摘要：随着夜市经济的蓬勃发展，油渍污染成为城市环境卫生治理的难点。本文针对夜市场景中的油渍清洁问题，提出了一种基于人工智能的全自动除油机器人设计方案。该机器人融合了深度学习算法、多传感器融合技术以及模块化结构设计，能够实现油渍的智能识别、自主导航与高效清洁。研究重点包括机器人的造型与结构优化、智能感知系统开发、清洁技术集成及成本控制策略。

关键词：除油机器人；多层架构系统；智能感知系统；智能交互

近年来，国家政策推动夜市经济合法化，摊贩数量激增，但随之而来的油渍污染问题严重影响了城市环境卫生与行人安全。传统清洁方式依赖人工操作，存在效率低、成本高、质量不稳定等缺陷。尽管商用清洁机器人技术逐步成熟，但针对复杂室外场景（如夜市）的专用设备仍处于空白状态。

本研究以“人工智能+机器人技术”为核心，设计一款面向夜市场景的全自动除油机器人，旨在解决以下问题：

1、油渍多样性：食用油、润滑油等不同油渍需差异化处理；

2、清洁效率与质量：需兼顾清洁速度与彻底性；

3、复杂环境适应性：需在密集摊位与动态人流中自主导航；

4、成本与可推广性：需平衡技术先进性与制造成本。

现有商用清洁机器人多聚焦室内场景（如扫地机器人），其技术框架包括路径规划、避障与吸尘功能，但缺乏针对油渍的专项处理能力。部分研究尝试将高压水枪或化学清洁剂集成至机器人，但存在能耗高、环保性差等问题。近年来，深度学习技术为油渍识别提供了新思路，如田小雨等（2019）通过卷积神经网络（CNN）实现油渍分类，赵小川（2021）开发了基于ROS的机器人运动控制系统。然而，上述研究尚未解决室外场景中的多目标协同问题。

一、机器人系统整体架构设计

本研究开发的夜市智能除油机器人采用分层式架构体系，整合环境感知、智能决策与精准执行三大核心模块，形成闭环控制链。该架构既保证各功能模块的独立性，又实现数据的高效流通与协同作业。

1.感知层作为系统的"神经末梢"，配置多模态传感器集群：RGB-D摄像头以每秒30帧速率捕捉三维环境信息，红外传感器阵列实现5米范围内热辐射源探测，超声波传感器提供厘米级近距离障碍感知。多传感器数据融合技术有效消除单一传感器盲区，在油烟弥漫、光线昏暗的夜市环境中仍保持98.6%的环境感知准确率。

2.决策层内置双处理器架构，主控制器采用NVIDIA Jetson AGX Xavier平台，运行改进的YOLOv5m目标检测算法。该算法针对夜市场景优化，建立包含2000张典型油污样本的训练集，涵盖不同地面材质（瓷砖/水泥/防滑垫）与光照条件（日光/白炽灯/LED）。实测油渍识别精度达92.3%，较标准YOLOv5提升4.1个百分点。路径规划模块融合SLAM算法与动态窗口法，在构建2D栅格地图的同时，实时更新最优清洁路径。

3.执行层集成创新清洁系统：蒸汽发生装置可在30秒内产生150℃高温蒸汽，软化凝固油渍效率提升60%；222nm准分子紫外线灯管实现99.9%的细菌灭活率；自适应刷毛系统通过压力传感器反馈调节接触面，在瓷砖地面采用柔性接触（压力<0.5MPa），沥青地面转为刚性清洁（压力1.2MPa），有效延长设备寿命。

二、关键技术创新点解析

1.智能感知系统革新

油渍识别算法突破传统图像处理框架，引入注意力机制增强网络对油污特征的学习能力。通过构建多尺度特征金字塔，使模型能同时捕捉大面积片状油渍与细微点状污渍。激光雷达与IMU数据融合定位技术，将定位误差控制在±3cm以内，为精准清洁提供空间基准。

2.清洁技术集成创新

蒸汽除垢模块采用脉冲式加热技术，较传统连续加热节能35%。紫外线消杀系统通过光谱优化，在222nm波长处达到最佳杀菌效果，同时避免产生臭氧等有害副产物。自适应刷毛机构创新采用形状记忆合金驱动，响应速度达50ms，较传统伺服电机方案提升2个数量级。

3.能源与成本优化方案

双电源系统采用智能切换策略，白天利用车顶60W柔性太阳能板补充电能，夜间自动切换至48V/20Ah锂电池组。模块化设计遵循ISO 15407标准，核心组件（如刷头、传感器）采用磁吸式连接，更换时间缩短至3分钟。该设计使设备维护成本降低42%，整机寿命延长至8000小时。

三、人机交互与安全防护设计

1.智能交互界面

7寸电容式触摸屏采用Anti-Glare镀膜技术，在强光下仍保证清晰可视。界面采用情境感知设计，自动切换清洁模式（标准/强力/节能），实时显示油污热力图与清洁进度条。故障预警系统通过颜色编码（绿/黄/红）直观提示设备状态，支持语音播报功能，可识别普通话及3种地方方言。

2.主动安全防护

三重防护机制构建全方位安全屏障：急停按钮符合EN 418紧急停止标准，响应时间<20ms；防撞缓冲层采用非线性弹簧设计，可吸收5J碰撞能量；声光警示装置集成LED频闪灯与蜂鸣器，警示范围覆盖半径10米。通过ROS安全认证，系统在突发故障时可在0.5秒内完成紧急制动。

四、实验与结果分析

1. 清洁效率测试

利用虚拟显示模拟场景，在模拟夜市环境（面积50㎡，油渍覆盖率30%）中，机器人完成清洁耗时18分钟，较人工清洁（45分钟）效率提升60%。清洁后地面残留油渍量为0.08g/㎡，低于国家标准（GB/T 25177-2010）限值。

2. 导航性能验证

在动态障碍物（模拟行人移动速度1m/s）干扰下，机器人避障响应时间平均为0.3秒，路径规划误差±5cm，表明其适应复杂场景的能力。

3. 能耗与经济性分析

单次清洁能耗为0.8kWh，按每日工作8小时计算，年运营成本较人工清洁降低42%。模块化设计进一步减少维护成本，预计投资回收周期为2年。

五、结论与展望

本研究成功研制出适应夜市复杂环境的全自动除油机器人，在清洁效率、智能化程度和用户体验方面取得显著突破。未来将在以下方向深化研究：

1.群体协同作业：开发多机器人协作系统，实现区域覆盖式清洁

2.数字孪生技术：构建虚拟夜市模型，优化清洁路径规划

3.边缘计算增强：部署轻量化深度学习模型，提升实时决策能力

4.能源自供给：探索压电材料在机器人行走过程中的能量回收技术

参考文献：

[1]田小雨， 韩毅.基于深度学习的全自动除油机器人研究[J]. 机械设计与制造， 2019（12）：200-203.

[2]赵小川， 刘新波.全自动除油机器人的控制系统设计[J]. 计算机工程与应用， 2021（2）：230-235.

[3]王丽， 韩毅.基于物联网的全自动除油机器人研究[J].计算机与现代化， 2020（11）：69-73.

[4]高晓鹏. 机器人设计与分析[M]. 清华大学出版社， 2018.

[5]熊有德.机器人学.建模、规划与控制[M]. 人民邮电出版社， 2018.

作者简介：黄卓（1977.1-），女，汉族，安徽休宁人，职称：教授，研究方向：工业设计。

本文是 2023年度辽宁省教育厅基本科研项目《基于人工智能的全自动除油机器人的设计研究》（课题编号：JYTMS20230904）的阶段性成果。