一种仪表识别方法、移动设备及存储介质技术

本发明专利技术公开了一种仪表识别方法、移动设备及存储介质，所述方法包括如下步骤：采用训练好的卷积神经网络对所采集的仪表图像进行初步检测定位，以初步获取仪表检测结果显示区域；利用图像处理方法对初步获取的仪表检测结果显示区域进行识别判读；将识别判读结果返回给预构建的云边协同网络的边缘节点，并通过边缘节点进一步返回给雾节点和云中心。本发明专利技术采用卷积神经网络结合图像处理方法对仪表进行识别，能够减少计算量，提高识别结果的准确性及实时性；将计算处理过程由移动设备实现，识别结果通过边缘节点依次返回给雾节点、云中心，支持广大的移动设备接入，能够达到实时可靠传输识别结果的目的，便于云中心处理和分析数据。

An instrument identification method, mobile device and storage medium

【技术实现步骤摘要】
一种仪表识别方法、移动设备及存储介质
本专利技术涉及一种仪表识别方法、移动设备及存储介质，属于视觉检测

技术介绍
目前变电站仪表识别的常规做法是人工识别，人工识别具有较高的灵活性，但在适用性、可靠性和经济效益上不太可观。为此，现有技术中还研发了一种利用远程采集图片或视频的方式进行仪表识别的方法，能够取代人工识别，通过对远程传输到后台的视频或者图像信息进行识别处理，最终得到识别后的结果。远程采集图像视频信息进行处理在很大程度上减轻了人工检测的工作量，在适用性、可靠性、经济性、普遍性方面具有巨大优势。但是随着移动端接入数量的增加以及对于网络实时性和安全性的要求，目前的网络结构由于使用了大量图像视频传输，导致网络时延问题和安全性问题越来越严重，并不能适应安全性和实时性的要求。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种仪表识别方法、移动设备及存储介质，具有更好的适应性和可靠性，同时能够满足网络实时性和安全性要求。为达到上述目的，本专利技术是采用下述技术方案实现的：第一方面，本专利技术本文档来自技高网...

【技术保护点】
1.一种仪表识别方法，其特征在于，包括如下步骤：/n采用训练好的卷积神经网络对所采集的仪表图像进行初步检测定位，以初步获取仪表检测结果显示区域；/n利用图像处理方法对初步获取的仪表检测结果显示区域进行识别判读；/n将识别判读结果返回给预构建的云边协同网络的边缘节点，并通过边缘节点进一步返回给雾节点和云中心。/n

【技术特征摘要】
1.一种仪表识别方法，其特征在于，包括如下步骤：
采用训练好的卷积神经网络对所采集的仪表图像进行初步检测定位，以初步获取仪表检测结果显示区域；
利用图像处理方法对初步获取的仪表检测结果显示区域进行识别判读；
将识别判读结果返回给预构建的云边协同网络的边缘节点，并通过边缘节点进一步返回给雾节点和云中心。


2.根据权利要求1所述的仪表识别方法，其特征在于，所述云边协同网络的构建方法包括如下步骤：
利用雾计算将云扩展到网络边缘，利用雾节点充当网络边缘的云，形成三层架构网络；
其中，所述三层架构网络包括：位于底层的边缘节点、位于中间层的雾节点和位于顶层的云中心。


3.根据权利要求1所述的仪表识别方法，其特征在于，所述卷积神经网络的训练方法包括如下步骤：
采集多张仪表图像，根据仪表图像中仪表类别进行标签制作和位置标注以构建数据集；
将数据集划分为测试集、验证集及训练集；
将训练集输入至卷积神经网络进行训练，每隔预定的训练次数，采用测试集对卷积神经网络进行测试；
采用验证集对训练好的卷积神经网路进行验证，直至卷积神经网络输出结果符合预期要求。


4.根据权利要求1至3任一项所述的仪表识别方法，其特征在于，所述卷积神经网络为引入深度可分离卷积的MobileNet神经网络。


5.根据权利要求1所述的仪表识别方法，其特征在于，当待识别仪表为数字仪表时，利用图像处理方法对初步检测定位结果进...

【专利技术属性】
技术研发人员：范新南，田斌，史朋飞，倪建军，张学武，朱金秀，陈鹏，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32