System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像识别,尤其涉及一种仪表检测方法、装置、设备及介质。
技术介绍
1、仪表是变电站的常用测量仪器,可以应用在多个场景中,这些仪表安装位置和环境相对恶劣,人工巡检也比较困难,因此,准确定位仪表的位置是目前的难点。
2、现有技术中多是通过仪表的特征来识别确定仪表位置。识别困难且识别精度不高。
3、因此,如何在图像中准确识别仪表是目前亟待解决的技术问题。
技术实现思路
1、鉴于上述问题,本专利技术提供了一种克服上述问题或者至少部分地解决上述问题的仪表识别方法、装置、设备及介质。
2、第一方面,本专利技术提供了一种仪表识别方法,包括:
3、基于yolov5s网络模型,构建训练模型,所述训练模型的骨干网络末端增加有eca注意机制;
4、获取n个历史仪表图像;
5、对所述n个历史仪表图像进行扩充处理,得到数据集;
6、基于所述数据集和所述训练模型,得到仪表检测模型,所述仪表检测模型用于识别仪表,采用focal eiou损失函数评估所述仪表检测模型的性能;
7、获取待识别图像;
8、基于所述待识别图像和所述仪表检测模型,判断所述待识别图像中是否有仪表。
9、优选地,所述获取n个历史仪表图像,包括:
10、获取不同光照下、不同形状、不同尺寸以及不同角度的n个历史仪表图像。
11、优选地,所述对所述n个历史仪表图像进行扩充处理,得到数据集,包括
12、对每个历史仪表图像进行镜像处理,得到镜像仪表图像;
13、对每个历史仪表图像进行旋转处理,得到旋转仪表图像;
14、对所述旋转仪表图像和/或镜像仪表图像中缺失的像素点位进行填充处理,得到填充仪表图像;
15、将所述镜像仪表图像、所述旋转仪表图像、填充仪表图像与n个历史仪表图像形成数据集。
16、优选地,所述基于所述数据集和所述训练模型,得到仪表检测模型,所述仪表检测模型用于识别仪表,采用focal eiou损失函数评估所述仪表检测模型的性能,包括:
17、将所述数据集输入所述训练模型进行训练,得到仪表检测模型,所述仪表检测模型用于识别仪表;
18、采用focal eiou损失函数评估所述仪表检测模型的性能。
19、优选地,在所述历史仪表图像为指针式仪表图像时,所述仪表检测模型用于检测指针式仪表;在所述历史仪表图像为数字式仪表图像时,所述仪表检测模型用于检测数字式仪表。
20、优选地,在基于所述数据集和所述训练模型,得到仪表检测模型,所述仪表检测模型用于识别仪表之后,还包括:
21、对所述仪表检测模型进行tensorrt加速处理,以使得tensorrt加速处理后的仪表检测模型适用于嵌入式结构。
22、优选地,在基于所述待识别图像和所述仪表检测模型,判断所述待识别图像中是否有仪表之后,还包括:
23、在确定所述待识别图像中有仪表之后,对所述仪表进行框选定位。
24、第二方面,本专利技术还提供了一种仪表检测装置,包括:
25、构建模块,用于基于yolov5s网络模型,构建训练模型,所述训练模型的骨干网络末端增加有eca注意机制;
26、第一获取模块,用于获取n个历史仪表图像;
27、第一得到模块,用于对所述n个历史仪表图像进行扩充处理,得到数据集;
28、第二得到模块,用于基于所述数据集和所述训练模型,得到仪表检测模型,所述仪表检测模型用于识别仪表,采用focal eiou损失函数评估所述仪表检测模型的性能;
29、第二获取模块,用于获取待识别图像;
30、判断模块,用于基于所述待识别图像和所述仪表检测模型,判断所述待识别图像中是否有仪表。
31、第三方面,本专利技术还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面中所述的方法步骤。
32、第四方面,本专利技术还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中所述的方法步骤。
33、本专利技术实施例中的一个或多个技术方案,至少具有如下技术效果或优点:
34、本专利技术提供了一种仪表识别方法,包括:基于yolov5s网络模型,构建训练模型,该训练模型的骨干网络末端增加有eca注意机制,并采用focal eiou损失函数评估训练模型的性能;获取n个历史仪表图像;对n个历史仪表图像进行扩充处理,得到数据集;基于数据集和训练模型,得到仪表检测模型,仪表检测模型用于识别仪表;获取待识别图像;基于待识别图像和仪表检测模型,判断待识别图像中是否有仪表,通过对历史仪表图像的扩充,丰富历史仪表图像,使得数据增强,提高了仪表检测模型的鲁棒性,进而提高了仪表识别的准确性。
本文档来自技高网...【技术保护点】
1.一种仪表识别方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述获取N个历史仪表图像,包括:
3.如权利要求1所述的方法,其特征在于,所述对所述N个历史仪表图像进行扩充处理,得到数据集,包括:
4.如权利要求1所述的方法,其特征在于,所述基于所述数据集和所述训练模型,得到仪表检测模型,所述仪表检测模型用于识别仪表,采用Focal EIOU损失函数评估所述仪表检测模型的性能,包括:
5.如权利要求1所述的方法,其特征在于,在所述历史仪表图像为指针式仪表图像时,所述仪表检测模型用于检测指针式仪表;在所述历史仪表图像为数字式仪表图像时,所述仪表检测模型用于检测数字式仪表。
6.如权利要求1所述的方法,其特征在于,在基于所述数据集和所述训练模型,得到仪表检测模型,所述仪表检测模型用于识别仪表之后,还包括:
7.如权利要求1所述的方法,其特征在于,在基于所述待识别图像和所述仪表检测模型,判断所述待识别图像中是否有仪表之后,还包括:
8.一种仪表检测装置,其特征在于,包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~7中任一权利要求所述的方法。
...【技术特征摘要】
1.一种仪表识别方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述获取n个历史仪表图像,包括:
3.如权利要求1所述的方法,其特征在于,所述对所述n个历史仪表图像进行扩充处理,得到数据集,包括:
4.如权利要求1所述的方法,其特征在于,所述基于所述数据集和所述训练模型,得到仪表检测模型,所述仪表检测模型用于识别仪表,采用focal eiou损失函数评估所述仪表检测模型的性能,包括:
5.如权利要求1所述的方法,其特征在于,在所述历史仪表图像为指针式仪表图像时,所述仪表检测模型用于检测指针式仪表;在所述历史仪表图像为数字式仪表图像时,所述仪表检测模型用于检测数字式仪表。
...
【专利技术属性】
技术研发人员:李嘉全,宋长泉,蒋杰,
申请(专利权)人:四川中科友成科技有限公司,
类型:发明
国别省市:
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。