[发明专利]一种仪表指针关键点检测方法

权利要求书

1.一种仪表指针关键点检测方法，其特征在于：

包括以下步骤：步骤S00：变电站指针式仪表指针表盘数据采集，机器人巡检变电站拍摄指针式仪表图片或视频；

步骤S10：数据标注与数据增广，数据标注包括指针表矩形框、指针关键点、表盘刻度关键点的标注；

步骤S20：构建包括目标检测网络和关键点检测网络的深度网络；

步骤S30：指针式仪表图片经过尺寸重构后输入目标检测网络；

步骤S40：对尺寸重构后的指针式仪表图片旋转加扰增强后截取，以生成全角度数据集输入关键点检测网络；

步骤S50：计算指针式仪表的刻度估计值。

2.根据权利要求1所述的仪表指针关键点检测方法，其特征在于：

在步骤S00中，数据采集中还包括人工前期采集图片和视频，以机器人拍摄图片作为测试集，人工与机器人拍摄的图片和视频作为训练集。

3.根据权利要求1所述的仪表指针关键点检测方法，其特征在于：

在步骤S10中，将指针式仪表刻度区域与指针区域做为整体进行像素区域的标注，每个目标区域单独标注区域框和指针和刻度对应关键点。

4.根据权利要求1所述的仪表指针关键点检测方法，其特征在于：

在步骤S20中，深度网络采用Efficient网络，FPN金字塔结构，金字塔各层输出作为特征选取器。

5.根据权利要求1所述的仪表指针关键点检测方法，其特征在于：

在步骤S20中，深度网络的区域选取器模型设计：对于金字塔特征构建CascadedPyramid，后接filter_size为3*3大小的Separable_conv2d卷积层替代全卷积层，并输出Featmaps热力图的调节参数。

6.根据权利要求5所述的仪表指针关键点检测方法，其特征在于：

所述Separable_conv2d由3*3depthwise卷积核、1*1pointwise卷积核构成。

7.根据权利要求1所述的仪表指针关键点检测方法，其特征在于：

在步骤S20中，深度网络中误差设计包括金字塔Cascaded-Loss误差，输出整形多层特征融合后Refined-Loss误差，L2调节参数误差。

8.根据权利要求7所述的仪表指针关键点检测方法，其特征在于：

在步骤S20中，在深度网络中Label_Heatmaps通过不同层的金字塔特征图对应的LabelHeatmap使用不同size的GaussianKernel生成。

9.根据权利要求8所述的仪表指针关键点检测方法，其特征在于：

所述Label_Heatmaps和金字塔特征FeatureMaps有相同的截取shape。

10.根据权利要求8所述的仪表指针关键点检测方法，其特征在于：

在步骤S20中，每一层生成的LabelHeatmaps和对应金字塔输出特征FeatureMaps计算对应的CascadedLoss。