【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及自動化指針式儀表識別，尤其涉及基于深度學(xué)習(xí)的自動化指針式儀表識別方法。
技術(shù)介紹
1、石油石化行業(yè)是國民經(jīng)濟的重要支柱產(chǎn)業(yè)，其生產(chǎn)過程的安全性和效率對于國家能源供應(yīng)和經(jīng)濟穩(wěn)定具有關(guān)鍵意義，利用人工智能算法構(gòu)建自動化獲取指針式儀表數(shù)據(jù)系統(tǒng)能夠顯著的提升指針式儀表數(shù)據(jù)的獲取效率與準確性，將極大的提升石油石化行業(yè)的整體運行效率。
2、當(dāng)前大型石油石化廠區(qū)內(nèi)指針式儀表依然在大量使用，且出于成本和早期設(shè)計的考慮絕大多數(shù)的指針式儀表并不具備通信接口，相關(guān)人員需要依靠人工的方式定期或隨時對指針式儀表的數(shù)據(jù)進行獲取，人工獲取圖表數(shù)值非常消耗人力和財力，另外，大型石油石化廠區(qū)通常具有復(fù)雜的設(shè)備布局、多樣的工藝流程和惡劣的工作條件，導(dǎo)致當(dāng)前指針式儀表識別方法識別率低的問題。
技術(shù)實現(xiàn)思路
1、本申請實施例通過提供基于深度學(xué)習(xí)的自動化指針式儀表識別方法，解決了現(xiàn)有技術(shù)中，當(dāng)前指針式儀表識別方法識別率低的問題，實現(xiàn)了提高指針式儀表識別方法識別率。
2、本申請實施例提供了基于深度學(xué)習(xí)的自動化指針式儀表識別方法，包括以下步驟：采集指針式儀表圖片，對采集的指針式儀表圖片進行圖片分割處理，得到儀表表盤區(qū)域圖片；對指針式儀表圖片和儀表表盤區(qū)域圖片進行數(shù)據(jù)增廣處理，生成的指針式儀表圖像數(shù)據(jù)；結(jié)合生成的指針式儀表圖像數(shù)據(jù)，構(gòu)建基于mask-rcnn-swin?trasnsformer的指針式儀表識別模型；將獲取的指針式儀表圖片輸入指針式儀表識別模型中，指針式儀表識別模型輸出指針式儀
3、進一步的，所述所述對采集的指針式儀表圖片進行圖片分割處理，具體包括：獲取預(yù)設(shè)的表盤模板，將表盤模板作為滑動窗口在指針式儀表圖片上滑動，計算匹配度；裁剪匹配度最高區(qū)域的圖片，得到儀表表盤區(qū)域圖片。
4、進一步的，所述對指針式儀表圖片和儀表表盤區(qū)域圖片進行數(shù)據(jù)增廣處理，包括：對指針式儀表圖片和儀表表盤區(qū)域圖片進行幾何變換和像素變換。
5、進一步的，所述所述幾何變換主要包括：將長方形的指針式儀表圖片進行180°旋轉(zhuǎn)，并將矩形的儀表表盤區(qū)域圖片進行90°、180°、270°旋轉(zhuǎn)，獲取第一圖片數(shù)據(jù)；對指針式儀表圖片進行向外縮放，并將向外縮放后的指針式儀表圖片裁剪到與第一圖片數(shù)據(jù)的大小一致；對指針式儀表圖片進行向內(nèi)縮放后，再向外縮放到與第一圖片數(shù)據(jù)的大小一致。
6、進一步的，所述基于mask-rcnn-swin?trasnsformer的指針式儀表識別模型包括特征提取模塊、特征融合模塊、分類回歸網(wǎng)絡(luò)、指針位置識別模塊，具體包括：所述特征提取模塊，利用特征提取網(wǎng)絡(luò)對輸入的指針式儀表圖像數(shù)據(jù)進行不同維度的特征提取，得到儀表特征圖；所述特征融合模塊，用于對提取到的儀表特征圖進行特征融合；所述分類回歸網(wǎng)絡(luò)，基于全卷積神經(jīng)網(wǎng)絡(luò)對定位到的特征生成二值蒙版，并進行實例分割；所述指針位置識別模塊，利用透視變換、pca指針直線擬合、角度計算方式實現(xiàn)指針讀數(shù)。
7、進一步的，所述特征提取模塊，對得到的儀表特征圖進行反卷積操作，操作方法如下：反卷積操作通過對5層卷積池化層輸出的儀表特征圖進行縮小操作，輸出時將儀表特征圖放大至第一圖片數(shù)據(jù)的相同大小，得到更為精準的儀表特征圖。
8、進一步的，所述特征融合發(fā)生在基于多維特征融合的特征金字塔網(wǎng)絡(luò)的橫向連接過程中，具體為：通過高維度的特征圖譜向下上采樣一次將特征恢復(fù)到與低維特征同一尺度大小；低維的特征圖譜通過1×1的卷積操作在保證尺度大小不改變的同時改變特征通道數(shù)；將低維特征圖譜與高維特征圖譜簡單融合。
9、進一步的，所述分類回歸網(wǎng)絡(luò)，操作方法包括：在池化層將每個區(qū)域建議框轉(zhuǎn)化成相同大小的特征圖；將得到的特征圖輸入進兩個全連接層，輸入每個區(qū)域建議框?qū)?yīng)錨框的偏移量；分類層輸出每個建議框?qū)儆诟黝悇e的機率；利用非極大抑制算法挑選出置信度最高的特征圖作為最終的檢測結(jié)果。
10、進一步的，所述指針式儀表圖片的識別結(jié)果，具體包括：如果是指針式儀表圖片，模型會識別出指針位置并輸出，若輸入為非指針式儀表圖片，系統(tǒng)會直接結(jié)束并返回相應(yīng)提示。
11、本申請實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：
12、1、通過構(gòu)建大型石油石化工廠的指針式儀表自動化識別系統(tǒng)，進而實現(xiàn)了提高指針式儀表識別方法識別率的效果，有效解決了現(xiàn)有技術(shù)中存在當(dāng)前指針式儀表識別方法識別率低的問題。
13、2、算法創(chuàng)新性的以mask-rcnn為基線框架，以swi?n?transformer作為主干網(wǎng)絡(luò)，通過對大量且多維度的指針式儀表圖像數(shù)據(jù)進行預(yù)訓(xùn)練，得到了識別準確性高、通用性強的指針式儀表圖像識別模型。
14、3、通過現(xiàn)有的數(shù)據(jù)增廣技術(shù)提出了適用于石油石化行業(yè)指針式儀表圖像的數(shù)據(jù)增廣技術(shù)，從而生成貼近生產(chǎn)環(huán)境的遮擋、霧化、銹化、污漬的指針式儀表圖像，進而解決了石油石化行業(yè)指針式儀表圖片數(shù)據(jù)不足的問題。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述所述對采集的指針式儀表圖片進行圖片分割處理，具體包括：
3.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述對指針式儀表圖片和儀表表盤區(qū)域圖片進行數(shù)據(jù)增廣處理，包括：對指針式儀表圖片和儀表表盤區(qū)域圖片進行幾何變換和像素變換。
4.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述所述幾何變換主要包括：
5.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述Swin?Transformer的計算公式如下：
6.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述基于Mask-RCNN-swin?trasnsformer的指針式儀表識別模型包括特征提取模塊、特征融合模塊、分類回歸網(wǎng)絡(luò)、指針位置識別模塊，具體包括：
7.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在
8.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述特征融合發(fā)生在基于多維特征融合的特征金字塔網(wǎng)絡(luò)的橫向連接過程中，具體為：
9.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述分類回歸網(wǎng)絡(luò)，操作方法包括：
10.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述指針式儀表圖片的識別結(jié)果，具體包括：
...【技術(shù)特征摘要】
1.基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述所述對采集的指針式儀表圖片進行圖片分割處理，具體包括：
3.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述對指針式儀表圖片和儀表表盤區(qū)域圖片進行數(shù)據(jù)增廣處理，包括：對指針式儀表圖片和儀表表盤區(qū)域圖片進行幾何變換和像素變換。
4.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述所述幾何變換主要包括：
5.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識別方法，其特征在于，所述swin?transformer的計算公式如下：
6.如權(quán)利要求1所述基于深度學(xué)習(xí)的自動化指針式儀表識...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周正陽，朱冰蓮，
申請(專利權(quán))人：周正陽，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。