1.一种基于神经网络和图像识别的智能水面漂浮物打捞系统，其特征在于，包括：双体船、图像采集和处理模块、图像识别模块、船体控制模块及智能水面漂浮物打捞模块，其中，所述双体船包括.两个单体船、连接甲板和防水载物台，防水载物台上安装有单片机，通过单片机控制两个单体船中螺旋桨的转速控制船体的转向、调头和巡航；

图像采集和处理模块，用于通过广角摄像头监视水面，每隔Nms采集一次水面的图片并进行去噪、去除光照以及前后景分离图像处理；

图像识别模块，对图像进行采集和处理后，根据采集到的图片构造出正负样本数据集，从中随机选择部分数据作为训练数据，利用得到的训练数据，通过卷积神经网络的模型与图像金字塔相结合构建图像识别模型；

船体控制模块，根据图像识别模型来识别并获取漂浮物位置，根据图像识别出的漂浮物坐标与识别区域三等分线坐标的比较，通过一个线性函数求出下一时刻的偏转方向；通过串口通信将下一时刻的偏转方向控制信号传到单片机上从而实现船体控制；

智能水面漂浮物打捞模块，包括：将单片机、电池、发动机、散热器、打捞网、广角摄像头、PC在内的器材，然后将船体控制模块的船体控制程序烧录进单片机中，实现智能水面漂浮物识别系统转向、巡航、掉头功能，在PC端运行图像识别模块，并通过串口将识别结构传输到单片机完成智能水面漂浮物打捞系统的自动识别和打捞工作。

2.根据权利要求1所述的基于神经网络和图像识别的智能水面漂浮物打捞系统，其特征在于，所述图像采集和处理模块采取Gamma校正的算法去除水面的光照。

3.根据权利要求2所述的基于神经网络和图像识别的智能水面漂浮物打捞系统，其特征在于，所述采取Gamma校正的算法去除水面的光照，具体包括步骤：首先，根据公式(1)对图像进行归一化，将像素值转换为0～1之间的实数。然后，根据公式(2)，对归一化后的像素进行预补偿的操作；最后，通过公式(3)将预补偿后的实数值反变换为0～255之间的整数值；

Xnorm＝(X+0.5)/256(1)

X＝Xim*256-0.5(3)

其中Xnorm表归一化后的像素值，Xim表示伽马校正后的像素值，X表示原始像素值。

4.根据权利要求1所述的基于神经网络和图像识别的智能水面漂浮物打捞系统，其特征在于，所述图像识别模块通过卷积神经网络的模型与图像金字塔相结合实现水面漂浮物的识别与定位，根据处理好的图像，输入进卷积神经网络进行训练来获取图像识别模型，从

7层神经网络开始试探性增加中间的卷积层和池化层个数，通过实验最终确定为一个11层的卷积神经网络。

5.根据权利要求4所述的基于神经网络和图像识别的智能水面漂浮物打捞系统，其特征在于，所述卷积神经网络的结构是采用的LeNet-5的7层网络为基础Input->Convolution(卷积)->Pooling(池化)->Convolution->Pooling->Full connected(全连接)->Softmax(线性操作)。

6.根据权利要求1所述的基于神经网络和图像识别的智能水面漂浮物打捞系统，其特征在于，所述船体控制模块，根据图像识别模型来识别并获取漂浮物位置，根据图像识别出的漂浮物坐标与识别区域三等分线坐标的比较，通过一个线性函数求出下一时刻的偏转方向；通过串口通信将下一时刻的偏转方向控制信号传到单片机上从而实现船体控制，具体包括：通过串口通信接收电脑端传输的方向信号，然后Arduino单片机根据获取信号操控船体发动机进行相应方向的前行，其中根据图像识别模型识别的位置，对不同位置设计不同的船体航行控制。将图像垂直等分成3分，从左至右记为左区域、中间区域、右区域，根据图像识别出的漂浮物坐标与识别区域三等分线坐标的比较，通过一个线性函数求出下一时刻的偏转方向。当识别图像区域没有目标物体时，控制船体进入巡检模式直到识别出目标物体后进行有目的的打捞。

7.根据权利要求6所述的基于神经网络和图像识别的智能水面漂浮物打捞系统，其特征在于，在t时刻，双体船的运动情况可以归纳为下面四类：

1)当x<＝L/3时，即漂浮物在识别区域的左边时，说明双体船应该向左转向打捞漂浮物，因此nleft

2)当x>＝2L/3时，即漂浮物在识别区域的右边，说明双体船应该向右转向打捞漂浮物，因此nleft>nright，达到船体右转的目标；

3)当L/3

4)当模型输出为NULL时，即目前识别区域中没有漂浮物，我们让双体船原地旋转一周，nleft＝-nright，再直行，以便寻找漂浮物；

其中，L为识别范围的宽度，nleft为左边马达的转速，nright为右边马达的转速。