仪表读取方法、装置、系统和存储介质制造方法及图纸

本申请涉及一种仪表读取方法、装置、系统和存储介质。所述方法包括：获取通过光学传感器采集的仪表的指示图像；将所述指示图像传输至卷积神经网络专用芯片；通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述指示图像，获得目标仪表读数值；输出所述目标仪表读数值。采用本方法能够实现低功耗、自动化地读取仪表数据，同时剔除了人为因素的干扰，提高了读取仪表数据的准确率。

【技术实现步骤摘要】
仪表读取方法、装置、系统和存储介质
本申请涉及数据处理
，特别是涉及一种仪表读取方法、装置、系统和存储介质。
技术介绍
随着科学技术的发展，传统的指针式仪表越来越多的被数字仪表替代，但是数字仪表容易受到电磁场的干扰造成示数有误，因此在某些特定场合依然存在大量指针式仪表的使用。然而，目前传统的指针式仪表读取方法大都采用人工读取的方式来完成，但目前这种人工读取方式由于人为因素的干扰会产生误差。
技术实现思路
基于此，有必要针对上述技术问题，提供一种仪表读取方法、装置、系统和存储介质。一种仪表读取方法，所述方法包括：获取通过光学传感器采集的仪表的指示图像；将所述指示图像传输至卷积神经网络专用芯片；通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述指示图像，获得目标仪表读数值；输出所述目标仪表读数值。在一个实施例中，所述卷积神经网络模型的训练步骤包括：获取所述光学传感器与所述仪表之间的距离；获取所述仪表的仪表类型；按照所述距离和所述仪表类型构建指示图像样本集合；基于所述指示图像样本集合训练卷积神经网络模型。在一个实施例中，所述卷积神经网络模型的训练步骤还包括：获取所述仪表的仪表图像，所述仪表图像通过所述光学传感器和所述光学传感器附近设置的备用光学传感器中的一种采集；所述获取所述光学传感器与所述仪表之间的距离包括：对所述仪表图像进行图像分析，得到所述光学传感器与所述仪表间的距离；所述获取所述仪表的仪表类型包括：对所述仪表图像进行图像识别，得到所述仪表的仪表类型。在一个实施例中，所述通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述指示图像，获得目标仪表读数值包括：对所述指示图像进行预处理，使得在不同图像采集条件下采集的不同指示图像在经过预处理后具有统一图像采集条件；通过所述卷积神经网络专用芯片上的卷积神经网络模型处理经过预处理的所述指示图像，获得目标仪表读数值。在一个实施例中，所述卷积神经网络专用芯片具有与所述卷积神经网络模型适配的芯片结构，所述芯片结构用于在通过所述卷积神经网络模型处理所述指示图像时，优化所述卷积神经网络模型的处理逻辑。在一个实施例中，所述输出所述目标仪表读数值包括：通过无线传输方式发送所述目标仪表读数值至目标设备。一种仪表读取系统，所述系统包括光学传感器、处理器以及卷积神经网络专用芯片；所述光学传感器和卷积神经网络专用芯片分别与处理器相连接；所述光学传感器用于向处理器发送采集的仪表的指示图像；所述处理器用于将所述仪表指示图像传输至卷积神经网络专用芯片；所述卷积神经网络专用芯片用于通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述仪表指示图像，获得目标仪表读数值；所述处理器还用于输出所述目标仪表读数值。在一个实施例中，所述系统还包括与所述处理器连接的存储器，所述存储器存储有用于加载至所述卷积神经网络专用芯片运行的卷积神经网络模型；所述卷积神经网络模型是在获取到所述光学传感器与所述仪表之间的距离以及所述仪表的仪表类型后，按照所述距离和所述仪表类型构建指示图像样本集合，并基于所述指示图像样本集合训练得到的。在一个实施例中，所述距离是对所述仪表的仪表图像进行图像分析得到的，所述仪表类型是对所述仪表图像进行图像识别得到的，所述仪表图像通过所述光学传感器和所述光学传感器附近设置的备用光学传感器中的一种采集。在一个实施例中，所述处理器还用于对所述指示图像进行预处理，使得在不同图像采集条件下采集的不同指示图像在经过预处理后具有统一图像采集条件；所述卷积神经网络专用芯片还用于通过所述卷积神经网络专用芯片上的卷积神经网络模型处理经过预处理的所述指示图像，获得目标仪表读数值。在一个实施例中，所述卷积神经网络专用芯片具有与所述卷积神经网络模型适配的芯片结构，所述芯片结构用于在通过所述卷积神经网络模型处理所述指示图像时，优化所述卷积神经网络模型的处理逻辑。在一个实施例中，所述系统还包括与所述处理器连接的无线通信单元；所述处理器用于将所述目标仪表读数值输出至所述无线通信单元；所述无线通信单元用于通过无线传输方式发送所述目标仪表读数值至目标设备。一种仪表读取装置，所述装置包括：指示图像获取模块，用于获取通过光学传感器采集的仪表的指示图像；指示图像传输模块，用于将所述指示图像传输至卷积神经网络专用芯片；卷积神经网络模型处理模块，用于通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述指示图像，获得目标仪表读数值；仪表读数值输出模块，用于输出所述目标仪表读数值。在一个实施例中，所述卷积神经网络专用芯片具有与所述卷积神经网络模型适配的芯片结构，所述芯片结构用于在通过所述卷积神经网络模型处理所述指示图像时，优化所述卷积神经网络模型的处理逻辑。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述仪表读取方法的步骤。上述仪表读取方法、装置、系统和存储介质，通过设置在仪表外的光学传感器采集的仪表的指示图像，并将采集的指示图像传输至卷积神经网络专用芯片，通过卷积神经网络专用芯片上的卷积神经网络模型处理指示图像，获得目标仪表读数值，以此实现低功耗、自动化地读取仪表数据，同时剔除了人为因素的干扰，提高了读取仪表数据的准确率。附图说明图1为一个实施例中仪表读取方法的应用场景图；图2为一个实施例中仪表读取方法的流程示意图；图3为一个实施例中仪表读取系统的示意图；图4为一个实施例中仪表读取装置的结构框图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的仪表读取方法，可以应用于如图1所示的应用环境中。该应用环境包括一种仪表读取系统，该系统包括光学传感器102、处理器104以及卷积神经网络专用芯片106。光学传感器102和卷积神经网络专用芯片分别与处理器相连接。其中，光学传感器102可以是一个或多于一个。处理器104可以是单核或者多核处理器。卷积神经网络专用芯片106具有与卷积神经网络模型适配的芯片结构，可以是现场可编程门阵列(FieldProgrammableGateArray，FPGA)芯片和专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)芯片。在一个实施例中，如图2所示，提供了一种仪表读取方法，本实施例以该方法应用于图1中的仪表读取系统为例进行说明，包括以下步骤：步骤S202，获取通过光学传感器采集的仪表的指示图像。其中，光学传感器是依据光学原理对目标物体进行感光成像的传感器。本文档来自技高网...

【技术保护点】
1.一种仪表读取方法，所述方法包括：/n获取通过光学传感器采集的仪表的指示图像；/n将所述指示图像传输至卷积神经网络专用芯片；/n通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述指示图像，获得目标仪表读数值；/n输出所述目标仪表读数值。/n

【技术特征摘要】
1.一种仪表读取方法，所述方法包括：
获取通过光学传感器采集的仪表的指示图像；
将所述指示图像传输至卷积神经网络专用芯片；
通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述指示图像，获得目标仪表读数值；
输出所述目标仪表读数值。


2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型的训练步骤包括：
获取所述光学传感器与所述仪表之间的距离；
获取所述仪表的仪表类型；
按照所述距离和所述仪表类型构建指示图像样本集合；
基于所述指示图像样本集合训练卷积神经网络模型。


3.根据权利要求2所述的方法，其特征在于，所述卷积神经网络模型的训练步骤还包括：
获取所述仪表的仪表图像，所述仪表图像通过所述光学传感器和所述光学传感器附近设置的备用光学传感器中的一种采集；
所述获取所述光学传感器与所述仪表之间的距离包括：
对所述仪表图像进行图像分析，得到所述光学传感器与所述仪表间的距离；
所述获取所述仪表的仪表类型包括：
对所述仪表图像进行图像识别，得到所述仪表的仪表类型。


4.根据权利要求1所述的方法，其特征在于，所述通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述指示图像，获得目标仪表读数值包括：
对所述指示图像进行预处理，使得在不同图像采集条件下采集的不同指示图像在经过预处理后具有统一图像采集条件；
通过所述卷积神经网络专用芯片上的卷积神经网络模型处理经过预处理的所述指示图像，获得目标仪表读数值。


5.根据权利要求1所述的方法，其特征在于，所述卷积神经网络专用芯片具有与所述卷积神经网络模型适配的芯片结构，所述芯片结构用于在通过所述卷积神经网络模型处理所述指示图像时，优化所述卷积神经网络模型的处理逻辑。


6.根据权利要求1至5中任一项所述的方法，其特征在于，所述输出所述目标仪表读数值包括：
通过无线传输方式发送所述目标仪表读数值至目标设备。


7.一种仪表读取系统，其特征在于，所述系统包括光学传感器、处理器以及卷积神经网络专用芯片；所述光学传感器和卷积神经网络专用芯片分别与处理器相连接；
所述光学传感器用于向处理器发送采集的仪表的指示图像；
所述处理器用于将所述仪表指示图像传输至卷积神经网络专用芯片；
所述卷积神经网络专用芯片用于通过所述卷积神经网络专用芯片上的卷积神经网络模型处理所述仪表指示图像，获得目标仪表读数值；
所述处理器还用于输出所述...

【专利技术属性】
技术研发人员：黄河，
申请(专利权)人：深圳海青智盈科技有限公司，
类型：发明
国别省市：广东;44