[发明专利]一种基于卷积神经网络的数显仪表读数识别方法在审
| 申请号： | 201810607174.2 | 申请日： | 2018-06-13 |
| 公开（公告）号： | CN108830271A | 公开（公告）日： | 2018-11-16 |
| 发明（设计）人： | 金连文;高学;孙增辉;罗灿杰 | 申请（专利权）人： | 深圳市云识科技有限公司;华南理工大学 |
| 主分类号： | G06K9/20 | 分类号： | G06K9/20;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 深圳市远航专利商标事务所(普通合伙) 44276 | 代理人： | 田志远;张朝阳 |
| 地址： | 518000 广东省深圳市南山区南*** | 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： | 本发明公开了模式识别与人工智能技术领域中的一种基于卷积神经网络的数显仪表读数识别方法，包括数据获取、数据处理、深度网络模型构建及训练、仪表读数识别等步骤。本发明通过基于大数据仪表图像的学习训练过程，实现一种高精度的数显仪表读数自动识别方法，具有识别准确率高、实时性强等特点，具有较好的实用价值。 | ||
| 搜索关键词： | 仪表读数 数显 卷积神经网络 人工智能技术 模式识别 数据获取 网络模型 学习训练 仪表图像 自动识别 数据处理 大数据 实时性 准确率 构建 | ||
【主权项】：
1.一种基于卷积神经网络的数显仪表读数识别方法，其特征在于，包括以下步骤：S1：数据获取：采用摄像设备拍摄包含读数区域的仪表图像；S2：数据处理：通过人工标注方式，对仪表读数值进行标注；S3：深度网络模型构建及训练：将仪表图像和相应标注数据输入到深度网络模型进行训练；S4：仪表读数识别：输入仪表图像，深度网络模型给出相应的仪表读数识别结果和识别置信度。
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深圳市云识科技有限公司;华南理工大学，未经深圳市云识科技有限公司;华南理工大学许可，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/201810607174.2/，转载请声明来源钻瓜专利网。
