CN119516532A 基于多任务交互网络的指针式压力表读数识别方法及系统 （金仪计量科技(苏州)有限公司）

基于多任务交互网络的指针式压力表读数本申请公开一种基于多任务交互网络的指针式压力表读数识别方法及系统，所述方法包式压力表读数值。本申请采用GhostConv和C3Ghost模块实现卷积操作，既保证高效特征提2通过多任务处理模型对待识别指针式压力表图像处理，生成关键对所述待识别指针式压力表图像进行预处理，生成初始的关键点图3.如权利要求2所述的方法，其特征在于，对所述待识别指针式压力表图像进行预处对所述待识别指针式压力表图像进行数据增强处理，生成数据增对增强后的待识别指针式压力表图像数据进行标注处理，生成初始的所述主干模块包括Conv卷积层、若干GhostConv卷积层和C3Ghost层交叉设所述颈部模块包括第一颈部单元和第二颈部单元，第一颈部单元依次包括；所述头部模块用于接收颈部模块中部分C3Ghost层所述主干模块中部分C3Ghost层、与第一颈部单元中Concat层相接，所述主干模块中SPFF整合层分别与第一颈部单元的UpSample层和第二颈部单元中所述颈部模块中第一颈部单元的第一个C3Ghost层与第二颈部单元的第一个Concat层所述颈部模块中第二颈部单元的第一个C3Ghost层和第二个C3Ghost层分别与头部模将卷积后的第二部分特征输入若干Bottleneck层进行融合所述卷积后的第一部分特征和通过若干Bottlen3通过残差连接融合输入的特征和进行特征提取和非线性变;对所述关键点数据进行坐标转换处理，生成按刻度值大小变换顺序的关键点数据坐通过关键点数据坐标和指针直线方向，确定指针在两个相邻刻度关键点之间的位置，处理模块，用于通过多任务处理模型对待识别指针式压力表图像处处理确定模块，用于通过多特征融合模型对关键点数据和指针分割4值;[0015]采用分割模型对所述初始的指针分割模型图像数据进行处理，生成指针分割数5[0020]所述主干模块包括Conv卷积层、若干GhostConv卷积层和C3Ghost层交叉设置、[0021]所述颈部模块包括第一颈部单元和第二颈部单元，第一颈部单元依次包括；[0022]所述头部模块用于接收颈部模块中部分C3Ghost层的输出特征，得到指针和刻度[0024]所述颈部模块中第一颈部单元的第一个C3Ghost层与第二颈部单元的第一个[0025]所述颈部模块中第二颈部单元的第一个C3Ghost层和第二个C3Ghost层分别与头[0026]进一步的，所述C3Ghost层包括卷积层、分割层、和若干Bottleneck层，所述6[0050]图1为本申请实施例提供的基于多任务交互网络的指针式压力表读数识别方法的7的初始的关键点图像数据和初始的指针分割模型图像数据进行的进一步的处理。可以理包括设置指针式压力表训练图像集图像大小为点；xj和yj是关键点的坐标；v是指关键点的可见性，0代表不可见，1代表可见；j∈{1,8块可以从粗略到精细地处理前一阶段卷积传递上来的特征，进行进一步的细化和特征增使用C3Ghost模块前都需要进行一次GhostConv卷积来不断提取更深层次的特征来作为[0071]头部模块用于接收颈部模块中部分C3Ghost层的输出特征，得到指针和刻度的关块中SPFF整合层分别与第一颈部单元的UpSample层和第二颈部单元中第二个Concat层相块中第二颈部单元的第一个C3Ghost层和第二个C3Ghost层分别与头分为第一部分和第二部分；将卷积后的第二部分特征输入若干Bottleneck层进行特征提经过一个卷积层输出，使得融合后的特征在进入下一个网络层之前可以进一步压缩和优9换，然后输出进入第二个组合层。第一个ConvBNSiLU层的输出接着输入到第二个[0077]该分割模型将预处理过程训练完的指针式压力表训练图像集进行训练生成的初;[0087]关键点对象损失Lkp_obj通过二元交叉熵损失计[0089]0=0-rovoL；;化的顺序，使用关键点k.及其边界框来实现这一点。由于模型返回的坐标位于坐标系{A}进而将指针的角度转换为指针式压力表读数值。为了增强读数，采用如下公式得到比率[0111]valueinaex表示所在区上rate再加上该区间的起始刻度值则可以