[发明专利]一种基于HRNet网络模型的SF6仪表图像读数方法

权利要求书

1.一种基于HRNet的SF₆仪表读数识别方法，包括以下步骤：

1)采集仪表样本图像，图像中包含所需识别SF₆仪表；

2)遍历所有仪表样本图像，对于其中仪表进行标注，标注方式为指针式仪表中的刻度关键点和指针关键点标注，由所有仪表样本图像及其标注信息构成训练集；

3)将步骤2)中所获得的训练集输入改进的HRNet网络模型进行学习训练，训练后获得最终模型；

所述的改进的HRNet网络模型是在HRNet网络模型自身的特征提取输出层和预测结果输入层之间连接增加设置了一个交错融合模块，特征提取输出层输出了针对不同关键点的不同关键点预测图作为特征图，每一个关键点均对应有一个关键点预测图，通过交错融合模块对刻度相邻的关键点预测图进行叠加融合；通过卷积模块将特征提取输出层输出的各个关键点预测图进行交错融合，形成新的各个关键点预测图，具体是：将N个关键点预测图按照其中关键点对应的刻度位置进行排序，将每两个刻度相邻的关键点预测图叠加融合后获得新的N-1关键点预测图，再加上最大刻度位置对应的关键点预测图，形成获得新的各个关键点预测图；

4)对于SF₆仪表的待测图片，输入最终模型，最终模型预测出待测图片中刻度关键点与指针关键点的位置，根据刻度关键点与指针关键点获得SF₆仪表的待测图片上的读数；

根据刻度关键点与指针关键点获得SF₆仪表的待测图片上的读数，具体为：

4.1)根据所获得的刻度关键点，对于11个刻度关键点，进行两个相邻刻度关键点的两两相连，共计获得10条线段；

4.2)指针关键点由指针尖点至与旋转中心点的三个点依次为P_a，P_b，P_c，利用三个指针关键点进行线性回归获得射线，求取射线和10条线段之间的交点，依据角度关系最终获得SF₆仪表的待测图片上的读数：

4.2.1)进行两条线段P_a P_c、P_b P_c各自的斜率计算并判断：

若两条线段的斜率之差小于0.2，则以指针尖点和指针在仪表上的旋转中心点之间形成的线段P_a P_c作为指针直线；

若两条线段的斜率之差大于0.2，则对三个指针关键点位置进行线性回归，三个指针关键点在坐标位置为(X⁽ⁱ⁾,Y⁽ⁱ⁾)，i＝1,2,3，建立指针直线模型：

h_θ(x)＝θ₀+θ₁x

其中，x表示进行线性回归的自变量，θ₀、θ₁分别表示回归线h_θ(x)的斜率和截距，J(θ)表示进行线性回归的代价函数，θ表示斜率和截距θ₀、θ₁的集合，i表示指针关键点的序数；

求解上述指针直线模型后获得指针直线h_θ(x)；

4.2.2)在获得指针的拟合直线后，以指针关键点的旋转中心点P_c为端点，获得指针射线，检测射线与4.1)获得的刻度线段相交的交点P，并获得交点P与所交线段两端的刻度点P₁和P₂，其中P₁代表两个刻度点中刻度值较小的点，P₂代表两个刻度点中刻度值较大的点，将交点P和两刻度点P₁、P₂分别与旋转中心点P_c相连接，获得角度信息∠P₁P₀P₂与∠PP₀P₁，然后根据两个角度信息获得SF₆仪表的待测图片上的读数V为：

式中，与代表交点P所交线段的两个刻度点的刻度数值。

2.根据权利要求1所述的一种基于HRNet的SF₆仪表读数识别方法，其特征在于：所述的仪表样本图像是人通过拍摄设备，依次单独对于所需识别仪表进行采集所获得图片。