[发明专利]基于视觉检测塔筒晃动的标记物识别方法有效
申请号: | 202110572581.6 | 申请日: | 2021-05-25 |
公开(公告)号: | CN113033522B | 公开(公告)日: | 2021-09-10 |
发明(设计)人: | 王杨;程捷;李光辉;孟琭;纪碧云 | 申请(专利权)人: | 风脉能源(武汉)股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06T7/62;G06N3/04;G06N3/08 |
代理公司: | 湖北天领艾匹律师事务所 42252 | 代理人: | 王能德 |
地址: | 430000 湖北省*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 视觉 检测 晃动 标记 识别 方法 | ||
1.一种基于视觉检测塔筒晃动的标记物识别方法,基于目标检测网络对图像中标尺的识别,目标检测网络会生成若干目标包围框,其特征在于:分别计算图像中,目标包围框内的非标尺区域与目标包围框的面积比值,和标尺位于该目标包围框以外的部分与整个标尺的面积比值;对上述两个比值加权求和,得到该目标包围框的识别精度值;取标尺所有目标包围框识别精度值中最小的一个,则对应的目标包围框为最优的包围框,即为最终的识别标尺。
2.根据权利要求1所述的基于视觉检测塔筒晃动的标记物识别方法,其特征在于:定义参与计算的区域:
目标检测网络对图像中标尺的识别区域为区域A,其中像素点集合记为集合A;目标包围框区域记为区域B,其中的像素点集合记为集合B;
目标包围框内的非标尺区域记为区域C,其中像素点集合;
标尺位于该目标包围框以外的部分记为区域D,其中像素点集合。
3.根据权利要求2所述的基于视觉检测塔筒晃动的标记物识别方法,其特征在于:所述目标包围框的识别精度值计算如下:
Step1:计算各区域的面积
表示区域A的面积,表示区域B的面积,表示区域C的面积,示区域D的面积;
Step2:计算比值
对于第个标尺的第个目标包围框中,目标包围框内的非标尺区域C与目标包围框区域B的比值,标尺位于该目标包围框以外的区域D与整个标尺区域A的比值;
Step3:计算目标包围框的识别精度值
预设区域C的权重是,区域D的权重是,对于第个标尺的第个目标包围框的识别精度值;
Step4:确定最终的识别标尺特征
对于第个标尺的最优包围框计算如下:
,其中表示目标包围框个数的上限。
4.根据权利要求3所述的基于视觉检测塔筒晃动的标记物识别方法,其特征在于:当第个标尺的第个目标包围框为最终的识别标尺时,则该识别标尺的特征包括该目标包围框的识别精度值和该目标包围框的特征,其中,表示第个标尺的第个目标包围框的几何中心点的横、纵坐标,表示第个标尺的第个目标包围框的尺寸信息。
5.根据权利要求4所述的基于视觉检测塔筒晃动的标记物识别方法,其特征在于:若标尺形状为圆形,所述尺寸信息则是圆的半径;若标尺形状为矩形,所述尺寸信息是矩形的长和宽;若标尺形状为不规则图形,所述尺寸信息是识别的面积。
6.根据权利要求3所述的基于视觉检测塔筒晃动的标记物识别方法,其特征在于:各区域大小采用面积来衡量,像素点的个数就是相应区域的面积。
7.根据权利要求1或3所述的基于视觉检测塔筒晃动的标记物识别方法,其特征在于:在加权求和时,目标包围框内的非标尺区域与目标包围框的比值的权重大于标尺位于该目标包围框以外的部分与整个标尺的比值的权重。
8.根据权利要求1所述的基于视觉检测塔筒晃动的标记物识别方法,其特征在于:该方法中的目标检测网络采用Mask R-CNN网络对图像中的标尺进行识别。
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风脉能源(武汉)股份有限公司,未经风脉能源(武汉)股份有限公司许可,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/202110572581.6/1.html,转载请声明来源钻瓜专利网。