一种基于深度学习检测识别的电子台案秤智能检定方法技术

本发明专利技术公开了一种基于深度学习检测识别的电子台案秤智能检定方法，包括：采集电子台案秤顶部图像、顶部深度数据及电子台案秤正面图像，在电子台案秤正面图像上选取读数的显示装置；将电子台案秤顶部图像输入秤盘检测识别模型，获得秤盘目标检测结果，与顶部深度数据相校验，获得秤盘空间位置，并输出秤盘四个顶点空间坐标；将电子台案秤顶部图像输入示值检测识别模型，获得显示装置的示值字符及位置，并对相似字符和置信度低字符进行纠正，根据示值字符的水平坐标的排列，获得电子台案秤示值；根据获取的秤盘空间位置及显示装置示值，及通过控制三轴机械臂加载砝码进行称量性能、重复性、偏载、鉴别力的无人化检定。鉴别力的无人化检定。鉴别力的无人化检定。

【技术实现步骤摘要】
一种基于深度学习检测识别的电子台案秤智能检定方法


[0001]本专利技术涉及电子台案秤检定领域，尤其涉及一种基于深度学习检测识别的电子台案秤智能检定方法。

技术介绍

[0002]电子秤是纳入计量法的计量器具，专门设置第四十二条款进行约束，商品交易场所的主办者应当履行相应的计量管理责任。对可复现量值的商品，应当在商品交易场所显著位置设置经计量检定合格的满足复验需求的计量器具。相关国标要求其称量性能、重复性、偏载、鉴别力等性能，并且每年需要重新检定。存在着检定工作量大的问题。
[0003]本专利技术提供一种基于深度学习的电子台案秤检定关键信息智能感知方法，通过采集电子台案秤顶部图像、顶部深度数据，采用秤盘检测识别模型获得准确秤盘位置，采集电子台案秤正面图像，采用示值检测识别模型，获得电子台案秤示值；结合检定程序及装置，可实现称量性能、重复性、偏载、鉴别力的无人化检定。提供一种基于深度学习检测识别的电子台案秤智能检定方法及装置，该方法研发基于深度学习目标检测技术，实现电子台案秤检定关键信息智能感知，获得秤盘空间位置、显示装置示值，配合检定装置及有助于实现电子台案秤的无人化检定。

技术实现思路

[0004]为解决上述技术问题，本专利技术的目的是提供一种基于深度学习检测识别的电子台案秤智能检定方法，该方法研发基于深度学习目标检测技术，实现电子台案秤检定关键信息智能感知，获得秤盘空间位置、显示装置示值，配合检定装置及有助于实现电子台案秤的无人化检定。
[0005]本专利技术的目的通过以下的技术方案来实现：
[0006]一种基于深度学习检测识别的电子台案秤智能检定方法，包括：
[0007]步骤A采集电子台案秤顶部图像、顶部深度数据及电子台案秤正面图像，在电子台案秤正面图像上选取读数的显示装置；
[0008]步骤B将电子台案秤顶部图像输入秤盘检测识别模型，获得秤盘目标检测结果，将秤盘目标检测结果与顶部深度数据相校验，获得秤盘空间位置，并输出秤盘四个顶点空间坐标；
[0009]步骤C将电子台案秤顶部图像输入示值检测识别模型，获得显示装置的示值字符及位置，并对相似字符和置信度低字符进行纠正，根据示值字符的水平坐标的排列，获得电子台案秤示值；
[0010]步骤D根据获取的秤盘空间位置及显示装置示值，及通过控制三轴机械臂加载砝码进行称量性能、重复性、偏载、鉴别力的无人化检定。
[0011]与现有技术相比，本专利技术的一个或多个实施例可以具有如下优点：
[0012]基于深度学习目标检测的电子台案秤检定关键信息智能感知方法，获得秤盘空间
位置、显示装置示值，配合检定装置及有助于实现电子台案秤的无人化检定。
附图说明
[0013]图1是基于深度学习的电子台案秤检定关键信息智能感知方法流程框图；
[0014]图2a和2b是秤盘检测识别模型的秤盘目标检测结果示意图。
具体实施方式
[0015]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本专利技术作进一步详细的描述。
[0016]如图1所示，为基于深度学习的电子台案秤检定关键信息智能感知方法，包括以下步骤：
[0017]步骤10电子台案秤检定关键信息包括秤盘空间位置、显示装置示值，使用深度相机采集电子台案秤顶部图像、顶部深度数据，使用彩色相机采集电子台案秤正面图像，由人工在电子台案秤正面图像上选取需读数的显示装置；
[0018]步骤20将电子台案秤顶部图像输入秤盘检测识别模型，获得秤盘目标检测结果，将秤盘目标检测结果与顶部深度数据相校验，获得准确秤盘位置，输出秤盘四个顶点空间坐标；
[0019]所述秤盘检测识别模型是深度学习目标检测模型，类别为秤盘、背景，模型结构可以是YOLO、SSD、faster R
‑
CNN等；
[0020]所述秤盘目标检测结果是秤盘在图像上的矩形边界框，记录可采用边界框左上顶点及边界框长宽(u0,v0,w,d)或边界框左上顶点及右下顶点(u0,v0,u2,v2)两种方式。
[0021]所述与顶部深度数据相校验，是将秤盘在图像上的矩形边界框映射到深度数据的坐标空间，即分别把边界框的左上顶点、右下顶点(u0,v0)
→
(x0,y0,z0)，(u1,v1)
→
(x1,y1,z1)；
[0022]秤盘是在点云中的(x0,y0)
→
(x0,y2)
→
(x2,y2)
→
(x1,y0)
→
(x0,y0)范围里，并跟进范围里各点深度，获得准确秤盘位置，输出秤盘四个顶点空间坐标，即(X0,Y0,Z0)、(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)。
[0023]如图2a和2b所示，先将电子台案秤顶部图像(图2a)输入秤盘检测识别模型，获得秤盘目标检测结果，该目标检测结果边界框略大于秤盘；边界框：[452.46,64.79,805.03,513.26]。
[0024]与顶部深度数据相校验，获得准确秤盘位置，输出秤盘四个顶点空间坐标(图2b)，同时适用于秤盘放置偏的情况。
[0025]左上顶点：[0.0436,
‑
0.1128,0.581]m
[0026]右下顶点：[0.0436,0.0286,0.581]m
[0027]左下顶点：[
‑
0.067,0.0286,0.581]m
[0028]右上顶点：[
‑
0.067,
‑
0.1128,0.581]m
[0029]步骤30：将电子台案秤顶部图像输入示值检测识别模型，获得显示装置的示值字符及位置，进行相似字符进行非极大抑值、置信度低字符补小数点2项纠正，根据示值字符的水平坐标(u)从小到大排列，获得电子台案秤示值；
[0030]所述示值检测识别模型是深度学习目标检测模型，类别为0、1、2、3、4、5、6、7、8、9、0.、1.、2.、3.、4.、5.、6.、7.、8.、9.、背景等21类，模型结构是faster R
‑
CNN等，该方法有助于准确识别出小数点。
[0031]所述秤盘目标检测结果是示值字符及位置，进行两项纠正，
[0032]所述相似字符进行非极大抑值，是对0
‑
0.、1
‑
1.等10对相似字符进行非极大抑值，防止重复检出。
[0033]所述置信度低字符补小数点，是对置信度低的字符检测结果进行补小数点操作，即检测结果若置信度较低使0
→
0.、1
→
1.。
[0034]对示值字符的水平坐标(u)从小到大排列，获得电子台案秤示值。
[0035]步骤40：由检定程序根据获取的秤盘空间位置、显示装置示值，依据检定规程控制三轴机械臂加载砝码，进行称量性能、重复性、偏载、鉴别力的无人化检定。...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的电子台案秤检定关键信息智能感知方法，其特征在于，包括以下步骤：步骤A采集电子台案秤顶部图像、顶部深度数据及电子台案秤正面图像，在电子台案秤正面图像上选取读数的显示装置；步骤B将电子台案秤顶部图像输入秤盘检测识别模型，获得秤盘目标检测结果，将秤盘目标检测结果与顶部深度数据相校验，获得秤盘空间位置，并输出秤盘四个顶点空间坐标；步骤C将电子台案秤顶部图像输入示值检测识别模型，获得显示装置的示值字符及位置，并对相似字符和置信度低字符进行纠正，根据示值字符的水平坐标的排列，获得电子台案秤示值；步骤D根据获取的秤盘空间位置及显示装置示值，及通过控制三轴机械臂加载砝码进行称量性能、重复性、偏载、鉴别力的无人化检定。2.如权利要求1所述的基于深度学习的电子台案秤检定关键信息智能感知方法，其特征在于，所述步骤A中，通过深度相机采集电子台案秤顶部图像、顶部深度数据；通过彩色相机采集电子台案秤正面图像。3.如权利要求1所述的基于深度学习的电子台案秤检定关键信息智能感知方法，其特征在于，所述步骤B中，秤盘检测识别模型为深度学习目标检测模型；秤盘目标检测结果是秤盘在图像上的矩形边界框，记录可采用边界框左上顶点及边界框长宽(u0,v0,w,d)或边界框左上顶点及右下顶点(u0,v0,u2,v2)两种方式；与顶部深度数据相校验是将秤盘在图像上的矩形边界框映射到深度数据的坐标空间，即把边界框的左...

【专利技术属性】
技术研发人员：黄坚，马健，
申请(专利权)人：广州计量检测技术研究院，
类型：发明
国别省市：