[發明專利]一種機房設備顯示面板數據的智能采集方法

在審

• 申請號: 202010380909.X
• 申請日: 2020-05-08
• 公開（公告）號: CN111738264A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 胡金磊;何永林
• 申請（專利權）人: 上海允登信息科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06N20/10;G06K9/46;G06N3/04;G06K9/62
• 代理公司: 杭州宇信知識產權代理事務所(普通合伙) 33231
• 代理人: 劉艷艷

1.一種機房設備顯示面板數據的智能采集方法，其特征在于，包括如下步驟：

S1、機器人采集若干張顯示面板的圖像，作為訓練數據集；

S2、將訓練數據集輸入到改進的faster-rcnn算法中，訓練得到文本檢測模型；

S3、機器人實時采集顯示面板的圖像并將其輸入到步驟S2訓練得到的文本檢測模型中，自動標注出所有文本從而得到檢測框，輸出圖像中所有檢測框在顯示面板中的位置坐標和尺寸信息；

S4、提取檢測框中的Roi圖像，對Roi圖像進行圖像預處理，保留提取后的數字骨架圖像并作為訓練樣本集；

S5、根據訓練樣本集訓練svm分類器，通過svm分類器對單個數字進行分類識別；

S6、將數字拼接成字符串輸出到客戶端顯示。

2.根據權利要求1所述的機房設備顯示面板數據的智能采集方法，其特征在于，步驟S1具體包括：機器人自主導航至待檢測設備顯示面板的正前方，調用提前設定好的攝像頭預置點，自動調整拍攝角度，拍攝至少1000張顯示面板的圖像，將其作為訓練數據集。

3.根據權利要求1所述的機房設備顯示面板數據的智能采集方法，其特征在于，步驟S2中，所述改進的faster-rcnn算法至少包括：特征提取模塊、rpn模塊以及用于銜接特征提取模塊與rpn模塊的嵌套LSTM模塊。

4.根據權利要求3所述的機房設備顯示面板數據的智能采集方法，其特征在于，所述特征提取模塊采用改進的vgg16作為卷積特征提取模塊，用于提取訓練樣本中文本圖像像素的空間特征；所述特征提取模塊至少包括四個卷積塊Conv1、Conv2、Conv3和Conv4，池化層pool以及目標檢測特殊層Roi pooling，其中，每個卷積塊均連接一個最大池化層maxpool，第一個卷積塊的第二個卷積層Conv1_2包括兩個不同尺寸的卷積核和c個1*1的卷積核，其中，c的取值為2~5，第三個卷積塊的第三個卷積層Conv3_3包括兩對不同尺寸的非規則交叉卷積核和一個1*1的卷積核。

5.根據權利要求4所述的機房設備顯示面板數據的智能采集方法，其特征在于，所述特征提取模塊提取卷積特征的過程包括如下：

步驟一、將面板圖像輸入到特征提取模塊，在第一個卷積塊的第二個卷積層Conv1_2采用兩個不同尺寸的卷積核；

步驟二、經步驟一中兩個不同尺寸的卷積核繼續卷積，然后加入c個1*1的卷積核；

步驟三、經第一個卷積塊Conv1卷積后，進入第二個卷積塊Conv2，經第二個卷積塊Conv2卷積后分為兩部分，一部分進入池化層pool，另一部分進入第三個卷積塊Conv3進行卷積；

步驟四、第三個卷積塊的第三個卷積層Conv3_3采用兩對不同尺寸的非規則交叉卷積核進行卷積以提取不同尺度的特征；

步驟五、經第三個卷積塊Conv3卷積后，進入第四個卷積塊Conv4進行卷積；

步驟六、將步驟三中經池化層pool下采樣和經步驟五中第四個卷積塊Conv4進行卷積后得到的各個卷積塊生成的卷積特征圖通過目標檢測特殊層Roi pooling融合，得到最終的卷積特征圖。

6.根據權利要求4所述的機房設備顯示面板數據的智能采集方法，其特征在于，所述特征提取模塊提取的空間特征輸入到嵌套LSTM模塊，所述嵌套LSTM模塊用于提取空間特征中特征向量之間的關系，把空間特征當作逐幀的特征序列，使得某一幀像素的特征與前一幀或后一幀具備特征上的連續性，生成帶有空間特征和時序特征的特征序列。

7.根據權利要求6所述的機房設備顯示面板數據的智能采集方法，其特征在于，所述rpn模塊用于將嵌套LSTM模塊生成的特征序列按照固定參考框anchor返回到原始輸入圖像，在原始圖像中生成符合待檢測文本實際尺寸的檢測框，檢測框表示文本檢測模型的檢測結果。