據集合中，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對噪點信息進行準確識別的主要原因。

2.2 激活函數

在已知機械臂抓取運動行為的前提下，主機元件可以根據數字標簽節點的排列形式，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構中的存儲格式始終遵循激活函數條件[13]。所謂激活函數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，激活函數可以同時標記的噪點信息參量越多，主機元件對于數字標簽結構的識別能力也就越強[14]。設ι表示圖像噪點信息標記系數，ρ表示數字標簽節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行強度，y～ 表示噪點參量辨識特征，μ表示噪點信息感應系數。

面向機械臂抓取原則的待識別圖像激活函數為：

由于數字標簽結構的分布形式并不固定，所以在建立激活函數時，應將圖像噪點信息的多樣性考慮在內。

2.3 初始識別權重

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

初始識別權重表達式為：

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字標簽圖像抗干擾識別方法的設計[17]。

3 實例分析

在圖1 所示機械臂抓取行為過程中，分別利用檔案盒數字標簽技術、深度神經網絡技術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，具體實驗設計流程如下：

利用數字標簽技術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，將所得實驗數據作為實驗組變量；

將處理后圖像恢復至初始狀態，確保復原后圖像與原始圖像的清晰程度完全相同；

利用深度神經網絡技術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，將所得實驗數據作為對照組變量；對比所得實驗組、對照組數據，總結實驗規律；

實驗主機在單位時間內所能準確識別的噪點信息數量，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所能準確識別的噪點信息數量越多，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所能準確識別的噪點信息數量相對較少，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，實驗組、對照組方法對于原圖像中噪點信息的識別能力，結果如表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所能準確識別的噪點信息數量呈現出先上升、再穩定、最后繼續上升的變化態勢。整個實驗過程中，實驗組噪點信息識別數量與理想識別數值之間的最大差值結果僅能達到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所能準確識別的噪點信息數量呈現出先上升、再趨于穩定的變化態勢。整個實驗過程中，對照組噪點信息識別數量均值始終小于實驗組，與理想識別數值之間的最大差值結果達到了2.6×107個，高于實驗組差值水平。

實驗結論為：1）深度神經網絡技術在提取機械臂抓取圖像噪點信息方面的應用能力相對有限，并不符合增強原始圖像抗干擾能力的實際應用需求。2）數字標簽技術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用能力相對較強，與深度神經網絡技術相比，更符合實際應用需求。

4 結束語

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