一种基于关键点检测的仪表读数识别方法及系统技术方案

本发明专利技术公开了一种基于关键点检测的仪表读数识别方法及系统，方法包括：预先构建图像识别模型；获取待预测的图片，将所述待预测的图片进行预处理，生成目标输入图片；将所述目标输入图片输入图像识别模型，获取图像识别模型的预测结果；对所述预测结果进行转换，得到仪表的读数

【技术实现步骤摘要】
一种基于关键点检测的仪表读数识别方法及系统


[0001]本专利技术涉及人工智能
，尤其涉及一种基于关键点检测的仪表读数识别方法及系统
。

技术介绍

[0002]由于时代的进步和
AI
的发展，智能仪表开始出现日常生活中
。
智能相比传统指针表价格较高，同时旧的指针表升级到智能表需要在停止所在部位工作的情况下完成
。
[0003]现有技术传统表指针表的抄表需要人工到实地查看，并且工业表所在部位工作停止的成本更大，所以直接更换智能表成本高
。
而不更换指针表的情况对于读数的获取会面临着费时费力的问题
。
[0004]因此现有技术还有待于进一步发展
。

技术实现思路

[0005]针对上述技术问题，本专利技术实施例提供了一种基于关键点检测的仪表读数识别方法及系统，能够解决现有技术中传统表指针表的抄表需要人工到实地查看，并且工业表所在部位工作停止的成本更大，所以直接更换智能表成本高；而不更换指针表的情况对于读数的获取会面临着费时费力的技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于关键点检测的仪表读数识别方法，其特征在于，方法包括：预先构建图像识别模型；获取待预测的图片，将所述待预测的图片进行预处理，生成目标输入图片；将所述目标输入图片输入图像识别模型，获取图像识别模型的预测结果；对所述预测结果进行转换，得到仪表的读数
。2.
根据权利要求1所述的基于关键点检测的仪表读数识别方法，其特征在于，所述预先构建图像识别模型，包括：预先构建基于深度学习的图像识别模型，所述图像识别模型包括特征提取层
、
特征融合层
、
特征预测层
。3.
根据权利要求2所述的基于关键点检测的仪表读数识别方法，其特征在于，所述获取待预测的图片，将所述待预测的图片进行预处理，生成目标输入图片，包括：获取待预测的图片，将所述待预测的图片缩放至预定大小的图片；将预定大小的图片进行归一化处理后，生成目标输入图片
。4.
根据权利要求3所述的基于关键点检测的仪表读数识别方法，其特征在于，所述将所述目标输入图片输入图像识别模型，获取图像识别模型的预测结果，包括：将所述目标输入图片输入图像识别模型；基于所述图像识别模型的特征提取层提取所述目标输入图片的特征；基于所述图像识别模型的特征融合层对所述特征进行融合，得到融合的特征图；基于所述图像识别模型的特征预测层对所述融合的特征图进行预测，得到归一化的预测结果
。5.
根据权利要求4所述的基于关键点检测的仪表读数识别方法，其特征在于，所述对所述预测结果进行转换，得到仪表的读数，包括：将所述归一化的预测结果进行转换后，得到图像点位坐标信息；基于所述图像点位坐标信息，得到仪表的读数
。6.
一种基于关键点检测的仪表读数识别系统，其特征在于，所述系统包...

【专利技术属性】
技术研发人员：缪建国，潘昊，穆金庆，左宝柱，刘志成，
申请(专利权)人：深圳矽递科技股份有限公司，
类型：发明
国别省市：