由于在非結構環(huán)境中，空間羽流的非連續(xù)、不穩(wěn)定、不確定特性突出，使得部分羽流運動存在典型的間歇性特點，從而使得傳統(tǒng)基于嗅覺或視/嗅覺融合的方法無法有效可靠地追蹤羽流并進行源定位，在羽流尋源過程遇到較大地挑戰(zhàn)，亟待研發(fā)一種能夠在間歇性羽流尋源的可靠方法。因傳統(tǒng)多傳感器融合的羽流尋源方法對羽流的物理、化學特性未能充分地利用，導致大量潛在的信息舍棄，當機器人無法接觸羽流的情況下，易使尋源效率不足或失敗。由于不同成份的羽流在光譜成像方面存在著差異，部分羽流具有較明顯的色彩、灰度、紋理等物理特征，因此可通過高光譜成像來獲得羽流視覺信息，提取其物理、化學特征；反之，即使部分羽流無明顯的物理特征，仍可通過高光譜成像提取其化學特征。因此，本發(fā)明在尋源機器人基本感知（化學、流向/流速）基礎上，采用一種由高光譜成像來獲得羽流的視覺信息，提取羽流的物理、化學特征，對機器人無法接觸到的羽流也具備非接觸檢測能力。此外，通過F?DARTS的基礎網絡架構，借鑒自主發(fā)育網絡的參數(shù)演進思想，來探索非結構環(huán)境下的機器人羽流尋源自主追蹤方法，提升尋源效率和可靠性，為機器人在多模態(tài)間歇性羽流尋源中提供可靠的視覺信息處理與分析能力保障。