一种空中机器人分层强化学习控制方法

本发明涉及图像识别技术领域，具体为一种空中机器人分层强化学习控制方法，包括建立环境状态模型，根据环境参数将路面标线检测任务分解三个控制层次，分别设置区域级奖励函数、航迹级奖励函数和像素级奖励函数，其中区域级奖励函数评估目标路段覆盖完整性，航迹级奖励函数优化飞行轨迹效率，像素级奖励函数保证图像质量；首先训练环境适应层，确定最优检测区域划分；然后训练路径规划层，生成飞行轨迹；最后训练姿态控制层，实现位置控制；各层之间通过状态信息和奖励信号进行交互；在飞行过程中评估图像质量，当检测到图像模糊度和/或对比度不满足预设阈值时，触发重新拍摄机制和/或调整飞行参数，同时进行分层强化学习模型更新。