CN119418169A 基于深度学习的自动化指针式仪表识别方法 （周正阳）_第1页
CN119418169A 基于深度学习的自动化指针式仪表识别方法 （周正阳）_第2页
CN119418169A 基于深度学习的自动化指针式仪表识别方法 （周正阳）_第3页
CN119418169A 基于深度学习的自动化指针式仪表识别方法 （周正阳）_第4页
CN119418169A 基于深度学习的自动化指针式仪表识别方法 （周正阳）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于深度学习的自动化指针式仪表识别方法本发明公开了一种基于深度学习的自动化仪表图像数据，构建基于Mask_RCNN_swin针式仪表识别模型输出指针式仪表图片的识别2采集指针式仪表图片，对采集的指针式仪表图片进行图片分割处理对指针式仪表图片和仪表表盘区域图片进行数据增广处理，生成结合生成的指针式仪表图像数据，构建基于Mask_RCNN_swintrasnsformer的指针式将获取的指针式仪表图片输入指针式仪表识别模型中，指针式仪获取预设的表盘模板，将表盘模板作为滑动窗口在指针式仪对指针式仪表图片进行向外缩放，并将向外缩放后的指针式仪表图片5.如权利要求1所述基于深度学习的自动化指针式仪表识别方法，其特征在于，所述于Mask_RCNN_swintrasnsformer的指针式仪表识别模型包括特征提取模块、特征融合模所述特征提取模块，利用特征提取网络对输入的指针式仪表图像数3所述分类回归网络，基于全卷积神经网络对定位到的特征生成二值蒙版，反卷积操作通过对5层卷积池化层输出的仪表特征图进行缩小操作，输出时将仪表特通过高维度的特征图谱向下上采样一次将特征恢复到与低维特征同4[0005]本申请实施例提供了基于深度学习的自动化指针式仪表识别方法，包括以下步对指针式仪表图片和仪表表盘区域图片进行几何变换和像[0009]进一步的，所述基于Mask_RCNN_swintrasnsformer的指针式仪表识别模型包括5[0017]3、通过现有的数据增广技术提出了适用于石油石化行业指针式仪表图像的数据[0018]图1为本申请实施例提供的基于深度学习的自动化指针式仪表识别方法的方法流[0019]图2为本申请实施例提供的基于深度学习的自动化指针式仪表识别方法算法流程[0020]图3为本申请实施例提供的基于深度学习的自动化指针式仪表识别方法的算法原6[0025]结合生成的指针式仪表图像数据，构建基于Mask_RCNN_swintrasnsformer的指7[0048]Mask_RCNN由Facebook人工智能小组的何凯明等人在2017年的ICCV国际会议中提利用Mask_RCNN对指针式仪表图像的指针与刻度关键点检测实现指针式读数识别、何配林利用PrRoIPooling代替RoiAlign来提升8[0058]通过高维度的特征图谱向下上采样一次将特征恢复到与低维[0064]卷积神经网络最后的输出为利用softmax归一化1000维向量得到的图像分别属于9现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0071]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论