[发明专利]一种基于人工智能的多指针表盘自动读数系统在审
| 申请号： | 201910771736.1 | 申请日： | 2019-08-21 |
| 公开（公告）号： | CN110543880A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 韩阳;谢文彬;沈皓 | 申请（专利权）人： | 上海小猬科技有限公司 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06N3/04 |
| 代理公司： | 11265 北京挺立专利事务所(普通合伙) | 代理人： | 沃赵新<国际申请>=<国际公布>=<进入 |
| 地址： | 200092 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 表盘 指针表盘 自动读数系统 自动监测系统 图像 人工智能 表面倾斜 地理背景 光线明暗 仪表数据 仪器仪表 影响模型 真实场景 表图像 泥浆 刮痕 归类 换算 夹杂 生锈 水雾 下水 曝光 分类 回归 情景 覆盖 | ||
1.一种基于人工智能的多指针表盘自动读数系统，包括以下步骤：
(1)对指针式仪表数据图像进行情景分类，比如光线明暗为一类、高度变化为一类、表面水雾或有泥浆覆盖为一类，保证后续模型的训练更能专注于图像有用信息的提取；
(2)在指针式图像中，对每个指针表盘当前指针数进行数值归类，使当前i表盘对应到具体读数值；
同时选取指针盘中的ROI，方便后续对每个小表盘进行排序，换算成为最终的表盘读数值；
(3)在每个情景下，对每个指针表盘进行CNN回归训练，使得模型可以学习到此场景下的每个小表盘对应的读数值及相应位置，同时训练另一个CNN模型用于抓取此情景下表盘倍率的位置；
(4)利用表盘倍率的位置与对应小表盘的位置关系，获取每个小表盘的真实倍率；
(5)最终，通过倍率转换得到最终的表盘读数值，实现多指针表盘读数的自动识别。
2.根据权利要求1所述的一种基于人工智能的多指针表盘自动读数系统，其特征在于，
所述步骤(2)中的对每个指针表盘当前指针数进行数值归类，具体方法为：
以0.5为最低精度，最后每个小表盘当前指针读数会归入20类中的某一类(类别：0、0.5、1、1.5、...、9、9.5)。
3.根据权利要求1所述的一种基于人工智能的多指针表盘自动读数系统，其特征在于，
针对情景分类中的异常情况，如无盘、抖动、过曝、覆盖，归类到异常库中，重复步骤(3)、(4)、(5)。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海小猬科技有限公司，未经上海小猬科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910771736.1/1.html，转载请声明来源钻瓜专利网。
