[發明專利]基于深度學習的液位儀讀數的識別方法

在審

• 申請號: 202010219945.8
• 申請日: 2020-03-25
• 公開（公告）號: CN112989901A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 劉紅利;侯書鵬;郭紅燕
• 申請（專利權）人: 長揚科技（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/60;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的液位儀讀數的識別方法，其特征在于，所述方法包括：

獲取多個校正后的液位儀圖像；

提取每個所述校正后的液位儀圖像中的液位儀并對所述液位儀進行標注，得到多個標注后的液位儀圖像；

將所述多個標注后的液位儀圖像輸入目標檢測模型，得到每個液位儀的液位面和液位量程在所對應的液位儀圖像中的坐標；

根據所述每個液位儀的液位面和液位量程在所述液位儀圖像中對應的坐標，通過與真實液位量程進行坐標換算，確定所述每個液位儀的讀數。

2.根據權利要求1所述的基于深度學習的液位儀讀數的識別方法，其特征在于，所述獲取多個校正后的液位儀圖像包括：

通過視頻監控系統獲取初始液位儀圖像；

利用所述視頻監控系統的錄像處理模式，對所述初始液位儀圖像進行錄制和回放，得到不同天氣、不同時間、不同光照條件的多個目標液位儀圖像；

對所述多個目標液位儀圖像進行預處理，得到多個校正后的液位儀圖像。

3.根據權利要求2所述的基于深度學習的液位儀讀數的識別方法，其特征在于，所述對所述多個目標液位儀圖像進行預處理，得到多個校正后的液位儀圖像包括：

對所述多個目標液位儀圖像中的每個目標液位儀圖像進行去除邊緣、去除噪聲、濾波和二值化，得到多個預處理后的液位儀圖像；

根據OpenCV的最小外接矩形方法，確定每個預處理后的液位儀圖像中液位儀的中心點、寬度、高度和旋轉角度；

根據所述每個預處理后的液位儀圖像中液位儀的中心點、寬度、高度、旋轉角度以及OpenCV的圖像旋轉方法，得到多個校正后的液位儀圖像。

4.根據權利要求3所述的基于深度學習的液位儀讀數的識別方法，其特征在于，所述提取每個所述校正后的液位儀圖像中的液位儀并對所述液位儀進行標注，得到多個標注后的液位儀圖像包括：

識別每個所述校正后的液位儀圖像中的液位儀，標注所述液位儀的液位面和液位量程的位置及注上標簽，得到多個標注后的液位儀圖像。

5.根據權利要求3所述的基于深度學習的液位儀讀數的識別方法，其特征在于，所述提取每個所述校正后的液位儀圖像中的液位儀并對所述液位儀進行標注，得到多個標注后的液位儀圖像之后包括：

建立所述目標檢測模型的過程：

將所述多個標注后的液位儀圖像進行劃分，得到訓練集和測試集；

獲取初始目標檢測算法，采用所述訓練集對所述初始目標檢測算法進行訓練，得到目標檢測模型；

根據所述測試集對目標檢測模型進行精度評價，確定所述目標檢測模型的精度。

6.根據權利要求5所述的基于深度學習的液位儀讀數的識別方法，其特征在于，所述根據所述目標檢測模型和測試集，確定所述目標檢測模型的精度包括：

將所述測試集輸入所述目標檢測模型，若所述目標檢測模型的測試標簽與預設標簽一致，并且測試閾值達到預設閾值，則認為目標檢測模型預測正確，從而得到所述目標檢測模型的精度。

7.根據權利要求1所述的基于深度學習的液位儀讀數的識別方法，其特征在于，所述根據所述液位儀目標檢測模型確定每個液位儀的液位面和液位量程在所述液位儀圖像中對應的坐標，確定所述每個液位儀的讀數包括：

獲取預設算法和所述液位儀的實際量程；

將每個液位儀的液位面和液位量程在所對應的液位儀圖像中的坐標、液位儀的實際量程輸入所述預設算法，得到所述每個液位儀的讀數。

8.根據權利要求7所述的基于深度學習的液位儀讀數的識別方法，其特征在于，所述預設算法為：

式中，reading為液位儀的讀數，h為液位面的高度（即液位儀的液位面在所對應的液位儀圖像中的坐標），H為液位量程的高度（即液位量程在所對應的液位儀圖像中的坐標），maxValue為液位儀的實際量程。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至8中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至8中任一項所述的方法的步驟。