[发明专利]一种指针式仪表读数识别方法及装置有效
申请号: | 201811597959.2 | 申请日: | 2018-12-26 |
公开(公告)号: | CN111368823B | 公开(公告)日: | 2023-06-23 |
发明(设计)人: | 王晓东;徐方;王冠;姜楠;潘鑫;宋健 | 申请(专利权)人: | 沈阳新松机器人自动化股份有限公司 |
主分类号: | G06V20/62 | 分类号: | G06V20/62;G06V30/19;G06V10/82;G06N3/0464;G06N3/084;G06N3/0475;G06N3/094 |
代理公司: | 沈阳科苑专利商标代理有限公司 21002 | 代理人: | 郑伟健 |
地址: | 110168 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 指针 仪表 读数 识别 方法 装置 | ||
1.一种指针式仪表读数识别方法,其特征在于,所述方法包括:
获取所需数量的指针式仪表的表盘图像数据,所述表盘图像数据具有多张表盘图片;
对所述表盘图片进行图像处理得到具有指针的第一裸表盘图片,将每张第一裸表盘图片与相应的表盘图片组成图片对;
利用所述图片对建立第一训练集,并使用GAN算法对所述第一训练集进行训练得到裸表盘图像模型;
采集不同读数的第二裸表盘图片,利用所述第二裸表盘图片建立第二训练集,利用卷积神经网络对所述第二训练集进行训练得到读数识别模型,其中,不同读数对应不同的分类;
实时获取目标指针式仪表的待读表盘图像,将所述待读表盘图像输入所述裸表盘图像模型得到待读裸表盘图片,将所述待读裸表盘图片输入所述读数识别模型进行分类得到所述目标指针式仪表的读数。
2.根据权利要求1所述的指针式仪表读数识别方法,其特征在于,所述利用所述图片对建立第一训练集,并使用GAN算法对所述第一训练集进行训练得到裸表盘图像模型,包括:
通过偏移、旋转或增加噪音的方式将所述图片对的数量进行扩充形成第一训练集,利用Pix2Pix算法对所述第一训练集进行训练得到裸表盘图像模型。
3.根据权利要求1所述的指针式仪表读数识别方法,其特征在于,所述采集不同读数的第二裸表盘图片,利用所述第二裸表盘图片建立第二训练集,利用卷积神经网络对所述第二训练集进行训练得到读数识别模型,包括:
对指针式仪表不同度数时对应的第二裸表盘图片进行采集,根据读数进行类的划分,每一类中至少采集一张第二裸表盘图片,通过偏移、旋转或增加噪音的方式将所述第二裸表盘图片进行扩充得到第二训练集,利用卷积神经网络对所述第二训练集进行训练得到读数识别模型。
4.根据权利要求2所述的指针式仪表读数识别方法,其特征在于,所述实时获取目标指针式仪表的待读表盘图像,将所述待读表盘图像输入所述裸表盘图像模型得到待读裸表盘图片,将所述待读裸表盘图片输入所述读数识别模型进行分类得到所述目标指针式仪表的读数,包括:
实时获取目标指针式仪表的待读表盘图像,将所述待读表盘图像输入所述裸表盘图像模型,利用所述Pix2Pix算法和所述裸表盘图像模型得到待读裸表盘图片,将所述待读裸表盘图片输入所述读数识别模型进行分类得到所述目标指针式仪表的读数。
5.根据权利要求1或3所述的指针式仪表读数识别方法,其特征在于,所述卷积神经网络采用深度残差网络ResNet。
6.一种指针式仪表读数识别装置,其特征在于,所述装置包括:
获取单元,用于获取所需数量的指针式仪表的表盘图像数据,所述表盘图像数据具有多张表盘图片;
图片对生成单元,用于对所述表盘图片进行图像处理得到具有指针的第一裸表盘图片,将每张第一裸表盘图片与相应的表盘图片组成图片对;
第一模型生成单元,用于利用所述图片对建立第一训练集,并使用GAN算法对所述第一训练集进行训练得到裸表盘图像模型;
第二模型生成单元,用于采集不同读数的第二裸表盘图片,利用所述第二裸表盘图片建立第二训练集,利用卷积神经网络对所述第二训练集进行训练得到读数识别模型,其中,不同读数对应不同的类别;
识别单元,用于实时获取目标指针式仪表的待读表盘图像,将所述待读表盘图像输入所述裸表盘图像模型得到待读裸表盘图片,将所述待读裸表盘图片输入所述读数识别模型进行分类得到所述目标指针式仪表的读数。
7.根据权利要求6所述的指针式仪表读数识别装置,其特征在于,第一模型生成单元具体用于:
通过偏移、旋转或增加噪音的方式将所述图片对的数量进行扩充形成第一训练集,利用Pix2Pix算法对所述第一训练集进行训练得到裸表盘图像模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于沈阳新松机器人自动化股份有限公司,未经沈阳新松机器人自动化股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811597959.2/1.html,转载请声明来源钻瓜专利网。