[发明专利]一种基于YOLO的水表自动检测方法

权利要求书

1.一种基于YOLO的水表自动检测方法，其特征在于，包括以下步骤：

(1)数据获取：拍摄适量多张水表读书照片，涵盖给定的不同种水表；

(2)数据处理：对照片进行裁剪，处理成设定大小；

(3)label制作：通过人工用软件手动标定水表读数边框；

(4)训练网络：把准备好的训练数据及label输入到YOLO网络中训练；

(5)测试网络：输入待测试数据到已训练网络中，最后得到水表检测结果和概率。

2.根据权利要求1所述的基于YOLO的水表自动检测方法，其特征在于，所述步骤(1)使用手机拍摄水表盘，使水表读数框尽量保持水平；所拍摄的水表应涵盖多种已知水表。

3.根据权利要求1所述的基于YOLO的水表自动检测方法，其特征在于，所述步骤(1)拍摄水表读书照片的张数为50000张。

4.根据权利要求1所述的基于YOLO的水表自动检测方法，其特征在于，所述步骤(2)对拍得的照片进行裁剪，裁剪后的图片大小为480*200，并使得水表读数得到完整保留。

5.根据权利要求1所述的基于YOLO的水表自动检测方法，其特征在于，所述步骤(3)包括以下步骤：

(3-1)使用标注软件，人工标定水表读数框；

(3-2)将边框的坐标以及宽高存于txt文件中，同时将水表的读数也记录

于文件中；

(3-3)将照片随机划分为训练集(约45000张)和测试集(约5000张)。

6.根据权利要求1所述的基于YOLO的水表自动检测方案，其特征在于，所述步骤(4)包括以下步骤：

(4-1)构建YOLO卷积神经网络；

(4-2)YOLO网络训练参数设定；

(4-3)在YOLO网络中，将原图平均划分成side²个即7*7个矩形，在每个矩形中产生num个边框，以供回归；每个矩形产生2个概率，对应text类和background类的概率，每个边框对应输出4个坐标和目标置信度，所以最终detection层的输出张量大小为size*size*(num*5+2)；

(4-4)YOLO采用的leaky活化函数；

(4-5)权值初始化：共享卷积层的权值使用Imagenet分类任务训练模型进行初始化，其余新的层采用零均值高斯分布进行初始化；

(4-6)对边框的坐标进行参数化；

(4-7)训练卷积神经网络：训练的时候，设置边框loss大于置信度的loss；利用卷积神经网络提取特征，把特征输入全连接层后预测输出；在YOLO中，7*7中的每个矩形预测num个输出，最后根据最大的置信度保留一个，然后对他进行回归。

7.根据权利要求6所述的基于YOLO的水表自动检测方法，其特征在于，所述步骤(4-2)设定迭代次数iters＝80000，学习率更新策略：step，更新步长:200,400,600,20000,30000，初始学习率：0.001，scales：2.5,2,2,0.1,0.1,batch＝64,decay:0.0005。

8.根据权利要求1所述的基于YOLO的水表自动检测方法，其特征在于，所述步骤(5)包括以下步骤：

(5-1)把测试集中的图片以及标签输入到已训练好的网路中，进行检测；

(5-2)检测完成后，程序计算平均精度、回调率；

(5-3)随机显示20张照片的检测效果，每张照片的水表读数被自动框出，并带有判断概率。