【技术实现步骤摘要】
本专利技术涉及图像识别的，特别是一种端对端地铁通信机房设备识别方法。
技术介绍
1、近年来，轨道交通行业对于保障运营安全、提高服务质量及降低运营成本，开始显现巨大的刚性需求。而通信系统作为城市轨道交通的重要系统，通信机房的日常巡检和故障监控一直深受人力资源的制约。随着通信机房规模的持续增长，传输的数据量不断增大，传统的定期运营维护管理模式日显不足，城市轨道交通通信机房日常设备巡检，此类重复性工作占据巡检人员的较多时间和精力，不仅使工作负荷加重，机房管理成本也随之不断上升。加之人工巡检流程繁琐，大多需要手工统计，信息化程度低，大大降低了城轨通信机房的巡检效率。
2、随着近几年图像处理算法的飞速发展，基于计算机视觉研究的图像识别技术在不断的提升，图像识别技术的应用范围已经远远突破视觉的范围，人脸识别、无人自动驾驶、智能机器人等应用上都取得显著的效果，图像识别技术就是人类视觉认知的延伸。通过在通信机房内部部署巡检机器人，结合深度学习算法和视频图像处理技术，对地铁通信机房设备，包括指示灯、数码管、电源屏以及数显表等示值和位置进行数据...
【技术保护点】
1.一种端对端地铁通信机房设备识别方法，包括采集地铁通信机房设备数据，其特征在于，还包括以下步骤：
2.如权利要求1所述的端对端地铁通信机房设备识别方法，其特征在于，所述采集地铁通信机房设备数据步骤还包括以下子步骤：
3.如权利要求2所述的端对端地铁通信机房设备识别方法，其特征在于，所述步骤1包括以下子步骤：
4.如权利要求3所述的端对端地铁通信机房设备识别方法，其特征在于，所述端对端识别模型包括优化的PGNet模型，并在此基础上引入基于yolov5的目标检测器，实现不限于机房设备文本及指示灯的识别，其中从config文件、网络结构...
【技术特征摘要】
1.一种端对端地铁通信机房设备识别方法，包括采集地铁通信机房设备数据，其特征在于，还包括以下步骤：
2.如权利要求1所述的端对端地铁通信机房设备识别方法，其特征在于，所述采集地铁通信机房设备数据步骤还包括以下子步骤：
3.如权利要求2所述的端对端地铁通信机房设备识别方法，其特征在于，所述步骤1包括以下子步骤：
4.如权利要求3所述的端对端地铁通信机房设备识别方法，其特征在于，所述端对端识别模型包括优化的pgnet模型，并在此基础上引入基于yolov5的目标检测器，实现不限于机房设备文本及指示灯的识别，其中从config文件、网络结构和loss三个方面对所述pgnet模型进行优化，具体优化方法包括：
5.如权利要求4所述的端对端地铁通信机房设备识别方法，其特征在于，所述步骤2包括输入图像经过特征提取送入五个分支，分别是：文本边缘偏移量预测tbo模块、文本中心线预测tcl模块、文本方向偏移量预测tdo模块、文本字符分类图预测tcc模块和目标检测预测detect模块，其中，所述文本边缘偏移量预测tb模块o和所述文本中心线预测tcl模块的输出经过后处理后可以得到文本的检测结果，所述文本中心线预测tcl模块、所述文本方向偏移量预测tdo模块和所述文本字符分类图预测tcc模块得到文本识别结果，所述目...
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。