[发明专利]一种指针仪表深度学习网络搭建方法、检测方法及其系统

权利要求书

1.一种指针仪表深度学习网络搭建方法，其特征在于，所述深度学习网络用于识别指针仪表的检测视频，并转换输出指针仪表的坐标像素信息，该搭建方法包括，

获取样本视频信息，所述样本视频信息为包括指针仪表多个运动周期的连续视频，根据样本视频信息得到训练视频片段；

根据训练视频片段得到图像帧；

对图像帧进行预处理，得到指针数据集；

根据指针数据集进行深度学习训练，得到指针检测网络模型。

2.根据权利要求1所述的指针仪表深度学习网络搭建方法，其特征在于，所述获取样本视频信息，所述样本视频信息为包括多个指针仪表运动周期的连续视频，根据样本视频信息得到训练视频片段包括，

对样本视频信息进行特征起点的分析提取；

根据样本视频信息中相邻的特征起点进行视频截取，得到训练视频片段。

3.根据权利要求1所述的指针仪表深度学习网络搭建方法，其特征在于，所述对图像帧进行预处理，得到指针数据集包括，

对图像帧按照预定规则进行命名和格式处理，得到统一规格的预处理图像；

对预处理图像进行指针标注，得到指针数据集。

4.根据权利要求3所述的指针仪表深度学习网络搭建方法，其特征在于，所述指针数据集包括像素数据集、索引数据集和原始图片数据集。

5.根据权利要求1所述的指针仪表深度学习网络搭建方法，其特征在于，所述对指针数据集进行深度学习训练，得到指针模型，完成深度学习指针检测网络搭建包括，

获取指针检测的初始网络模型；

根据指针数据集对初始网络模型进行迭代训练，得到指针检测网络模型。

6.一种指针仪表检测方法，其特征在于，包括，

获取包括待测仪表至少一个连续运动周期的指针视频信息；

通过权利要求1-5任一项所述的深度学习网络对指针视频信息进行处理，得到待测仪表的坐标像素信息；

根据坐标像素信息，得到待测仪表的运动状态信息；

将运动状态信息与预设运动信息进行比对，得到检测结果。

7.根据权利要求6所述的指针仪表检测方法，其特征在于，所述获取包括待测仪表至少一个连续运动周期的指针视频信息包括，

将待测仪表放入固定夹具中，光学检测模块控制工业相机移动至指定位置；

光学检测模块发送指令控制待测仪表按照指定动作进行运作，工业相机获取待测仪表至少一个连续运动周期的指针视频信息。

8.根据权利要求6所述的指针仪表检测方法，其特征在于，所述运动状态信息包括角速度曲线信息和/或轨迹曲线信息。

9.所述权利要求8所述的指针仪表检测方法，其特征在于，所述将运动状态信息与预设运动信息进行比对，得到指针检测信息包括

通过神经网络对角速度曲线信息与预设角速度曲线进行比对，得到第一比对信息；

通过神经网络对轨迹曲线信息与预设轨迹曲线进行比对，得到第二比对信息；

根据第一比对信息和第二比对信息，得到检测结果。

10.一种指针仪表检测系统，其特征在于，包括：

光学检测模块，用于对待测仪表进行指针视频信息采集；

深度学习模块，装载有权利要求1-5任一项所述的深度学习网络，用于对指针视频信息进行计算处理，得到坐标像素信息；

处理模块，用于对坐标像素信息和运动状态信息进行计算处理或比对，得到检测结果。