[發(fā)明專利]一種鍋爐運(yùn)行數(shù)據(jù)采集方法、系統(tǒng)、設(shè)備及計(jì)算機(jī)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010699244.9
• 申請日: 2020-07-20
• 公開（公告）號: CN111860317A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 白彧;梅寧;李瑞波;劉思杰;郭成科;孫云國;金福;閆蕾
• 申請（專利權(quán)）人: 青島特利爾環(huán)保集團(tuán)股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王雨

1.一種鍋爐運(yùn)行數(shù)據(jù)采集方法，其特征在于，包括：

獲取包含鍋爐運(yùn)行數(shù)據(jù)的目標(biāo)圖像；

確定出所述目標(biāo)圖像中只包含所述鍋爐運(yùn)行數(shù)據(jù)的圖像熱區(qū)；

對所述目標(biāo)圖像中的所述圖像熱區(qū)進(jìn)行分割，得到熱區(qū)圖像；

對所述熱區(qū)圖像進(jìn)行識別，得到所述鍋爐運(yùn)行數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定出所述目標(biāo)圖像中只包含所述鍋爐運(yùn)行數(shù)據(jù)的圖像熱區(qū)，包括：

將所述目標(biāo)圖像與預(yù)設(shè)的模板圖像進(jìn)行匹配，得到匹配區(qū)域，所述模板圖像表征所述待采集區(qū)域的形狀特征；

基于歸一化平方差匹配法，計(jì)算所述匹配區(qū)域與所述模板圖像的匹配程度；

將匹配程度最高的所述匹配區(qū)域確定為待采集區(qū)域；

將所述待采集區(qū)域由RGB圖像轉(zhuǎn)換為HSV圖像，得到轉(zhuǎn)換區(qū)域圖；

對所述轉(zhuǎn)換區(qū)域圖進(jìn)行中值濾波，得到濾波區(qū)域圖；

獲取預(yù)設(shè)的表征鍋爐運(yùn)行數(shù)據(jù)的紅、黃、綠三種顏色各自的HSV范圍；

在所述濾波區(qū)域圖中，查找出與所述HSV范圍一致的圖像區(qū)域；

去除掉所述圖像區(qū)域中的非數(shù)字區(qū)域，得到所述圖像熱區(qū)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述去除掉所述圖像區(qū)域中的非數(shù)字區(qū)域，得到所述圖像熱區(qū)，包括：

對所述圖像區(qū)域的數(shù)據(jù)排列順序進(jìn)行篩選，將符合預(yù)設(shè)排列順序的圖像區(qū)域確定為所述圖像熱區(qū)；

和/或，裁剪掉所述圖像區(qū)域中的符號區(qū)域，得到所述圖像熱區(qū)；

和/或，將所述圖像區(qū)域中符合預(yù)設(shè)數(shù)據(jù)長度的圖像區(qū)域確定為所述圖像熱區(qū)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述熱區(qū)圖像進(jìn)行識別，得到所述鍋爐運(yùn)行數(shù)據(jù)，包括：

對所述熱區(qū)圖像進(jìn)行銳化處理，得到銳化圖像；

將所述銳化圖像轉(zhuǎn)換為灰度圖像；

對所述灰度圖像進(jìn)行二值化處理，得到二值化圖像；

基于投影字符法對所述二值化圖像進(jìn)行字符分割，得到字符分割圖；

基于訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對所述字符分割圖進(jìn)行識別，得到字符識別結(jié)果；

基于所述字符分割的順序，對所述字符識別結(jié)果進(jìn)行字符組合，得到所述鍋爐運(yùn)行數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述熱區(qū)圖像進(jìn)行銳化處理，得到銳化圖像，包括：

基于5*5的數(shù)組卷積核對所述熱區(qū)圖像進(jìn)行邊緣銳化，得到所述銳化圖像；

所述對所述灰度圖像進(jìn)行二值化處理，得到二值化圖像，包括：

基于大律法對所述灰度圖像進(jìn)行二值化處理，得到所述二值化圖像；

所述基于投影字符法對所述二值化圖像進(jìn)行字符分割，得到字符分割圖，包括：

對所述二值化圖像分別進(jìn)行縱向及橫向坐標(biāo)方向的黑色像素累加統(tǒng)計(jì)，得到在垂直和水平方向上的像素分布直方圖；

基于所述像素分布直方圖的像素間隙，對所述二值化圖像進(jìn)行字符分割，得到所述字符分割圖。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型包括以Google NetInception-3網(wǎng)絡(luò)結(jié)構(gòu)搭建的模型，且所述神經(jīng)網(wǎng)絡(luò)模型的輸出為12個(gè)概率值，所述12個(gè)概率值分別表征所述神經(jīng)網(wǎng)絡(luò)模型的輸入為0或1或2或3或4或5或6或7或8或9或小數(shù)點(diǎn)或負(fù)號的概率；

所述基于訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對所述字符分割圖進(jìn)行識別，得到字符識別結(jié)果，包括：

基于所述神經(jīng)網(wǎng)絡(luò)模型對所述字符分割圖進(jìn)行識別，得到所述字符分割圖對應(yīng)的概率值；

基于所述字符分割圖對應(yīng)的概率值，確定所述字符識別結(jié)果。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述基于訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對所述字符分割圖進(jìn)行識別，得到字符識別結(jié)果之后，還包括：

根據(jù)所述字符識別結(jié)果，確定出所述字符分割圖中屬于無法識別或識別錯(cuò)誤的目標(biāo)分割圖；

基于所述目標(biāo)分割圖重新對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。