基于深度学习的数字式仪表智能识别方法及系统技术方案

本公开提供了一种基于深度学习的数字式仪表智能识别方法及系统，包括获取待识别的数字式仪表图像，并确定数字式仪表图像中的数字区域图像；基于预先训练的数字区域定位模型对数字区域图像进行分割，获得单个数字图像；利用预先训练好的数字分类器对单个数字图像进行识别，获得单个数字识别结果；基于获得的单个数字识别结果及其在数字区域图像中的位置顺序获得最终的识别结果；所述方案有效解决了巡检机器人对变电站中多种类型数字式仪表的准确识别，提高了变电站内监测数据的巡检效率，保障了变电站的安全稳定运行。保障了变电站的安全稳定运行。保障了变电站的安全稳定运行。

【技术实现步骤摘要】
基于深度学习的数字式仪表智能识别方法及系统


[0001]本公开属于变电站智能运维
，尤其涉及一种基于深度学习的数字式仪表智能识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前，变电站的监测设备大多采用指针式或数字式仪表，这些仪表通常没有数据接口，无法实现测量参数的自动采集和传输，因此，现有的变电站通常采用人工手动抄表，但是，由于变电站内设备众多，人工抄表容易造成视觉疲劳和数据错误，且存在效率低下以及安全隐患的问题。
[0004]为此，部分研究人员采用巡检机器人和摄像模块的结合来代替人工抄表，通过图像识别的方法自动获取各种监测设备的仪器值，但是专利技术人发现，对于数字式仪表的自动识别，现有方法仍存在以下问题：
[0005](1)目前大部分数字识别系统都是在理想的光照环境下运行，一旦脱离这个前提，其识别效果难以保证。
[0006](2)很多方案中使用的特征匹配和端点检测方法对于数字区域的分割要求较高，这类方法的鲁棒性和扩展性受到很大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的数字式仪表智能识别方法，其特征在于，包括：获取待识别的数字式仪表图像；基于预先训练的数字区域定位模型从所述数字式仪表图像中提取数字区域图像；并对数字区域图像进行分割，获得单个数字图像；利用预先训练好的数字分类器对单个数字图像进行识别，获得单个数字识别结果；基于获得的单个数字识别结果及其在数字区域图像中的位置顺序获得最终的识别结果。2.如权利要求1所述的一种基于深度学习的数字式仪表智能识别方法，其特征在于，所述预先训练的数字区域定位模型采用YOLO模型，通过预先训练的YOLO模型从数字式仪表图像中提取出数字区域图像。3.如权利要求1所述的一种基于深度学习的数字式仪表智能识别方法，其特征在于，所述数字分类器采用集成分类器，所述集成分类器包括若干子分类器，所述集成分类器的训练过程中采用不同训练集对各子分类器进行训练。4.如权利要求3所述的一种基于深度学习的数字式仪表智能识别方法，其特征在于，所述利用预先训练好的数字分类器对单个数字图像进行识别，具体为：将单个数字图像输入所述集成分类器中的每个子分类器中得到若干识别结果，从中选择占比最高的作为最终的识别结果。5.如权利要求1所述的一种基于深度学习的数字式仪表智能识别方法，其特征在于，对数字区域图像进行分割，获得单个数字图像，具体为：采用基于YOLO算法的数字识别模型的识别结果对所述数字区域图像进行...

【专利技术属性】
技术研发人员：李健，张传友，邵光亭，李涛，孙虎，田克超，付崇光，赵亚博，王亚菲，邓燕，蔺茹，王贤华，徐攀，李斌，王震，
申请(专利权)人：国网智能科技股份有限公司，
类型：发明
国别省市：