本发明专利技术属于仪表检测技术领域，具体涉及一种基于视觉识别的仪表检测装置及其检测方法，包括如下步骤：在终端服务器构建检测模型和指令库，所述指令库中包含有多个指令子集；通过图像采集模块对仪表设备进行图像采集，获取面板图像，通过所述检测模型对面板图像进行识别，获取面板参数，根据所述面板初始特征匹配指令库，获取待测试指令集；从所述待测试指令集中选取任一未选取的指令子集，将该指令子集发送至仪表设备，并对所述仪表设备进行图像采集，获取反馈图集，同时，通过所述终端服务器对该指令子集进行解译，获取指令内容。本发明专利技术通过检测模型识别面板特征，并调用相应的测试报文对仪表设备进行检测，提高了模型的泛化能力和适用范围。和适用范围。和适用范围。
【技术实现步骤摘要】
一种基于视觉识别的仪表检测装置及其检测方法
[0001]本专利技术属于仪表检测
，具体涉及一种基于视觉识别的仪表检测装置及其检测方法。
技术介绍
[0002]近年来，随着工业自动化技术的快速发展，越来越多的企业和工厂开始采用自动化检测技术来提高产品质量和生产效率。其中，仪表视觉识别技术作为自动化检测的重要手段之一，得到了广泛的应用和研究。仪表视觉识别技术利用计算机和摄像机等设备采集仪表图像，并通过图像处理、特征提取、分类等方法，实现对仪表的自动化检测和识别。该技术具有非接触式、高效率、高精度等优点，被广泛应用于制造业、电力、能源、交通等行业。
[0003]在车辆仪表设备生产行业中，传统技术中，在车辆仪表设备生产完毕后，依靠人工对车辆仪表设备上的图标进行检测，不仅存在效率低下、不够精准等问题，还存在漏检、误检等情况，随着视觉识别技术应用于车辆仪表设备，不仅提高了检测效率，还提升了产品的合格率，但是，利用视觉识别技术对车辆仪表设备进行检测时，由于车辆仪表设备的应用场景不同，存在形状各异、功能不一、图标形式各异、图标分布位置不同等情况，对于不同的仪表设备往往需要设计不同的检测模型，使得现有的机器视觉识别技术存在设计难度大、模型泛化能力差等问题。
[0004]另外，基于常规的仪表检测方式只针对仪表本身的性能，无法根据仪表的属性确定其生产过程的隐患，如某段时间内，虽然仪表的合格率均高于标准合格率，但是由于生产设备本身故障原因，导致问题无法及时的显现，进而就使得后续在某个时间段后，可能会出现大范围的返工情况，基于上述问题，本申请文件提出了一种基于视觉识别的仪表检测装置及其检测方法以解决现有技术中存在的设计难度大、模型泛化能力差等问题。
技术实现思路
[0005]本专利技术的目的是提供一种基于视觉识别的仪表检测方法，通过检测模型识别面板特征，并调用相应的测试报文对仪表设备进行检测，提高了模型的泛化能力和适用范围。
[0006]本专利技术采取的技术方案具体如下：
[0007]一种基于视觉识别的仪表检测方法，主要包括如下步骤：
[0008]S1：在终端服务器构建检测模型和指令库，所述指令库中包含有多个指令子集；
[0009]S2：通过图像采集模块对仪表设备进行图像采集，获取面板图像，通过所述检测模型对面板图像进行识别，获取面板参数，根据所述面板参数匹配指令库，获取待测试指令集；
[0010]S3：从所述待测试指令集中选取任一未选取的指令子集，将该指令子集发送至仪表设备，并对所述仪表设备进行图像采集，获取反馈图集，同时，通过所述终端服务器对该指令子集进行解译，获取检测内容；
[0011]S4：以所述面板图像为参照，通过检测模型对反馈图集进行识别，获取差异特征，
对所述差异特征和检测内容进行匹配，获取判定记录；
[0012]S5：重复所述S3和S4中的步骤，直至所述待测试指令集中的所有指令子集都发送至仪表设备，获取多个判定记录，根据多个所述判定记录生成检测记录，并对所述检测记录进行存储。
[0013]在一种优选方案中，如所述S1中，在终端服务器构建检测模型的主要步骤如下：
[0014]S11：构建卷积神经网络模型，所述卷积神经网络模型至少包含有输入层、卷积层、池化层、全连接层和输出层；
[0015]S12：获取训练数据、验证数据以及测试数据，所述训练数据中至少包括符号标识图集、段式图标集、针式图集以及文本式图集；
[0016]S13：将所述训练数据输入至卷积神经网络中进行训练，获取基于卷积神经网络的检测模型；
[0017]S14：利用所述验证数据对检测模型进行验证，并利用所述测试数据对检测模型进行测试。
[0018]在一种优选方案中，如所述S1中所述，在终端服务器构建指令库的主要步骤如下：
[0019]S15：构建指令库，在所述指令库中构建多个指令子集，为每一个指令子集创建一级信号标签，所述一级信号标签中记录有检测目标信息；
[0020]S16：根据一级信号标签在指令子集中构建多个测试报文，为每一个测试报文创建二级信号标签，所述二级信号标签记录有目标状态信息。
[0021]在一种优选方案中，如所述S2中，获取待测试指令集的主要步骤如下：
[0022]S21：通过图像采集模块对仪表设备进行图像采集，获取面板图像；
[0023]S22：通过所述检测模型对面板图像进行识别，获取包含有多个面板特征的面板参数，并为每一个面板特征创建图像标签，所述图像标签中记录有面板特征信息；
[0024]S23：根据所述图像标签匹配指令库，对所述图像标签和一级信号标签相匹配的指令子集进行调用，获取待测试指令集。
[0025]在一种优选方案中，如所述S3中，对所述仪表设备进行图像采集，获取反馈图集的主要步骤如下：
[0026]S31：从所述待测试指令集中选取任一未选取的指令子集，将该指令子集中的若干测试报文逐一发送至仪表设备；
[0027]S32：每发送一个测试报文，所述图像采集模块对仪表设备进行一次图像采集，获取反馈图像，直至该指令子集中的所有测试报文发送完毕，获取反馈图集。
[0028]在一种优选方案中，如所述S4中，获取判定记录的主要步骤如下：
[0029]S41：将所述反馈图像和面板图像输入至检测模型，获取所述反馈图像和面板图像的差异特征；
[0030]S42：对所述差异特征和指令内容进行匹配，获取判定记录，所述判定记录中包括有反馈图像、测试报文、二级信号标签以及判定结果；
[0031]S43：若所述差异特征和报文内容不匹配，判定结果为不合格；
[0032]S44：若所述差异特征和报文内容相匹配，判定结果为合格。
[0033]在一种优选方案中，如所述S5中所述，根据多个所述判定记录生成检测记录，并对所述检测记录进行存储之后的步骤还包括：
[0034]S51：统计单位时间内仪表设备的合格率；
[0035]S52：获取所有检测周期下的合格率，并输入至趋势变化函数中，得到仪表设备合格率的变化趋势值；所述合格率的趋势变化函数为：，式中，表示变化趋势值，表示检测周期的数量，表示区间2～中的合格率，表示区间1～
‑
1中的合格率；
[0036]S53：获取容许偏差区间，并与所述变化趋势值进行比较；
[0037]S54：若所述变化趋势值在容许偏差区间内，则判定所述仪表设备生产线运行正常；
[0038]S55：若所述变化趋势值低于容许偏差区间的下限值，则判定所述仪表设备生产线运行异常，并发出报警信号。
[0039]在一种优选方案中，所述得到仪表设备合格率的变化趋势值之后的步骤还包括：
[0040]S56：实时获取相邻所述检测周期内的合格率变化值；
[0041]S57：获取波动阈值，并与所述合格率变化值相比较；
[0042]S58：若所述合格率变化值高于或等于波动阈值本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于视觉识别的仪表检测方法，其特征在于：主要包括如下步骤：S1：在终端服务器构建检测模型和指令库，所述指令库中包含有多个指令子集；S2：通过图像采集模块对仪表设备进行图像采集，获取面板图像，通过所述检测模型对面板图像进行识别，获取面板参数，根据所述面板参数匹配指令库，获取待测试指令集；S3：从所述待测试指令集中选取任一未选取的指令子集，将该指令子集发送至仪表设备，并对所述仪表设备进行图像采集，获取反馈图集，同时，通过所述终端服务器对该指令子集进行解译，获取检测内容；S4：以所述面板图像为参照，通过检测模型对反馈图集进行识别，获取差异特征，对所述差异特征和检测内容进行匹配，获取判定记录；S5：重复所述S3和S4中的步骤，直至所述待测试指令集中的所有指令子集都发送至仪表设备，获取多个判定记录，根据多个所述判定记录生成检测记录，并对所述检测记录进行存储。2.根据权利要求1所述的一种基于视觉识别的仪表检测方法，其特征在于：如所述S1中，在终端服务器构建检测模型的主要步骤如下：S11：构建卷积神经网络模型，所述卷积神经网络模型至少包含有输入层、卷积层、池化层、全连接层和输出层；S12：获取训练数据、验证数据以及测试数据，所述训练数据中至少包括符号标识图集、段式图标集、针式图集以及文本式图集；S13：将所述训练数据输入至卷积神经网络中进行训练，获取基于卷积神经网络的检测模型；S14：利用所述验证数据对检测模型进行验证，并利用所述测试数据对检测模型进行测试。3.根据权利要求1所述的一种基于视觉识别的仪表检测方法，其特征在于：如所述S1中所述，在终端服务器构建指令库的主要步骤如下：S15：构建指令库，在所述指令库中构建多个指令子集，为每一个指令子集创建一级信号标签，所述一级信号标签中记录有检测目标信息；S16：根据一级信号标签在指令子集中构建多个测试报文，为每一个测试报文创建二级信号标签，所述二级信号标签记录有目标状态信息。4.根据权利要求1所述的一种基于视觉识别的仪表检测方法，其特征在于：如所述S2中，获取待测试指令集的主要步骤如下：S21：通过图像采集模块对仪表设备进行图像采集，获取面板图像；S22：通过所述检测模型对面板图像进行识别，获取包含有多个面板特征的面板参数，并为每一个面板特征创建图像标签，所述图像标签中记录有面板特征信息；S23：根据所述图像标签匹配指令库，对所述图像标签和一级信号标签相匹配的指令子集进行调用，获取待测试指令集。5.根据权利要求1所述的一种基于视觉识别的仪表检测方法，其特征在于：如所述S3中，对所述仪表设备进行图像采集，获取反馈图集的主要步骤如下：S31：从所述待测试指令集中选取任一未选取的指令子集，将该指令子集中的若干测试报文逐一发送至仪表...
【专利技术属性】
技术研发人员：孔育中，李振红，高春刚，高勋，熊梦祥，郭新，陈天柱，
申请(专利权)人：南京轶诺科技有限公司，
类型：发明
国别省市：
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。