[发明专利]一种基于深度学习的数字万用表示值自动校准方法

说明书

本发明公开了一种基于深度学习的数字万用表示值自动校准方法。本发明通过在相同环境下进行图像采集训练深度学习算法，校准时通过深度学习算法识别万用表示值中的单个数字图像，最后通过所校准的万用表档位确定示值的小数点位置。本发明可实现自动读取万用表示值、计算误差与不确定度、生成检定报告，与传统的人工读数记录处理数据的校准模式相比，其大大提高了工作效率，减小了人为因素带来的误差，有利于实现全面的质量管理。

技术领域

本发明涉及一种基于深度学习的数字万用表示值自动校准方法。

背景技术

万用表被广泛应用于各大电力行业，为了保证其可靠的计量特性，必须进行定期的校准测试。目前各计量院对万用表的检定都是传统的人工校准，要查阅各型号万用表的技术说明书以及国家校准规范确定校准点，操作人员需手动切换待校准万用表的档位，并根据档位手动切换万用表与校准源的连接线路，在校准源端手动输入各校准点，再人工读取万用表的显示读数，记录校准数据并计算误差。整个校准过程复杂工作量大，且人为手动输入校准点、读取示值、记录处理数据都易出错。

发明内容

为了解决目前人工校准中的问题，本发明提供了一种基于深度学习的数字万用表示值自动校准方法，实现对万用表示值的自动识别，自动计算误差分析不确定度保存处理数据，提高了校准效率及准确率。

一种基于深度学习的数字万用表示值自动校准方法，其特征在于包括以下步骤：

1） 校准前事先在暗箱中由光源照明通过相机采集万用表示值图像，将示值图像进行分割得到单个数字图像，将得到的单个数字图像按“0”～“10”分类离线训练深度学习算法；

2） 校准时待校准万用表同样置于由光源照明的暗箱中，待标准器产生的标准信号稳定输出到待校准万用表后，通过相机采集万用表示值图像并分割得到单个数字图像，将得到的单个数字依次通过深度学习算法进行识别得到每个数字图像分别属于“0”～“10”的类别，组合得到识别结果；

3） 根据待校准万用表的所选档位确定示值的小数点位置对识别结果进行修正得到最终的识别示值，将识别示值与标准信号值比较，计算误差分析不确定度，给出校准报告。

所述的深度学习算法与一般的神经网络不同，其通过设定多个卷积核对待识别的图像进行扫描式的卷积运算，在对深度学习算法进行离线训练时，不需要人为设置其需要提取的特征，其中的多个卷积核会自动提取图片中的多种局部特征，然后经过激活函数激活后通过权值矩阵的形式将各卷积核提取的特征值进行全连接，最后通过softmax函数得到待识别的图像属于各分类的概率，概率最大的类别即为算法确定的图片所属类别；深度学习算法在训练过程中通过误差反向传递的方法修正各卷积核的元素和激活函数的偏置以及权值，将训练得到的卷积核、激活函数、权值储存在算法中，在对图像进行在线识别时有算法自动调用。

本发明的有益效果为：本发明提供的一种基于深度学习的数字万用表示值自动校准方法，实现对万用表示值的自动识别，自动计算误差分析不确定度保存处理数据，提高了校准效率及准确率。

附图说明

图1为本发明一种基于深度学习的数字万用表示值自动校准方法的流程示意图；

图2为深度学习算法的结构示意图。

具体实施方式

如图1所示，为本发明一种基于深度学习的数字万用表示值自动校准方法的流程示意图，包括以下步骤：

1） 校准前事先在暗箱中由光源照明通过相机采集万用表示值图像，将示值图像进行分割得到单个数字图像，采集的单个数字图像须包含所需识别的所有种类的图像且数量也应尽可能多以保证样本的充分性，将得到的单个数字图像人为按“0”～“10”分类并进行标记以离线训练深度学习算法；