[发明专利]基于深度学习的净水厂配电房图像采集与识别方法

权利要求书

1.一种基于深度学习的净水厂配电房图像采集与识别方法，其特征在于，包括以下步骤：

获取包含指示灯的图片集，对所述图片集的指示灯位置进行图像裁切并标定点位信息，以建立指示灯训练样本；

对所述指示灯训练样本进行深度学习训练，得到训练权重；

获取配电房的图像数据，根据所述训练权重确定所有所述指示灯的位置和指示灯识别中心；

对所述图像数据进行HSV色域转换处理，并获取所述指示灯识别中心的S-V值，对所述图像数据进行色值筛选和二值化处理，所述指示灯亮位置显示为白块；

根据所有所述指示灯的位置信息和白块的位置信息，输出所有所述指示灯的亮灭状态。

2.根据权利要求1所述的一种基于深度学习的净水厂配电房图像采集与识别方法，其特征在于，所述对所述图片集的指示灯位置进行图像裁切并标定点位信息，以建立指示灯训练样本，包括步骤：

对所述图片集的指示灯位置进行图像裁切，并标定所述指示灯四角的点位信息，以建立巡检集样本。

3.根据权利要求1所述的一种基于深度学习的净水厂配电房图像采集与识别方法，其特征在于，所述建立巡检集样本，至少包括以下步骤之一：

对所述巡检集样本，进行透视拉伸处理建立新的训练集样本，以模拟在不同状态下拍摄的图像数据；

对所述巡检集样本，进行改变曝光处理建立新的训练集样本，以模拟在不同状态下拍摄的图像数据；

对所述巡检集样本，进行添加噪点处理建立新的训练集样本，以模拟在不同状态下拍摄的图像数据。

4.根据权利要求1所述的一种基于深度学习的净水厂配电房图像采集与识别方法，其特征在于，所述对所述指示灯训练样本进行深度学习训练，得到训练权重，包括步骤：

对所述指示灯训练样本采用yolov5算法进行深度学习训练，设置epoch＝300，batchsize＝32，得到训练权重。

5.根据权利要求1所述的一种基于深度学习的净水厂配电房图像采集与识别方法，所述对所述图像数据进行色值筛选和二值化处理，包括步骤：

将V值大于80％且S值小于50％的像素点二值化处理为白点。

6.根据权利要求1所述的一种基于深度学习的净水厂配电房图像采集与识别方法，所述对所述图像数据进行色值筛选和二值化处理，所述指示灯亮位置显示为白块，包括步骤：

通过色值筛选，返回二值化处理的所述图像数据；

对所述图像数据进行白值扩张再收缩，消除所述指示灯内部及周围黑色色斑；

对所述图像数据收缩再扩张处理，以消除干扰噪点，处理后所述指示灯亮处灰度值大于0，显示为白块。

7.根据权利要求1所述的一种基于深度学习的净水厂配电房图像采集与识别方法，所述输出所有所述指示灯的亮灭状态，包括步骤：

按照从左到右，从上到下的顺序依次输出指示灯的亮灭状态。

8.一种基于深度学习的净水厂配电房图像采集与识别系统，其特征在于，包括：

训练样本建立模块，用于对图片集的指示灯位置进行图像裁切并标定点位信息，并建立指示灯训练样本；

深度学习训练模块，与所述训练样本建立模块通信连接，所述深度学习训练模块用于对所述指示灯训练样本进行深度学习训练，得到训练权重；

图像数据获取模块，与所述深度学习训练模块通信连接，所述图像数据获取模块用于获取配电房的图像数据，并根据所述训练权重确定所有所述指示灯的位置和指示灯识别中心；

色域转换模块，与所述图像数据获取模块通信连接，所述色域转换模块用于对所述图像数据进行HSV色域转换处理，并获取所述指示灯识别中心的S-V值，对所述图像数据进行色值筛选和二值化处理，所述指示灯亮位置显示为白块；

指示灯状态输出模块，与所述色域转换模块通信连接，所述指示灯状态输出模块用于根据所有所述指示灯的位置信息和白块的位置信息，输出所有所述指示灯的亮灭状态。