[发明专利]一种基于QR码及图像识别的同类仪表示数预警方法

权利要求书

1.一种基于QR码及图像识别的同类仪表示数预警方法，其特征在于包括如下步骤:

S1、制备QR码：给每个待预警的同类仪表制备其特有的QR码并将所述QR码贴在其对应的仪表上，所述QR码包括的信息为：仪表编号和预警阈值；

S2、生成QR码识别模型：采集制备好的QR码图像，输入卷积神经网络算法模型中训练，得到能准确识别QR码图像的QR码识别模型；将此QR码识别模型嵌入巡检机器人系统中；

S3、解码阶段：巡检机器人在巡检过程中采集仪表对应的QR码，启动步骤S3中生成的QR码识别模型对采集的QR码进行解码，获得该仪表的编号和预警阈值信息；

S4、预警判定：巡检机器人采集仪表读数信息并与解析出的QR码中携带的预警阈值信息对比，若读数信息在预警阈值范围内，则巡检机器人继续执行巡检操作；若读数信息不在预警阈值范围内，则进行预警。

2.根据权利要求1所述的一种基于QR码及图像识别的同类仪表示数预警方法，其特征在于：所述S2中的卷积神经网络算法模型通过误差反向传播算法训练。

3.根据权利要求2所述的一种基于QR码及图像识别的同类仪表示数预警方法，其特征在于：所述误差反向传播算法包括向前传播阶段和向后传播阶段；

所述向前传播阶段的算法为：从S2中得到的QR码图像与对应设备组成数据集，从中选取一个样本（X,Y）,其中X为QR码图像，Y为该QR码对应的设备编号,将X输入以下函数A中得到实际输出O_p；

O_p=F_n(…(F₂(F₁(X·W⁽¹⁾) W⁽²⁾)…) W⁽ⁿ⁾)；

其中F₁为第1层网络激活函数，F₂为第2层网络激活函数，F_n为第n层网络激活函数，W¹为第1层网络权重矩阵，W²为第2层网络权重矩阵，Wⁿ为第n层网络权重矩阵;

所述向后传播阶段的算法为：计算向前传播阶段得出的实际输出O_p与相应理想输出Y的差值，即为模型计算值与真实值的误差；

随后按照极小化误差的方法将误差反向传播，采用梯度下降法调整权重矩阵。

4.根据权利要求1所述的一种基于QR码及图像识别的同类仪表示数预警方法，其特征在于：步骤S2中采集制备好的QR码图像后，进行预处理，所述预处理步骤包括灰度化、图像去噪和二值化处理。

5.根据权利要求4所述的一种基于QR码及图像识别的同类仪表示数预警方法，其特征在于：所述灰度化的操作方法为采用平均值法，将原有RGB彩色图像转化为灰度图像。

6.根据权利要求4所述的一种基于QR码及图像识别的同类仪表示数预警方法，其特征在于：所述图像去噪的操作方法为采用中值滤波法。

7.根据权利要求4所述的一种基于QR码及图像识别的同类仪表示数预警方法，其特征在于：所述二值化的操作方法为采用大津算法将图像进行二值化处理，将原来具有256个灰度级的图像转化为灰度级只有2 的黑白图像。