[發明專利]一種復雜場景下的磁翻板讀數方法在審
| 申請號: | 202310335166.8 | 申請日: | 2023-03-31 |
| 公開(公告)號: | CN116563849A | 公開(公告)日: | 2023-08-08 |
| 發明(設計)人: | 朱冬;陳吉;盧飛;唐國梅;胡江;李欣 | 申請(專利權)人: | 七騰機器人有限公司 |
| 主分類號: | G06V20/70 | 分類號: | G06V20/70;G06V10/774;G06V10/26;G06T7/90;G06T5/50 |
| 代理公司: | 重慶西南華渝專利代理有限公司 50270 | 代理人: | 楊雪 |
| 地址: | 401123 重慶*** | 國省代碼: | 重慶;50 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 復雜 場景 磁翻板 讀數 方法 | ||
1.一種復雜場景下的磁翻板讀數方法,其特征在于,包括以下步驟:
S1,獲取磁翻板原始圖像,將磁翻板原始圖像輸入經訓練的磁翻板目標檢測模型,得到磁翻板子圖像;
S2,對磁翻板子圖像進行圖像增強,得到磁翻板增強圖像;
S3,將磁翻板增強圖像輸入經訓練的磁翻板分割模型,得到磁翻板面板分割集合a和磁翻板液柱分割集合b;
S4,分析磁翻板分割結果,得到磁翻板讀數比例值。
2.如權利要求1所述的復雜場景下的磁翻板讀數方法,其特征在于,所述磁翻板目標檢測模型訓練過程包括:
篩選磁翻板圖像并進行標注,得到目標檢測數據集;
使用磁翻板目標檢測數據集對目標檢測網絡進行訓練,得到磁翻板目標檢測模型,所述目標檢測網絡為yolo網絡或SSD網絡。
3.如權利要求2所述的復雜場景下的磁翻板讀數方法,其特征在于,圖像增強采用曝光融合的方式,包括:
S201,將磁翻板子圖像從RGB顏色空間變換到HSV顏色空間,提取磁翻板子圖像的初始亮度分量V;
S202,優化得到場景光照圖T,將場景光照圖T的優化問題定義為:
其中,||*||2和||*||1分別代表L2范數和L1范數,為一階導數算子,包含水平方向梯度和垂直方向梯度λ是控制參數,°為Hadamard積,M為梯度權重矩陣,定義為:
其中,|*|是絕對值運算符,ω(x)表示以像素x為中心的局部窗口,ε是一個避免分母為零的常數,h為水平方向,ν為垂直方向。
S203,計算權重矩陣W=Tμ,其中,μ是控制增強強度的參數;
S204,使用HSV空間的初始亮度分量V作為低曝光像素的判斷依據,得到低曝光像素部分的亮度分量其中,x為初始亮度分量V的像素;
S205,確定最佳曝光率k,通過以下公式:
其中,為求解得到的最佳曝光率;argmaxk表示求使得后面式子最大的k的值;H(*)表示求圖像熵;g為相機模型;B為步驟S204提取得到的亮度分量;k為曝光率;
S206,計算高曝光圖片,使用以下相機響應模型:
其中,Pi為高曝光圖片,P為輸入的磁翻板子圖像,ki為曝光率,a和b為相機響應參數;
S207,將磁翻板子圖像和高曝光圖片進行圖像融合,得到磁翻板增強圖像R:
Rc=W·Pc+(1-W)·g(Pc,ki),
其中,W為步驟S203得到的權重矩陣,c是RGB顏色通道。
4.如權利要求2或3所述的復雜場景下的磁翻板讀數方法,其特征在于,所述磁翻板分割模型訓練過程包括:
將目標檢測數據集輸入磁翻板目標檢測模型中,得到磁翻板子圖像,并進行篩選,對篩選后的磁翻板子圖像的面板位置和液柱高度位置進行標注,得到磁翻板分割數據集;
使用磁翻板分割數據集對分割網絡進行訓練,得到磁翻板分割模型,所述分割網絡為maskrcnn網絡、FCN網絡或者SOLO網絡。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于七騰機器人有限公司,未經七騰機器人有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310335166.8/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種背靠部角度可調的自適應按摩椅
- 下一篇:高功率光纖激光器陣列





