基于脉冲神经网络的水表读数区域检测方法及相关装置制造方法及图纸

本申请公开了基于脉冲神经网络的水表读数区域检测方法及相关装置，方法包括：获取待检测的当前水表图像；将当前水表图像输入预设脉冲神经网络模型的编码层进行泊松编码处理，得到水表脉冲序列，预设脉冲神经网络模型根据预置LIF神经元构建；基于预设脉冲神经网络模型对水表脉冲序列进行指针目标检测，确定当前水表图像对应的目标读数区域。本申请能够解决现有技术还存在计算量和功耗较大的情况，导致方案的实际应用效果较差的技术问题。方案的实际应用效果较差的技术问题。方案的实际应用效果较差的技术问题。

【技术实现步骤摘要】
基于脉冲神经网络的水表读数区域检测方法及相关装置


[0001]本申请涉及图像处理
，尤其涉及基于脉冲神经网络的水表读数区域检测方法及相关装置。

技术介绍

[0002]现在依旧有大量的老式水表在使用，这些水表需要用人工抄表的方式进行数据记录，记录起来相当麻烦。而若是把这些传统水表全部换成新式水表也需要很高的成本。但是，可以对老式水表进行改造，使它能够在改造难度较低的情况下完成自动记录，那么改造过程所需要的硬件资源必须要尽量小、过程中的功耗也要低，从而使得传统水表的改造价值大于直接更换新式水表的价值。
[0003]现有技术中有学者使用神经网络进行图像识别的方式得到水表读数或者读数区域，但是，其中大多都是基于第一代或者第二代神经网络的方案，依然存在计算量和功耗较大的问题，尤其是在复杂网络中，这种问题尤为突出。基于此可知，现有的水表图像分析方法难以应用在实际改造工程中，或者说应用效果较差。

技术实现思路

[0004]本申请提供了基于脉冲神经网络的水表读数区域检测方法及相关装置，用于解决现有技术还存在计算量和功耗较大的情况，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于脉冲神经网络的水表读数区域检测方法，其特征在于，包括：获取待检测的当前水表图像；将所述当前水表图像输入预设脉冲神经网络模型的编码层进行泊松编码处理，得到水表脉冲序列，所述预设脉冲神经网络模型根据预置LIF神经元构建；基于所述预设脉冲神经网络模型对所述水表脉冲序列进行指针目标检测，确定所述当前水表图像对应的目标读数区域。2.根据权利要求1所述的基于脉冲神经网络的水表读数区域检测方法，其特征在于，所述获取待检测的当前水表图像，之后还包括：对所述当前水表图像进行预处理操作，所述预处理操作包括基于预设尺寸的缩放处理。3.根据权利要求1所述的基于脉冲神经网络的水表读数区域检测方法，其特征在于，所述将所述当前水表图像输入预设脉冲神经网络模型的编码层进行泊松编码处理，得到水表脉冲序列，所述预设脉冲神经网络模型根据预置LIF神经元构建，之前还包括：根据预置LIF神经元构建初始脉冲神经网络模型；采用预置水表训练数据集对预设Tiny
‑
Yolo模型进行参数训练，得到预训练模型参数；依据所述预训练模型参数对所述初始脉冲神经网络模型进行参数调整，得到预设脉冲神经网络模型。4.根据权利要求3所述的基于脉冲神经网络的水表读数区域检测方法，其特征在于，所述根据预置LIF神经元构建初始脉冲神经网络模型，之前还包括：基于预设比例衰减因子配置预置LIF神经元，用于调整膜电位状态变化的速率。5.基于脉冲神经网络的水表读数区域检测装置，其特征在于，包括：图像获取单元，用于获取待检测的当前水表图像；脉冲编码单元，用于将所述当前水表图像输入预设脉冲神经网络模型的编码层进行泊松编码处理，得到水表脉冲序列，所...

【专利技术属性】
技术研发人员：陈靖宇，刘文佳，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：