[发明专利]一种物理电路实验自动识别方法在审

专利信息
申请号: 202210251850.3 申请日: 2022-03-15
公开(公告)号: CN114677586A 公开(公告)日: 2022-06-28
发明(设计)人: 刘烨;王洪章 申请(专利权)人: 南京邮电大学
主分类号: G06V20/10 分类号: G06V20/10;G06T7/73;G06T7/136;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 田凌涛
地址: 210003 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 物理 电路 实验 自动识别 方法
【权利要求书】:

1.一种物理电路实验自动识别方法,其特征在于,按预设周期执行步骤S1-S6,获得物理电路实验识别模型,然后应用物理电路实验识别模型,判断物理电路实验中各元器件位置、状态,以及各元器件的接线柱之间是否连接,进而获得电路图;

S1:以固定图像获取姿态,实时采集物理电路实验场景所对应的物体类图像和状态类图像,各物体类图像和状态类图像中包括各元器件、各元器件的接线柱、导线,格式为三通道RGB图像;

S2:分别以各物体类图像和各状态类图像为输入,基于深度学习检测算法,分别以各物体类图像中的各元器件位置、种类,以及各状态类图像中的元器件状态标签为输出,构建元器件检测模块;

S3:分别以各物体类图像和各状态类图像为输入,基于HSV阈值过滤方法,对各物体类图像和各状态类图像中的导线进行分割,以各物体类图像和各状态类图像分别所对应的导线与背景二值图为输出,构建导线与背景分割模块;

S4:以元器件检测模块输出的各物体类图像中的各元器件位置、种类,以及各状态类图像中的元器件状态标签为输入,基于IoU交并比对比法,将各物体类图像中的各元器件与各状态类图像中的元器件状态标签对应,以各元器件的位置、种类,各元器件分别所对应的状态为输出,构建元器件状态模块;

S5:以导线与背景分割模块输出的各导线与背景二值图为输入,针对各导线与背景二值图中的各元器件的接线柱,基于广度优先遍历法,判断两两接线柱之间是否通过导线连接,以各元器件的接线柱连接状态为输出,构建接线柱连接状态模块;

S6:基于元器件检测模块、元器件检测模块、导线与背景分割模块、元器件状态模块、接线柱连接状态模块,构建物理电路实验识别待训练模型,以各物体类图像和各状态类图像为输入对物理电路实验识别待训练模型进行训练,以元器件状态模块输出的各元器件的位置、种类,各元器件分别所对应的状态,以及接线柱连接状态模块输出的各元器件的接线柱连接状态为输出,构建物理电路实验识别模型,然后应用物理电路实验识别模型,获得电路图。

2.如权利要求1所述的一种物理电路实验自动识别方法,其特征在于,元器件种类包括电源、电阻、灯泡、开关,各状态类图像中的元器件状态标签为开关闭合、开关打开、灯泡亮、灯泡灭。

3.如权利要求1所述的一种物理电路实验自动识别方法,其特征在于,步骤S3中分别以各物体类图像和各状态类图像为输入,基于HSV阈值过滤方法,对各物体类图像和各状态类图像中的导线进行分割,以各物体类图像和各状态类图像分别所对应的导线与背景二值图为输出,构建导线与背景分割模块的具体步骤如下:

S31:分别将三通道RGB图像格式的各物体类图像和各状态类图像转换为对应的三通道HSV格式图像,其中三个通道分别为H、S、V;

S32:针对各三通道HSV格式图像,分别根据属于导线的各像素以及属于背景的各像素的像素值,对导线及背景进行分割,获得导线与背景二值图;

S33:通过对步骤S32所获得的各导线与背景二值图进行窗口大小为5的中值滤波处理,以获得优化后的各导线与背景二值图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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南京邮电大学,未经南京邮电大学许可,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/202210251850.3/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top