[发明专利]一种设备标识牌检测方法

权利要求书

1.一种设备标识牌检测方法，其特征在于，步骤如下：

1)在包含设备标识牌的待训练的样本图像中，将设备标识牌设置为标注区域，根据预设的神经网络模型以及标注区域，对样本图像进行训练，得到权重模型；

2)获取待检测图像，并将待检测图像划分为多个区域；

3)根据权重模型，分别对待检测图像的各个区域进行检测，得到对应各区域的置信度；

4)返回置信度大于或等于预设阈值的区域。

2.根据权利要求1所述的设备标识牌检测方法，其特征在于，步骤1)中，样本图像包括在不同气候条件、不同亮度环境下通过不同角度对设备标识牌进行拍摄的原始图像。

3.根据权利要求1所述的设备标识牌检测方法，其特征在于，步骤1)中，权重模型的训练步骤具体如下：

1.1)获取待训练的样本图像及设备标识牌对应的标注区域；

1.2)将所述待训练的样本图像划分为多个区域，其中，包含标注区域的区域为目的区域，其他区域为背景区域；

1.3)通过预设的神经网络模型对目标区域和背景区域中的像素值进行训练学习，得到权重模型。

4.根据权利要求3所述的设备标识牌检测方法，其特征在于，步骤1.3)中，先根据预设的神经网络配置文件生成网络对象，通过生成的网络对象对样本图像的所有区域中的像素值进行训练学习，训练结束后将迭代过程优化的参数保存至权重模型。

5.根据权利要求1所述的设备标识牌检测方法，其特征在于，步骤1)中，通过人工在样本图像上对设备标识牌进行位置标注，得到标注区域。

6.根据权利要求5所述的设备标识牌检测方法，其特征在于，步骤1)中，将待训练的样本图像按VOC标准数据集格式构建成训练数据集，具体地，步骤如下：

首先，创建Annotation、ImageSets和JPEGImages三个文件夹，ImageSets文件夹下包括Main文件夹；

然后，按照统一的命名规则对样本图像进行命名，然后将样本图像存放到JPEGImages文件夹下；

接着，利用LabelImg工具对样本图像中的设备标识牌进行位置标注，并生成xml文件；其中，一个xml文件对应一张样本图像，存储的内容包括annotation标注对象、annotation中包含的floder对象、fliename对象、path对象、size对象、多个object对象；

最后，将所有生成的xml文件分成两部分，一部分xml文件中的样本图像名称写入trainval.txt文件中用于训练，另一部分xml文件中的样本图像名称写入test.txt文件中用于训练过程中的验证；

将trainval.txt文件和test.txt文件存放在ImageSet文件夹中的Main文件夹下；将所有的xml文件存放在Annotation文件夹下。

7.根据权利要求1所述的设备标识牌检测方法，其特征在于，步骤4)中，返回置信度大于或等于预设阈值的区域的位置信息及其置信度，所述的位置信息包括区域某一角的x轴坐标、y轴坐标，以及区域宽度与高度。

8.根据权利要求7所述的设备标识牌检测方法，其特征在于，通过返回区域的位置信息，使其在待检测图像中进行圈框显示。

9.根据权利要求7所述的设备标识牌检测方法，其特征在于，置信度大于或等于预设阈值的区域包含设备标识牌。

10.根据权利要求1至9任一项所述的设备标识牌检测方法，其特征在于，将权重模型集成至后台服务，使用图片检测脚本调用，并提供后台接口至客户端；当客户端获取待检测图像，并上传至后台接口，后台接口调用图片检测脚本，将待检测图像划分为多个区域，根据权重模型中的参数对各区域进行检测并打分，得到各区域的置信度。