[发明专利]一种适用于巡检机器人的多类型仪表自动定位与识别方法

权利要求书

1.一种适用于巡检机器人的多类型仪表自动定位与识别方法，其特征在于：包括以下步骤：

步骤一：根据事先收集多类型仪表场景图片，标注场景图片中的仪表区域并对应标注信息文件，制作训练样本集；

步骤二：将训练样本集送入设计好的卷积神经网络进行离线模型训练得到卷积神经网络仪表模型；

步骤三：利用卷积神经网络仪表模型对任务场景图片进行仪表类型识别和位置检测，初步得出系列仪表类型、置信度和位置矩形框；

步骤四：对步骤三中得到的初步结果进行后处理，最终得出场景图片中仪表类型和对应位置。

2.根据权利要求1所述的适用于巡检机器人的多类型仪表自动定位与识别方法，其特征在于：所述步骤一中，根据事先收集的多类型仪表场景图片，手动选择场景图像中仪表的区域，以矩形框标定仪表的边界，记录矩形左上角和右下角坐标和仪表类型，制成训练样本集。

3.根据权利要求1所述的适用于巡检机器人的多类型仪表自动定位与识别方法，其特征在于：所述步骤二中卷积神经网络离线模型训练包括深度残差网络特征提取、多尺度特征提取和反卷积处理。

4.根据权利要求1所述的适用于巡检机器人的多类型仪表自动定位与识别方法，其特征在于：所述步骤四中对位置矩形框进行后处理，具体包括：

检测矩形框的合并：若任意两个矩形框R_u和R_v，若满足并且标示为同一类型的，则将两矩形框进行合并，合并的矩形框为R_u∪R_v，τ为合并阈值；

伪矩形框的去除：若任意检测识别结果的置信度C_conf≤δ,δ∈[0,1]，则将该结果剔除，δ为置信度阈值。

5.根据权利要求1所述的适用于巡检机器人的多类型仪表自动定位与识别方法，其特征在于：τ取值0.7，δ取值0.7。