[发明专利]一种基于深度学习的指针式水表读数检测方法

权利要求书

1.一种基于深度学习的指针式水表读数检测方法，其特征在于，包括如下步骤：

S1采集含有指针式表盘的水表图片，对图像进行预处理；

S2对预处理后的图像指针表盘进行标注，制作数据标签，将数据标签随机划分成训练集和测试集；

S3构建基于深度学习网络的检测模型；

S4使用训练集训练检测模型，得到适用于指针水表读数的检测模型，并将测试集输入训练好的检测模型中，测试检测模型的性能。

2.根据权利要求1所述的指针式水表读数检测方法，其特征在于，所述S3中基于深度学习网络的检测模型包括基于残差网络的特征提取模块、用于获取感兴趣区域的RPN模块、用于获取分数地图的分类模块及位置敏感的ROI Pooling模块。

3.根据权利要求2所述的指针式水表读数检测方法，其特征在于，所述RPN模块还包括bottleneck结构的残差块，RPN模块通过对预处理后图片每个区域与anchor的偏移量计算及区域隶属于不同类别概率计算，然后根据偏移量及概率筛选出感兴趣区域。

4.根据权利要求2所述的指针式水表读数检测方法，其特征在于，所述分类模块包括ResNet101的conv5_x部分及多尺度特征检测部分以及一个卷基层部分，将多尺度特征检测部分的输出及ResNet101的conv5_x部分的输出作为输入给卷积层，进一步输出分数地图。

5.根据权利要求4所述的指针式水表读数检测方法，其特征在于，所述卷积层增加一个bottleneck结构的残差块。

6.根据权利要求2所述的指针式水表读数检测方法，其特征在于，所述位置敏感的ROIPooling模块是对感兴趣区域及分数地图进行pooling；

输入为k²×(C+1)×W′×H′，其中k²为分数地图的尺寸，(C+1)为类别数，W′和H′为区域的宽和高，输出为一个为k²×(C+1)的立体块；

对输出进行投票得到最后的结果，即根据每个区域所属的类别和相应的概率，得到位置敏感区域。

7.根据权利要求3所述的指针式水表读数检测方法，其特征在于，所述anchor设置长度比例为1∶1。

8.根据权利要求1所述的指针式水表读数检测方法，其特征在于，所述水表图片中水表指针水平旋转在±30度以内。