[發(fā)明專利]一種基于YOLOV3網(wǎng)絡(luò)的電表示數(shù)識別方法

在審

• 申請?zhí)枺?/td>: 202010417060.9
• 申請日: 2020-05-18
• 公開（公告）號: CN111461121A
• 公開（公告）日: 2020-07-28
• 發(fā)明（設(shè)計(jì)）人: 徐然;孔陳祥;戚群朗
• 申請（專利權(quán)）人: 江蘇電力信息技術(shù)有限公司;國網(wǎng)江蘇省電力有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京匯盛專利商標(biāo)事務(wù)所(普通合伙) 32238
• 代理人: 陳揚(yáng)

1.一種基于YOLOV3網(wǎng)絡(luò)的電表示數(shù)識別方法，其特征在于：結(jié)合深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，分為圖像預(yù)處理，關(guān)鍵目標(biāo)區(qū)域檢測及讀數(shù)識別三個過程，其中關(guān)鍵目標(biāo)區(qū)域識別使用YOLOv3-Tiny目標(biāo)檢測模型來實(shí)現(xiàn)，讀數(shù)識別使用YOLOv3目標(biāo)檢測模型來實(shí)現(xiàn)；具體如下：

1) 首先基于YOLOv3-tiny網(wǎng)絡(luò)構(gòu)建示數(shù)區(qū)域定位模型，對示數(shù)目標(biāo)定位；

2）然后裁剪示數(shù)目標(biāo)區(qū)域；

3）最后基于YOLOv3網(wǎng)絡(luò)構(gòu)建示數(shù)文字識別模型，進(jìn)行示數(shù)文字識別，測試時(shí)，在NMS算法中添加規(guī)則: 如果存在任意兩個預(yù)測框的 IOU0.6, 那么將保留置信度最高的預(yù)測框,將其余預(yù)測框全部刪除。

2.根據(jù)權(quán)利要求1所述的基于YOLOV3網(wǎng)絡(luò)的電表示數(shù)識別方法，其特征在于：基于YOLOV3網(wǎng)絡(luò)的電表示數(shù)識別方法具體如下：

步驟1： 分辨率初始化: 將原始圖像的分辨率初始化為a × b, 圖像的通道數(shù)為n；

步驟2：卷積網(wǎng)絡(luò)提取特征: 將 resize 后的圖像數(shù)據(jù)輸入卷積網(wǎng)絡(luò), 輸出一個S×S ×[(5+N)× B] 的特征圖, 該特征圖將圖像劃分為S ×S個網(wǎng)格單元, 每個網(wǎng)格單元輸出B 個預(yù)測框, 每個預(yù)測框?qū)⑤敵?4 種信息, 包括預(yù)測框的位置 、尺寸 、置信度以及預(yù)測不同類別的條件概率, 其中類別的數(shù)量為N；

步驟3：NMS 處理刪除冗余框: NMS即非極大值抑制算法,對于預(yù)測框組成的集合,采用下面的計(jì)算方式:選擇具有最大置信度的預(yù)測框 , 將其從集合中移除并加入到最終的檢測結(jié)果中,將A中剩余預(yù)測框中與M 的IOU大于閾值Nt的框從A中移除, 重復(fù)這個過程, 直到A集合為空；使用NMS 算法將特征圖 1 中的冗余框的置信度設(shè)置為 0, 生成特征圖 2；

步驟4：計(jì)算預(yù)測類別: 預(yù)測框?qū)τ诘趇類的置信度分?jǐn)?shù)si, 用公式表示為: si = pi×c

其中,pi表示當(dāng)前預(yù)測框?qū)?yīng)第i 類的條件概率 , c 表示當(dāng)前預(yù)測框的置信度，預(yù)測類別取si 最大時(shí)對應(yīng)的類別i, 預(yù)測框?qū)?yīng)的預(yù)測類別用公式表示為: C = arg max(si)。