[发明专利]一种自动巡检的仪表识别方法及识别系统

权利要求书

1.一种自动巡检的仪表识别方法，其特征在于：包括：

步骤1：获取待巡检仪表的现场图像，并记录现场图像获取的时间以及位置信息；

步骤2：对获取的待巡检仪表的现场图像检测并提取出表盘图像，将表盘图像检测并提取表盘的示数区域，从示数区域中识别仪表读数；

步骤3：将仪表读数、现场图像获取时间以及位置信息相互匹配，得到该位置上的仪表在该时刻的读数，并进行存储；

步骤4：生成仪表报表，通过各位置的仪表在不同时刻的读数，对同一仪表按照时间顺序生成该仪表在不同时刻的读数报表，实现对应设备生产情况的跟踪。

2.根据权利要求1所述的自动巡检的仪表识别方法，其特征在于：在步骤2中，先将获取到的待巡检仪表的现场图像统一校正至设定像素，再开始对其进行检测和提取表盘图像。

3.根据权利要求1所述的自动巡检的仪表识别方法，其特征在于：在步骤2中，对提取的表盘的示数区域进行图像预处理，预处理包括对提取的示数区域的局部图像进行提高图像质量处理、对倾斜变形进行水平还原处理，预处理后从示数区域中识别仪表读数。

4.根据权利要求3所述的自动巡检的仪表识别方法，其特征在于：在步骤2中，提高图像质量包括：灰度化、滤波、图像增强、图像边缘锐化、图像纹理分析、形态学处理；倾斜还原包括：确定示数区域的四个角点，通过仿射变换的方法，选择示数区域上边界线的左右两端点和右边界线的下端点作为仿射变换的控制点得到仿射变换矩阵，对图像进行仿射变换使其变换为正面朝向的水平仪表示数。

5.根据权利要求1所述的自动巡检的仪表识别方法，其特征在于：在步骤2中，利用预训练的表盘识别神经网络检测模型识别获取的待巡检仪表的现场图像，提取出现场图像中仪表的表盘图像，该模型的获取方法包括：

（1）：获取待巡检仪表的现场图像样本；

（2）：对图像中的仪表表盘区域进行人工标注，将标注好的样本随机打乱，按设定比例分为训练集、验证集和测试集；

（3）：将标注信息和图像样本输入到卷积神经网络模型中进行训练，通过标注信息，卷积神经网络模型从图像中获取到的仪表的表盘区域作为仪表特征图输入，将标注信息中的表盘位置信息作为模型的期望输出，训练得到表盘识别神经网络检测模型。

6.根据权利要求5所述的自动巡检的仪表识别方法，其特征在于：在步骤2中，将现场图像像素统一校正为设定值，将校正后的现场图像送入预训练的表盘识别神经网络检测模型，进行仪表表盘目标检测，得到所要识别的仪表表盘的矩形框中心点位置坐标和大小，通过映射关系确定该仪表表盘在实际图像中的检测目标框坐标。

7.根据权利要求6所述的自动巡检的仪表识别方法，其特征在于：在步骤2中，在利用预训练的表盘识别神经网络检测模型对获取的现场图像进行检测时，

当检测到唯一的检测目标框时，根据输出的检测目标框坐标，将表盘图像从原图中分割出来；

当检测到多个检测目标框时，对所有检测目标框两两之间进行IOU计算，将IOU大于设定值的框视为检测到同一目标，计算其最大外接矩形，得到并集框并从原图中分割，剔除其他错误检测目标框；

当未检测到检测目标框时，重新获取待巡检仪表的现场图像，用预训练的表盘识别神经网络检测模型对获取的现场图像重新检测。

8.根据权利要求1所述的自动巡检的仪表识别方法，其特征在于：在步骤2中，利用预训练的示数区域识别神经网络检测模型识别提取的表盘图像，提取表盘图像中仪表的示数区域图像，该模型的获取方法包括：

（1）：获取表盘图像样本；

（2）：对图像中的仪表的示数区域进行四边形框人工标注，将标注好的样本随机打乱，按设定比例分为训练集、验证集和测试集；

（3）：将标注信息和图像输入到卷积神经网络模型中进行训练，通过标注信息，卷积神经网络模型从图像中获取到的仪表的示数区域作为特征图输入，将标注信息中的示数区域位置信息作为模型的期望输出，训练得到示数区域神经网络检测模型。