[发明专利]一种燃气表智能识别检测方法、系统和可读存储介质在审
申请号: | 202210169782.6 | 申请日: | 2022-02-23 |
公开(公告)号: | CN114627307A | 公开(公告)日: | 2022-06-14 |
发明(设计)人: | 卢其伦;张圆明;司徒琛;张旻炜;陈敏怡;何子维;王志伟;何志超 | 申请(专利权)人: | 广州能源检测研究院 |
主分类号: | G06V10/44 | 分类号: | G06V10/44;G06T7/00;G06V10/40;G06V10/774;G06V10/82;G06Q30/00;G06N3/08 |
代理公司: | 广州国鹏知识产权代理事务所(普通合伙) 44511 | 代理人: | 周燕君 |
地址: | 511447 广东省*** | 国省代码: | 广东;44 |
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 燃气 智能 识别 检测 方法 系统 可读 存储 介质 | ||
本发明公开的一种燃气表智能识别检测方法、系统和可读存储介质,通过视觉识别系统获取燃气表的外观状态图片并进行预处理得到预处理图像集输入到预先训练好的燃气表智能识别神经网络中获得目标缺陷类型,基于预存的缺陷对照识别数据库调用目标缺陷类型进行匹配输出对应的缺陷数据;将被测量燃气表与音速喷嘴式燃气表检验装置连接,向音速喷嘴式燃气表检验装置和被测量燃气表通入预设工况参数的介质空气,采集预设时间段内的流量脉冲以及流量脉冲对应时间点,根据流量脉冲获得工况参数下被测量燃气表的示值误差校准被测量燃气表。本申请通过识别检测方法对燃气表检测实现数据化智能控制和管理,提高了对燃气表检测的智能化程度。
技术领域
本申请涉及燃气表检测技术领域,更具体的,涉及一种燃气表智能识别检测方法、系统和可读存储介质。
技术背景
随着经济社会的不断发展,燃气表送检量日益增多、检定要求越来越高,而检定效率和质量未能明显提升,导致法定计量检定机构的检定能力与日益增长的检定需求之间的矛盾日益突出,且目前法定计量检定机构的燃气表检定装置虽然经过持续改进,检定自动化程度也有了较大的提升,但大部分检定装置仍采用人工操作或者半自动方式检定燃气表,被检表的安装及检定数据的记录主要依靠检定员人工操作,技术人员工作量大、工作效率低,同时易出现误判或纰漏,难以保证检定的准确性。
因此,现有燃气表检测技术存在管理和效率的短板,大力提高燃气表的检定效率和管理手段非常重要。
发明内容
鉴于上述问题,本发明的目的是提供一种燃气表智能识别检测方法、系统和可读存储介质,通过识别检测方法对燃气表检测实现数据化智能控制和管理,提高了对燃气表检测的智能化程度。
本发明第一方面提供了一种燃气表智能识别检测方法,包括:
通过视觉识别系统获取燃气表的外观状态图片;
对所述外观状态图片进行预处理得到预处理图像集并输入到预先训练好的燃气表智能识别神经网络中,以获得目标缺陷类型;
基于预存的缺陷对照识别数据库调用所述目标缺陷类型进行匹配,输出对应的缺陷数据。
可选地,在本申请实施例所述的燃气表智能识别检测方法中,所述通过视觉识别系统获取燃气表的外观状态图片,包括:
建立视觉识别系统的多个信号源构成的无线通信连接网络;
基于视觉识别系统实时拍摄所述燃气表的外观状态视频;
根据所述视频进行逐帧提取得到所述燃气表的外观状态图片。
可选地,在本申请实施例所述的燃气表智能识别检测方法中,所述对所述外观状态图片进行预处理得到预处理图像集并输入到预先训练好的燃气表智能识别神经网络中,以获得目标缺陷类型,包括:
对所述外观状态图片进行预处理得到预处理图像集;
将所述预处理图像集输入到预先训练好的所述燃气表智能识别神经网络中进行识别,得到图像形状特征与缺陷点特征;
基于所述图像形状特征与所述缺陷点特征,根据所述缺陷位置得到所述目标缺陷类型。
可选地,在本申请实施例所述的燃气表智能识别检测方法中,还包括:
将被测量燃气表与音速喷嘴式燃气表检验装置连接;
向所述音速喷嘴式燃气表检验装置和所述被测量燃气表通入预设工况参数的介质空气;
采集所述音速喷嘴式燃气表检验装置和所述被测量燃气表在预设时间段内的流量脉冲以及所述流量脉冲对应时间点;
根据所述流量脉冲获得所述工况参数下被测量燃气表的示值误差;
根据所述示值误差校准所述被测量燃气表。
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广州能源检测研究院,未经广州能源检测研究院许可,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/202210169782.6/2.html,转载请声明来源钻瓜专利网。
- 上一篇:半导体组件及其形成方法
- 下一篇:一种复杂3D背景下的背景分割目标识别方法