[发明专利]一种电厂集控室深度学习和视觉伺服的触屏控制操作方法在审

专利信息
申请号: 201911075065.1 申请日: 2019-11-06
公开(公告)号: CN111144401A 公开(公告)日: 2020-05-12
发明(设计)人: 白玉峰;陈建忠;林楚伟;李洪;冯庭有;朱晨亮;曾向荣;成仕强;刘天宇;吴斌;江永;卢叙钿;潘凤萍;范衠;姜涛;安康;邱本章;罗晨林;熊宇 申请(专利权)人: 华能国际电力股份有限公司海门电厂;汕头大学
主分类号: G06K9/32 分类号: G06K9/32;G06K9/62;G06N3/04;G06N3/08;G06F3/0488
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 江裕强;张金福
地址: 515000 广*** 国省代码: 广东;44
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 电厂 集控室 深度 学习 视觉 伺服 控制 操作方法
【权利要求书】:

1.一种电厂集控室深度学习和视觉伺服的触屏控制操作方法,其特征在于,所述方法包括如下步骤:

步骤S1:获取集控室内电厂需要监测的操作界面图像并建立相应图像库;

步骤S2:利用训练好的卷积神经网络识别操作界面局部的字符信息来判断当前所停留的工作页面;

步骤S3:采用图像的模板匹配方法检测需要后续机械臂点击的字符按钮;

步骤S4:利用摄像头采集触控显示屏的RGB图像,再通过卷积神经网络确定显示屏的位姿信息,结合操作界面的图像识别与定位,驱动机械臂末端完成操作。

2.根据权利要求1所述的基于深度学习和视觉伺服的电厂集控室的触屏控制操作方法,其特征在于,步骤S1中,具体包括将操作界面的视频信号通过视频采集卡,获得操作界面画面图像,用于后续的步骤S2和步骤S3中的图像识别匹配处理。

3.根据权利要求1所述的电厂集控室深度学习和视觉伺服的触屏控制操作方法,其特征在于:所述步骤S2以及步骤S4中,利用反向传播算法训练用于识别界面局部字符来判断当前所停留的工作界面以及确定显示屏的位姿信息的两个卷积神经网络。

4.根据权利要求1所述的电厂集控室深度学习和视觉伺服的触屏控制操作方法:所述步骤S3中,判断出当前所停留的工作界面之后,需要识别出图像中需要点击的字符按钮,可以截取待检测区域像素,采用图像的模板匹配方法进行检测。

5.根据权利要求1所述的电厂集控室深度学习和视觉伺服的触屏控制操作方法,其特征在于,步骤S4中,利用设置在机械臂末端的摄像头采集显示屏的RGB图像,再通过所述卷积神经网络确定显示屏的位姿信息,结合操作界面的图像识别与定位,确定需要操作的位姿信息,最后发送驱动信号驱动机械臂末端完成操作。

6.根据权利要求3所述的电厂集控室深度学习和视觉伺服的触屏控制操作方法:其特征在于,用验证集评估所述卷积神经网络放入模型的性能。

7.根据权利要求3所述电厂集控室深度学习和视觉伺服的触屏控制操作方法:其特征在于,所述卷积神经网络的结构建立均包括卷积层层数、每卷积层的特征图数,全连接的层数、每全连接层的特征图数,池化层层数,卷积层使用的卷积核的大小,池化层所用的采样核的大小,训练步长。

8.根据权利要求3所述电厂集控室深度学习和视觉伺服的触屏控制操作方法,其特征在于,实现所述卷积神经网络端到端的训练,具体为:训练数据通过:

X={Ii,Li}i的定义

其中Ii是训练过程中卷积神经网络判断的序列,Li是真实的标签序列,训练整个模型的目标函数是最小化真实条件概率下的负对数似然函数:

其中,Yi是由Li经过循环层和卷积层所产生的序列,该目标函数会直接从图像和它的真实标签序列序列计算损失值,因此该网络可以在成对的图像和序列上进行端到端的训练,卷积神经网络使用随梯度下降(SGD)进行训练,梯度由反向传播算法计算。

9.根据权利要求3所述电厂集控室深度学习和视觉伺服的触屏控制操作方法:其特征在于,卷积神经网络通过在图像中定位其中心并预测其与相机的距离来估计对象的3D平移。通过回归到的四元数表示来估计对象的3D旋转。

10.根据权利要求3所述电厂集控室深度学习和视觉伺服的触屏控制操作方法,其特征在于,实现所述用于6D物体姿态估计的新型卷积神经网络的训练,具体为:网络的预测输出共有3个,分别为语义分割分支,位置分支,和姿态分支,对于上述的每个分支,都有一个Loss,一共有3个Loss,训练整个模型的目标函数是:

其中,M代表3D模型空间中的点,和R(q)分别代表预测的3D旋转矩阵和真正的3D旋转矩阵,X1表示场景中的点,X2表示模型上离X1最近的点。

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华能国际电力股份有限公司海门电厂;汕头大学,未经华能国际电力股份有限公司海门电厂;汕头大学许可,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/201911075065.1/1.html,转载请声明来源钻瓜专利网。

×

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