基于深度学习的机器人智能巡检中的仪表数据识别方法技术

本申请基于深度学习的机器人智能巡检中的仪表数据识别方法，涉及图像处理领域。该方法包括：获取仪表盘视频；对仪表盘视频进行关键帧提取，得到待测关键帧；对待测关键帧进行图像分割，得到待测图像；将待测图像输入示数读取模型，输出得到仪表示数读取结果；对仪表示数读取结果进行处理，得到仪表读数。在进行对于包含有仪表的图片进行识别的过程中，通过提取关键帧，并分割关键图片的方式，获取与仪表示数相关的图片，并输入识别模型中，最终得到仪表读数。在识别过程中结合关键帧识别、图像分割以及人工智能技术，使得机器人智能巡检过程中，对于指示仪表当中的数据的自动识别准确率得到提高。确率得到提高。确率得到提高。

【技术实现步骤摘要】
基于深度学习的机器人智能巡检中的仪表数据识别方法


[0001]本申请涉及图像处理领域，特别涉及一种基于深度学习的机器人智能巡检中的仪表数据识别方法。

技术介绍

[0002]在数字化、人工智能的发展下，大部分工业场景可以使用数字式仪表对机器的工作状态进行监测。
[0003]相关技术中，通常基于传统计算机视觉技术进行数字式仪表机器的内容监测，在一个示例中，通过图像采集设备进行仪表参数获取后，通过人工识别的方式进行仪表数据识别，或配合计算机设备中的程序，在不改变图像清晰度的情况下直接识别仪表内容。
[0004]然而，基于传统计算机视觉技术的数字式仪表机器的内容检测方式对于图像的成像质量具有较高要求，当图像质量较低时，对于仪表数据识别的效率较差。

技术实现思路

[0005]本申请关于一种基于深度学习的机器人智能巡检中的仪表数据识别方法，能够提高对于机器人智能巡检过程中的指示仪表数据识别准确率，该方法包括：
[0006]获取仪表盘视频，仪表盘视频为机器人智能巡检过程中的指示仪表进行拍摄得到的视频片段；
[0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机器人智能巡检中的仪表数据识别方法，其特征在于，所述方法应用于计算机设备中，所述方法包括：获取仪表盘视频，所述仪表盘视频为机器人智能巡检过程中的指示仪表进行拍摄得到的视频片段；对所述仪表盘视频进行关键帧提取，得到待测关键帧；对所述待测关键帧进行图像分割，得到待测图像，所述待测图像中包括指示仪表以及所示指示仪表的示数；将所述待测图像输入示数读取模型，输出得到仪表示数读取结果，所述仪表示数读取结果包括仪表指针读取结果以及数字读取结果中的至少一种，所述示数读取模型为基于机器学习的人工智能模型；对所述仪表示数读取结果进行处理，得到仪表读数。2.根据权利要求1所述的方法，其特征在于，所述对所述仪表盘视频进行关键帧提取，得到待测关键帧，包括：确定关键帧提取间隔；基于所述关键帧提取间隔，对所述仪表盘视频进行关键帧提取，得到所述待测关键帧。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：确定与所述待测关键帧对应的置信度数值；响应于所述置信度数值低于置信度数值阈值，对所述待测关键帧进行筛除。4.根据权利要求1所述的方法，其特征在于，所述对所述待测关键帧进行图像分割，得到待测图像，包括：将所述待测关键帧输入所述仪表识别模型，输出得到与所述待测关键帧对应的仪表位置信息，所述仪表识别模型为基于YOLOv5网络建立的识别模型；基于所述仪表位置信息对所述待测关键帧进行图像分割，得到仪表位置图像；对所述仪表位置图像进行调整，得到所述待测图像。5.根据权利要求4所述的方法，其特征在于，所述对所述仪表位置图像进行调整，得到所述待测图像，包括：确定与所述指示仪表对应的原始形状；基于所述仪表位置图像，确定与所述指示仪表对应的畸变程度；基于所述畸变程度对所述仪...

【专利技术属性】
技术研发人员：纪元，邱奇，顾锡华，徐甍，俞亚，周玮，黄源航，周琪，张怡然，强梦烨，
申请(专利权)人：国网江苏省电力有限公司无锡供电分公司，
类型：发明
国别省市：