一种基于深度学习的浓度测量仪刻度识别系统技术方案

一种基于深度学习的浓度测量仪刻度识别系统，属于刻度识别应用领域。解决了现有测量仪刻度识别方法在复杂工况下读数误差大的问题，本发明专利技术在R、G、B三个通道对采集的标尺图像进行形态学闭运算，去除标尺上的刻度，进行梯度检测，利用梯度数据获取参考翻转方向，再对标尺图像校正，通过检测算法确定目标边界框使刻度尺图像完全位于框内，并以此为依据裁剪图像，将裁剪后的刻度尺图像输入经过修改的残差网络，对剪裁后的刻度尺图像进行识别。本发明专利技术适用于刻度尺图像刻度识别。

【技术实现步骤摘要】

本专利技术属于目标检测、刻度识别。

技术介绍

1、目前，标尺识别多采用传统的图像处理方法，这些方法存在很多限制：一种算法往往只能解决某个特定的场景或任务，泛化能力较差，同时精度受到算法设计和参数设置的影响。与传统的图像处理方法相比，基于深度学习的图像识别方法具有如下优势：深度学习能够理解更加高级的、语义级别的、只能抽象描述的图像特征；能够进行端到端的图像处理，训练精度高，泛化性更好，且无需复杂的调参。

2、在工业制造过程中，存在着不同的复杂工况，这对目标检测和识别算法的鲁棒性提出了较高的要求。在复杂工况下，如视野过明或过暗、刻度分界线不明确、液体颜色不同、刻度尺摆放角度不同等，当前常见的传统图像处理算法往往会失效，甚至出现极大的误差，造成严重的后果。

技术实现思路

1、本专利技术是为了解决现有测量仪刻度识别方法存在的误差大的问题，提出了一种基于深度学习的浓度测量仪刻度识别系统。

2、本专利技术所述的基于深度学习的浓度测量仪刻度识别系统，包括：角度校正模块、标尺目标检测模块和标尺刻度识别本文档来自技高网...

【技术保护点】

1.一种基于深度学习的浓度测量仪刻度识别系统，其特征在于，包括：角度校正模块(1)、标尺目标检测模块(2)和标尺刻度识别模块(3)；

2.根据权利要求1所述的一种基于深度学习的浓度测量仪刻度识别系统，其特征在于，预测的刻度值为：

3.根据权利要求2所述的一种基于深度学习的浓度测量仪刻度识别系统，其特征在于，标尺刻度识别模块(3)中的三个全连接层采用三个损失函数实现刻度识别，三个损失函数相同，损失函数losstotal具体为：

4.根据权利要求2或3所述的一种基于深度学习的浓度测量仪刻度识别系统，其特征在于，标尺目标检测模块(2)获得刻度尺目标的位置信息...

【技术特征摘要】

1.一种基于深度学习的浓度测量仪刻度识别系统，其特征在于，包括：角度校正模块(1)、标尺目标检测模块(2)和标尺刻度识别模块(3)；

2.根据权利要求1所述的一种基于深度学习的浓度测量仪刻度识别系统，其特征在于，预测的刻度值为：

3.根据权利要求2所述的一种基于深度学习的浓度测量仪刻度识别系统，其特征在于，标尺刻度识别模块(3)中的三个全连接层采用三个损失函数实现刻度识别，三个损失函数相同，损失函数losstotal具体为：

4.根据权利要求2或3所述的一种基于深度学习的浓度测量仪刻度识别系统，其特征在于，标尺目标检测模块(2)获得刻度...

【专利技术属性】
技术研发人员：李想，谭启成，时佳齐，胡瑀晖，王艳坤，向治桦，韩硕，郭帅，
申请(专利权)人：哈尔滨智兀科技有限公司，
类型：发明
国别省市：