[发明专利]一种自适应环境的变电站仪表读数识别方法、设备和介质

权利要求书

1.一种自适应环境的变电站仪表读数识别方法，其特征在于，包括以下步骤：

确定N种影响成像质量的环境类型，根据N种环境类型采集原始数据，并基于原始数据建立用于识别图像所处环境类型的环境识别模型、分别对处于各环境类型的图像进行增强的图像增强模型以及识别仪表表盘所在位置并识别仪表读数的仪表定位识别模型；

输入变电站仪表的原始图像至环境识别模型，识别原始图像中的环境类型；

将原始图像输入至图像增强模型，根据识别出的环境类型对原始图像进行图像增强，得到增强图像；

将增强图像输入至仪表定位识别模型，进行仪表区域定位，并识别仪表读数。

2.根据权利要求1所述的一种自适应环境的变电站仪表读数识别方法，其特征在于，建立所述环境识别模型的步骤具体为：

分别在N种环境类型下进行图像采集，并对采集到的图像添加环境类型标签，得到训练样本集；

构建神经网络，以训练样本集中的图像作为神经网络的输入，输出环境类型的预测值，基于所述输出环境类型的预测值与标签建立的偏差建立损失函数，计算损失函数的值并更新神经网络的参数，进行迭代训练；直到损失函数的值小于设定的阈值，迭代结束，保存神经网络的参数得到所述环境识别模型。

3.根据权利要求1所述的一种自适应环境的变电站仪表读数识别方法，其特征在于，建立所述图像增强模型的步骤具体为：

在不影响成像质量的环境下采集若干仪表图像，作为标准图像集，分别根据不同环境类型对标准图像的影响对标准图像进行处理，得到对应各环境类型的N组对照图像集；

构建N个图像增强网络，分别以各环境类型的对照图像集作为各图像增强网络的输入，输出增强后的图像，基于增强后的图像与标准图像的偏差构建损失函数，计算损失函数的值并更新各图像增强网络的参数，进行迭代训练；直到损失函数的值小于设定的阈值，迭代结束，保存各图像增强网络的参数得到对应各环境类型的图像增强模型。

4.根据权利要求3所述的一种自适应环境的变电站仪表读数识别方法，其特征在于，所述图像增强网络包括：

若干个依次连接的卷积注意力模块，用于对输入的图像进行特征提取，分别得到若干个初始特征图；

与各卷积注意力模块一一对应的若干个特征图再编码模块，分别对各个初始特征图进行编码和解码，得到若干个进阶特征图；

注意力机制模块，用于评估各进阶特征图的重要性，并基于重要性赋予各进阶特征图不同的通道权重，根据各进阶特征图的通道权重对各进阶特征图进行通道组合；

卷积模块和激活函数，用于基于通道组合后的各进阶特征图输出增强后的图像。

5.根据权利要求3所述的一种自适应环境的变电站仪表读数识别方法，其特征在于，所述图像增强网络的损失函数为：

Loss＝α(x,y)L₂+β(x,y)L_ssim+γ(x,y)L_perceptual；

其中，L₂为像素值的MSE损失；L_ssim为结构相似度损失；L_perceptual为感知损失；α(x,y)、β(x,y)、γ(x,y)用于对每个像素点的不同损失设置不同的权重；

结构相似度损失L_ssim定义为：

其中，μ_p1和μ_p2分别表示两幅图像p1、p2的均值，σ_p1和σ_p2是两幅图像的方差，σ_p1p2是协方差，C1和C2为常数；

感知损失L_perceptual定义为：

其中，W、H、C分别为特征图宽、高、通道数，为特征映射。