[发明专利]基于深度学习的液位仪读数的识别方法

权利要求书

1.一种基于深度学习的液位仪读数的识别方法，其特征在于，所述方法包括：

获取多个校正后的液位仪图像；

提取每个所述校正后的液位仪图像中的液位仪并对所述液位仪进行标注，得到多个标注后的液位仪图像；

将所述多个标注后的液位仪图像输入目标检测模型，得到每个液位仪的液位面和液位量程在所对应的液位仪图像中的坐标；

根据所述每个液位仪的液位面和液位量程在所述液位仪图像中对应的坐标，通过与真实液位量程进行坐标换算，确定所述每个液位仪的读数。

2.根据权利要求1所述的基于深度学习的液位仪读数的识别方法，其特征在于，所述获取多个校正后的液位仪图像包括：

通过视频监控系统获取初始液位仪图像；

利用所述视频监控系统的录像处理模式，对所述初始液位仪图像进行录制和回放，得到不同天气、不同时间、不同光照条件的多个目标液位仪图像；

对所述多个目标液位仪图像进行预处理，得到多个校正后的液位仪图像。

3.根据权利要求2所述的基于深度学习的液位仪读数的识别方法，其特征在于，所述对所述多个目标液位仪图像进行预处理，得到多个校正后的液位仪图像包括：

对所述多个目标液位仪图像中的每个目标液位仪图像进行去除边缘、去除噪声、滤波和二值化，得到多个预处理后的液位仪图像；

根据OpenCV的最小外接矩形方法，确定每个预处理后的液位仪图像中液位仪的中心点、宽度、高度和旋转角度；

根据所述每个预处理后的液位仪图像中液位仪的中心点、宽度、高度、旋转角度以及OpenCV的图像旋转方法，得到多个校正后的液位仪图像。

4.根据权利要求3所述的基于深度学习的液位仪读数的识别方法，其特征在于，所述提取每个所述校正后的液位仪图像中的液位仪并对所述液位仪进行标注，得到多个标注后的液位仪图像包括：

识别每个所述校正后的液位仪图像中的液位仪，标注所述液位仪的液位面和液位量程的位置及注上标签，得到多个标注后的液位仪图像。

5.根据权利要求3所述的基于深度学习的液位仪读数的识别方法，其特征在于，所述提取每个所述校正后的液位仪图像中的液位仪并对所述液位仪进行标注，得到多个标注后的液位仪图像之后包括：

建立所述目标检测模型的过程：

将所述多个标注后的液位仪图像进行划分，得到训练集和测试集；

获取初始目标检测算法，采用所述训练集对所述初始目标检测算法进行训练，得到目标检测模型；

根据所述测试集对目标检测模型进行精度评价，确定所述目标检测模型的精度。

6.根据权利要求5所述的基于深度学习的液位仪读数的识别方法，其特征在于，所述根据所述目标检测模型和测试集，确定所述目标检测模型的精度包括：

将所述测试集输入所述目标检测模型，若所述目标检测模型的测试标签与预设标签一致，并且测试阈值达到预设阈值，则认为目标检测模型预测正确，从而得到所述目标检测模型的精度。

7.根据权利要求1所述的基于深度学习的液位仪读数的识别方法，其特征在于，所述根据所述液位仪目标检测模型确定每个液位仪的液位面和液位量程在所述液位仪图像中对应的坐标，确定所述每个液位仪的读数包括：

获取预设算法和所述液位仪的实际量程；

将每个液位仪的液位面和液位量程在所对应的液位仪图像中的坐标、液位仪的实际量程输入所述预设算法，得到所述每个液位仪的读数。

8.根据权利要求7所述的基于深度学习的液位仪读数的识别方法，其特征在于，所述预设算法为：

式中，reading为液位仪的读数，h为液位面的高度（即液位仪的液位面在所对应的液位仪图像中的坐标），H为液位量程的高度（即液位量程在所对应的液位仪图像中的坐标），maxValue为液位仪的实际量程。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。