一种基于深度学习的油位状态检测方法及其电子设备技术

本发明专利技术公开了一种基于深度学习的油位状态检测方法及其电子设备，包括：获取油位原始图像；标注出原始图像中油视镜；将标注完成后的图像数据进行数据增强，与原始图像混合一起制作成油视镜检测训练数据和油位状态检测训练数据；采用YOLO

【技术实现步骤摘要】
一种基于深度学习的油位状态检测方法及其电子设备


[0001]本专利技术属于计算机
，具体涉及一种基于深度学习的油位状态检测方法及其电子设备。

技术介绍

[0002]目前有部分研究使用图像处理的方法来检测油位状态，一般处理步骤包括对图像进行增强、图像灰度化、图像二值化以及其他的一些形态学等图像处理方法。
[0003]但是在实际应用过程中，受拍摄的角度、图像中油位的清晰度、设备表面覆盖杂质和玻璃表面倒影等影响，处理完之后的图像存在较多的噪声，受噪声的影响不能很好的检测出油位的状态，使得这些研究在实际应用中受限比较大，操作相对复杂、繁琐，且工作难度较大，为此我们提出一种基于深度学习的油位状态检测方法。

技术实现思路

[0004]本专利技术的目的在于提供一种基于深度学习的油位状态检测方法及其电子设备，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，第一方面，本专利技术提供如下技术方案：一种基于深度学习的油位状态检测方法，包括，
[0006]S1：获取水泥产线上不同设备的油位原始图像；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的油位状态检测方法，其特征在于：包括，S1：获取水泥产线上不同设备的油位原始图像；S2：通过标注工具标注出原始图像中油视镜，标注框为油视镜的最小外接矩形；S3：将标注完成后的图像数据进行水平翻转、模糊、添加不同噪声、单应变换和灰度化数据增强，与原始图像混合一起制作成油视镜检测训练数据；S4：采用YOLO
‑
V3目标检测网络训练油视镜的检测模型，获得油视镜的检测结果；S5：截取并保存步骤S3中标注好的油视镜图像，以图片左上角为原点，标注出油位页面的坐标值，对保存的图像进行水平翻转、模糊、添加不同噪声和灰度化等数据增强，与原始图像混合一起制作成油位状态检测训练数据；S6：基于步骤S5制作好的数据，修改SegNet网络最后一层网络结构，训练分割网络模型，投影分割结果，得到油位位置；S7：结合步骤S4和步骤S6得到的结果，计算出油视镜位置和大小以及油位在油视镜中的高度百分比。2.根据权利要求1所述的一种基于深度学习的油位状态检测方法，其特征在于：所述S1中的原始图像，通过LabelImg对采集的数据进行标注，构建训练数据集。3.根据权利要求1所述的一种基于深度学习的油位状态检测方法，其特征在于：所述S4中，将油视镜检测训练数据集中标注文件转换成YOLO
‑
V3格式文件，并训练YOLO
‑
V3检测模型。4.根据权利要求1所述的一种基于深度学习的油位...

【专利技术属性】
技术研发人员：刘博，王哲人，
申请(专利权)人：杭州兰亮网络科技有限公司，
类型：发明
国别省市：