[发明专利]一种巡检机器人设备识别方法及系统

权利要求书

1.一种巡检机器人设备识别方法，其特征在于，包括：

获取待测设备的初始图像信息；

根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息；

基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息；

对所述背景分类信息和所述设备分类信息进行融合，得到融合信息；

基于预设设备库对所述融合信息进行匹配，得到设备识别结果。

2.根据权利要求1所述的巡检机器人设备识别方法，其特征在于，所述根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息，包括：

根据所述初始图像信息进行像素点提取，得到提取信息和未提取信息；

分别对所述提取信息和所述未提取信息进行像素合并，得到所述背景信息和所述待测设备信息。

3.根据权利要求1所述的巡检机器人设备识别方法，其特征在于，所述根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息之后，还包括：

分别对所述背景信息和所述待测设备信息进行图像二值化处理，得到图像细化后的背景信息和图像细化后的待测设备信息。

4.根据权利要求1所述的巡检机器人设备识别方法，其特征在于，基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息，包括：

利用训练好的图像识别模型分别识别所述背景信息和所述待测设备信息，得到背景识别信息和设备识别信息；

所述图像识别模型的训练方法为：

获取训练分割图像数据；

标注所述训练分割图像数据，得到标注图像数据；

根据所述标注图像数据和所述训练分割图像数据确定损失函数；

利用梯度下降优化器最小化所述损失函数的数值，得到所述图像识别模型的更新梯度；

判断训练次数是否达到预设训练次数，若未达到所述预设训练次数，则根据所述更新梯度更新所述图像识别模型的权值，将所述训练分割图像数据输入更新后的所述图像识别模型中进行分割训练；若达到所述预设训练次数，则输出训练好的所述图像识别模型。

5.根据权利要求1所述的巡检机器人设备识别方法，其特征在于，所述对所述背景分类信息和所述设备分类信息进行融合，得到融合信息，包括：

根据所述背景分类信息和所述设备分类信息进行框架构建，得到辨别框架；

基于D-S证据推理的方法对所述辨别框架进行解析，得到所述融合信息。

6.一种巡检机器人设备识别系统，其特征在于，包括：

获取模块，用于获取待测设备的初始图像信息；

预处理模块，用于根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息；

分类模块，用于基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息；

融合模块，用于对所述背景分类信息和所述设备分类信息进行融合，得到融合信息；

匹配模块，用于基于预设设备库对所述融合信息进行匹配，得到设备识别结果。

7.根据权利要求6所述的巡检机器人设备识别系统，其特征在于，所述预处理模块包括：

提取单元，用于根据所述初始图像信息进行像素点提取，得到提取信息和未提取信息；

合并单元，用于分别对所述提取信息和所述未提取信息进行像素合并，得到所述背景信息和所述待测设备信息。

8.根据权利要求6所述的巡检机器人设备识别系统，其特征在于，还包括：

细化模块，用于分别对所述背景信息和所述待测设备信息进行图像二值化处理，得到图像细化后的背景信息和图像细化后的待测设备信息。