【技术实现步骤摘要】
一种数显仪表的液晶屏示数识别方法及装置
本专利技术涉及神经网络
，尤其涉及一种数显仪表的液晶屏示数识别方法及装置。
技术介绍
近年，随着信息化建设与人工智能的飞速发展，模式识别和机器视觉技术，例如人脸识别和车牌识别等，已广泛应用于各行各业，为生产制造和人们的生活带来了极大的便利，同时也给数显仪表的液晶屏图像数据的自动化识别奠定了基础，并且液晶屏成像技术也在不断进步，画质清晰度、色彩饱和度、亮度和稳定性等得到保障，也为技术实现提供了的基础。以往各种液晶屏图像数据只能人工读取，效率低、易出错。将模式识别技术应用于数显仪表液晶屏图像，实现数字信息的精准自动化检测识别，在各领域都有着非常重要的应用。通过液晶屏图像数据识别，能够实现电网智能化管控，不受时间地点限制，高效精准获取数据。在实际生产及工程应用中，对各类工业设备进行数据的自动化读取，可实现生产作业线的自动化监管，减少人力资源的消耗，提高生产效率。在医疗领域，可以对医疗设备数据信息进行实时识别分析，尤其解决了部分设备需全天时监视管理，实时预警提示的问题需求。
【技术保护点】
1.一种数显仪表的液晶屏示数识别方法，其特征在于，包括：/n获取包含有数显仪表及液晶屏示数的图像，并输入所述图像至第一预设模型；所述第一预设模型是对感受野阻滞网RFB Net基于空间分辨率删减卷积层后得到的模型，所述第一预设模型采用液晶屏示数的定位数据作为第一样本数据进行训练得到；/n将所述第一预设模型的输出结果作为所述液晶屏示数的定位信息，根据所述定位信息对所述图像中包含所述液晶屏示数的区域进行切片处理，得到图像切片；/n输入所述图像切片至第二预设模型，并将所述第二预设模型的输出结果作为所述液晶屏示数的识别结果；其中，所述第二预设模型是卷积递归神经网络CRNN，所述第二预...
【技术特征摘要】 【专利技术属性】
1.一种数显仪表的液晶屏示数识别方法，其特征在于，包括：
获取包含有数显仪表及液晶屏示数的图像，并输入所述图像至第一预设模型；所述第一预设模型是对感受野阻滞网RFBNet基于空间分辨率删减卷积层后得到的模型，所述第一预设模型采用液晶屏示数的定位数据作为第一样本数据进行训练得到；
将所述第一预设模型的输出结果作为所述液晶屏示数的定位信息，根据所述定位信息对所述图像中包含所述液晶屏示数的区域进行切片处理，得到图像切片；
输入所述图像切片至第二预设模型，并将所述第二预设模型的输出结果作为所述液晶屏示数的识别结果；其中，所述第二预设模型是卷积递归神经网络CRNN，所述第二预设模型采用液晶屏示数的示数数据作为第二样本数据进行训练得到。
2.根据权利要求1所述的数显仪表的液晶屏示数识别方法，其特征在于，所述基于空间分辨率删减卷积层，包括：
获取卷积层的空间分辨率，并删减低于预设空间分辨率阈值的卷积层。
3.根据权利要求1所述的数显仪表的液晶屏示数识别方法，其特征在于，所述第一预设模型的输出结果的获取，包括：
通过所述RFBNet的VGG-16网络对所述图像进行卷积处理，得到相应的特征向量；
利用所述RFBNet中训练好的参数模型计算与液晶屏示数区域相对应的候选框的置信度；
用非极大值抑制方法，将基于所述置信度确定的、与所述候选框相对应的局部最优框作为所述第一预设模型的输出结果。
4.根据权利要求1所述的数显仪表的液晶屏示数识别方法，其特征在于，所述第二预设模型的输出结果的获取，包括：
通过所述CRNN的CNN提取所述图像切片的特征序列，采用所述CRNN的RNN对所述特征序列进行预测；
输入预测结果至所述CRNN的转录层，将所述转录层的输出结果作为所述第二预设模型的输出结果。
5.根据权利要求1所述的数显仪表的液晶屏示数识别方法，其特征在于，在所述获取包含有数显仪表及液晶屏示数的图像的步骤之前，所述数显仪表的液晶屏示数识别方法还包括：
训练所述第一预设模型和所述第二预设模型；
相应的，在训练所述第一预设模型的步骤之前，所述数显仪表的液晶屏示数识别方法还包括：
采集所述数显仪表的液晶屏图像样本；
技术研发人员：毕福昆，后兴海，韩健鸿，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。