[发明专利]一种适用于巡检机器人的多类型仪表自动定位与识别方法在审
申请号: | 201810523996.2 | 申请日: | 2018-05-28 |
公开(公告)号: | CN108764134A | 公开(公告)日: | 2018-11-06 |
发明(设计)人: | 余宗杰;王文斐;耿沛文;马文辉 | 申请(专利权)人: | 江苏迪伦智能科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06K9/46 |
代理公司: | 南京禾易知识产权代理有限公司 32320 | 代理人: | 徐莉芳 |
地址: | 211199 江苏省南京市江宁开发区*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供一种适用于巡检机器人的多类型仪表自动定位与识别方法,根据事先收集好的各类型仪表场景图片,进行标注制作训练样本集,将制作好的样本集训练卷积神经网络模型;对任意的任务场景图片,利用训练好的卷积神经网络仪表模型进行检测识别,并对检测识别结果进行后处理;最后根据后处理结果得到最终的识别结果。本发明具有高准确度、高鲁棒性,对包含指针表、数字仪表、状态仪表在内的多类型仪表定位与识别均具有很高的准确度。 | ||
搜索关键词: | 仪表 多类型 卷积神经网络 巡检机器人 后处理 自动定位 准确度 训练样本集 场景图片 高鲁棒性 任务场景 数字仪表 状态仪表 样本集 指针表 检测 制作 标注 图片 | ||
【主权项】:
1.一种适用于巡检机器人的多类型仪表自动定位与识别方法,其特征在于:包括以下步骤:步骤一:根据事先收集多类型仪表场景图片,标注场景图片中的仪表区域并对应标注信息文件,制作训练样本集;步骤二:将训练样本集送入设计好的卷积神经网络进行离线模型训练得到卷积神经网络仪表模型;步骤三:利用卷积神经网络仪表模型对任务场景图片进行仪表类型识别和位置检测,初步得出系列仪表类型、置信度和位置矩形框;步骤四:对步骤三中得到的初步结果进行后处理,最终得出场景图片中仪表类型和对应位置。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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江苏迪伦智能科技有限公司,未经江苏迪伦智能科技有限公司许可,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/patent/201810523996.2/,转载请声明来源钻瓜专利网。
- 上一篇:图像识别方法、装置及系统
- 下一篇:图像生成方法、装置,及电子设备