一种基于神经网络的特种承压设备仪表识别方法技术

本发明专利技术涉及智能识别技术，具体为基于神经网络的特种承压设备仪表识别方法，包括如下步骤：对采集到的特种承压设备仪表视频中的图像信号进行图像预处理，分离仪表识别区域图像；根据识别对象对可变系数神经网络的可变系数进行匹配，根据匹配后的可变系数构建算法模型，并在一定范围内不断调整可变系数的值，得到最佳的可变系数组合；识别仪表识别区域图像的特征信息，可变系数神经网络根据最佳的可变系数组合，计算出特种承压设备仪表的刻度值，输出计算结果，得到仪表读数。本发明专利技术提升了特种承压设备仪表的视频识别准确率和效率，使得特种承压设备仪表视频识别方法能够得到更加广泛的应用。

A method of instrument identification for special pressure equipment based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的特种承压设备仪表识别方法
本专利技术涉及智能识别技术，具体为基于神经网络的特种承压设备仪表识别方法。
技术介绍
特种承压设备，例如锅炉、压力容器，由国家委托的专门机构对其安全进行监督管理。目前，国内外对锅炉在线数据的采集基本上都是采用接口方式，比如通过与锅炉的PLC或单片机控制系统进行数据对接，获得在线运行的数据。这种情况要求在出厂就必须设计好，并且后续增加的传感器或仪表等基本上是没办法接入到数据对接的监测系统中，特别是指针表、独立的数码表等。导致数据采集不齐全，无法进行系统性分析，最后还得通过AI识别进行数据的采集。对于安装完毕，已经在运行的锅炉，由于厂家、安装工程商的原因，有很多锅炉没办法获取通讯协议或数据内容，导致没办法通过接口的方式进行对接，因此，这类锅炉只能通过非接触的AI识别技术进行数据采集。通过AI识别技术采集数据，可以不用对锅炉任何地方进行改造，不需要停机也可以进行AI设备的安装和调试，完全不影响到锅炉的运行。因此，基于AI识别技术的锅炉数据采集技术，应用范围非常广。总的来说，现有的数据采集技术主要是通过数据接口进行采集，局限性比较大，需要知道设备数据接口的具体协议内容、数据存储地址、数据表达的意义等。另一方面，很多设备厂家考虑到商业壁垒、竞争关系、安全性考虑等，都不愿意开放设备的通讯协议，有些设备因为实施的工程队伍没有留下完整的实施文档，也导致无法进行数据对接；部分设备是365天不间断运行的，也导致无法进行不停机的数据对接。因此，需要知晓数据接口的仪表数据采集方式具有很大的局限性，很多设备无法进行对接，引入一种非接触式、通过神经网络算法的视频识别数据采集方法就势在必行。现有基于神经网络的视频识别算法中，所采用的神经网络算法不尽相同，对识别的准确率、效率都会产生比较大的影响。传统这类算法在视频识别的时候，都是采用固定的、已经建模好的神经网络算法，需要针对大量的样本进行学习、然后进行算法调整，才能提升识别的效率和准确率，因此效率低，成本高，已经越来越难满足高速发展的需求。
技术实现思路
为解决现有技术所存在的技术问题，本专利技术提供基于神经网络的特种承压设备仪表识别方法，基于可变系数神经网络算法，可以大大提升特种承压设备仪表的视频识别准确率和效率，使得特种承压设备仪表视频识别方法能够得到更加广泛的应用。本专利技术采用以下技术方案来实现：基于神经网络的特种承压设备仪表识别方法，包括如下步骤：S1、对采集到的特种承压设备仪表视频中的图像信号进行图像预处理，分离仪表识别区域图像；S2、根据识别对象对可变系数神经网络的可变系数进行匹配，根据匹配后的可变系数构建算法模型，并在一定范围内不断调整可变系数的值，得到最佳的可变系数组合；S3、识别仪表识别区域图像的特征信息，可变系数神经网络根据最佳的可变系数组合，计算出特种承压设备仪表的刻度值，输出计算结果，得到仪表读数。本专利技术与现有技术相比，具有如下优点和有益效果：根据特种承压设备仪表的特点，针对圆形指针、方形指针、液位刻度、数码等仪表，建模了一种可变系数神经网络算法，这种算法比现有的视频识别算法，大大提升了特种承压设备仪表的视频识别准确率、识别效率，算法模型调整的效率高，成本低，使得特种承压设备仪表视频识别方法能够得到更加广泛的应用。附图说明图1是特种承压设备的应用拓扑结构图；图2为本专利技术的识别方法流程图；图3是可变系数神经网络算法的模型图；图4为可变系数的调整流程图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例如图1所示，主要设备包括：通用的高清摄像机(200万像素以上，视频压缩标准满足H.264\H.265标准)、识别算法计算资源、存储资源(如服务器、云、工控机、嵌入式计算机等，根据识别通道的多少来选用具体的计算资源)，千兆网络环境。高清摄像机负责完成锅炉、压力容器等特种承压设备的仪表视频采集任务。在具体的应用系统中，可设置辅助照明，目的是为了通过适当的光源照明设计，使视频中的目标信息与背景信息得到最佳分离，降低图像处理过程中图像分割、识别的难度，同时提高系统的定位、测量精度，使系统的可靠性和综合性能得到提高。交换机将多路(多个)高清摄像机拍摄的视频图像采集信号，通过网络高速、可靠地传送至带有识别算法的计算机终端(如服务器、云、工控机、嵌入式计算机等)，完成仪表的数据识别任务。如图2所示，本专利技术基于神经网络的特种承压设备仪表识别方法，包括如下步骤：S1、对采集到的特种承压设备仪表视频中的图像信号进行图像预处理，分离仪表识别区域图像。高清摄像机将图像信号数字化采集到机器视觉计算机中，供机器视觉计算机对图像信号进行处理、识别、编辑、记录等。首先对采集到的图像信号进行图像预处理，将仪表识别区域图像分离，以便后期仪表识别高效、准确。因为不同的仪表面板都不一样，为了提高仪表识别的速度和精度，先确定仪表识别区域(ROI---rangeofinteresting)，图像识别区域采用手动选取的方式，后续的图像处理和识别仅限于该区域进行。手动选取识别区域的主要目的是有效降低计算量，节约处理时间。手动选取识别区域可在程序的调试中仅一次性完成。图像预处理主要包括：图像滤波(噪声消除)、图像二值化、图像再次滤波(获取指针/消除其它)、图像膨胀和细化。本专利技术使用均值滤波来消除噪声，平滑图像，有着设计简单、运算速度快等共同优点。S2、根据识别对象对可变系数神经网络的可变系数进行匹配，然后进入可变系数神经网络算法模型处理程序，根据匹配后的可变系数构建算法模型，并在一定范围内不断调整可变系数的值，得到最佳的可变系数组合。将仪表识别区域图像分离后，根据识别对象对神经网络算法的可变系数进行匹配，匹配完毕后，根据匹配后的可变系数构建算法模型，编写算法模型的识别程序，然后在一定范围内不断微调可变系数的值，得出不同的识别结果，对识别结果进行分析，把获得不同识别结果的样本数量进行排序，排序中样本数量最大的那个推荐为识别效果，识别效果对应的可变系数组合为最佳的可变系数组合。在完成了约1000个识别样本后，根据识别效果可以对可变系数的值进行调整，以获取更高的识别准确率。可变系数进行匹配有2种模式，第一种是人工配置，安装人员根据现场的具体情况配置部分可变系数，剩下没有配置的可变系数由人工智能学习模块学习后自动生成；第二种是完全由人工智能学习模块学习后自动生成。可变系数神经网络(VariableNeuralNetworks，VNN)是一类具有可变能力的神经网络，一类以序列数据为输入系数，在序列的演进方向进行递归且所有节点按链式连接的递归神经网络。该神经网络中的神经元不仅能够根据输入系数，优化自身的神经网络，也能够接受来自其他神经元的信息作为输入系数来优化自身的神经网络，从而形成可变优化能力的网络结构。相对于前馈神经网络，可变系本文档来自技高网...

【技术保护点】
1.一种基于神经网络的特种承压设备仪表识别方法，其特征在于，包括如下步骤：/nS1、对采集到的特种承压设备仪表视频中的图像信号进行图像预处理，分离仪表识别区域图像；/nS2、根据识别对象对可变系数神经网络的可变系数进行匹配，根据匹配后的可变系数构建算法模型，并在一定范围内不断调整可变系数的值，得到最佳的可变系数组合；/nS3、识别仪表识别区域图像的特征信息，可变系数神经网络根据最佳的可变系数组合，计算出特种承压设备仪表的刻度值，输出计算结果，得到仪表读数。/n

【技术特征摘要】
1.一种基于神经网络的特种承压设备仪表识别方法，其特征在于，包括如下步骤：
S1、对采集到的特种承压设备仪表视频中的图像信号进行图像预处理，分离仪表识别区域图像；
S2、根据识别对象对可变系数神经网络的可变系数进行匹配，根据匹配后的可变系数构建算法模型，并在一定范围内不断调整可变系数的值，得到最佳的可变系数组合；
S3、识别仪表识别区域图像的特征信息，可变系数神经网络根据最佳的可变系数组合，计算出特种承压设备仪表的刻度值，输出计算结果，得到仪表读数。


2.根据权利要求1所述的基于神经网络的特种承压设备仪表识别方法，其特征在于，步骤S2中，可变系数的调整过程包括如下步骤：
S21、进入可变系数匹配的模板库进行比对，把最接近的模板参数提取出来；
S22、试用各个不同的可变系数，得到相应的可变系数神经网络模型；
S23、应用步骤S22所得到的可变系数神经网络模型进行仪表识别区域图像的样本识别实验，把实验结果与实际人工读取结果比对，得到实验结果的正确率；根据实验结果的正确率，修正可变系数值；
S24、应用修正后的可变系数值，对仪表识别区域图像的样本进行识别验证，得到最佳的可变系数组合。


3.根据权利要求1所述的基于神经网络的特种承压设备仪表识别方法，...

【专利技术属性】
技术研发人员：李文志，梁锐森，
申请(专利权)人：广州网文三维数字技术有限公司，
类型：发明
国别省市：广东;44