[发明专利]一种基于深度学习的刀闸图像识别方法及装置

权利要求书

1.一种基于深度学习的刀闸图像识别方法，它包括：

S1、将视觉传感器采用非介入式安装方式，与三相刀闸进行非接触安装，每组三相刀闸部署两个视觉传感器，两个视觉传感器分别标记为X传感器和Y传感器，X传感器和Y传感器用于采集三相刀闸的整体图像和运动过程；

S2、每八组三相刀闸部署一套图像识别判断装置，并将图像识别判断装置中的高速交换模块与对应的八组三相刀闸中的视觉传感器点对点的网线连接；

S3、视觉传感器以每秒25帧实时采集三相刀闸的图像视频数据，将采集的三相刀闸的图像视频数据以数字电信号的形式传输到图像识别判断装置内部的高速交换模块中，图像识别判断装置中的视频存储模块从高速交换模块中获取数字电信号的图像视频数据，并进行压缩和存储；

S4、利用Atlas200DK人工智能识别模块对图像识别判断装置中的图像视频数据进行识别，并通过识别结果驱动对应的继电器动作或打开，以继电器的接点作为指示刀闸位置的输出信号；

S5、将姿态传感器采用介入式安装方式，与三相刀闸进行接触安装，每组三相刀闸中的每相刀闸部署一个姿态传感器；

S6、每八组刀闸部署一套姿态位置判断装置，并将姿态位置判断装置采用点对点的方式通过串行通信总线与姿态位置传感器连接与对应的八组三相刀闸中的姿态传感器连接；

S7、通过姿态传感器三相刀闸中单相刀闸运作过程中的加速度、角速率数据；

S8、姿态传感器将采集的单相刀闸的加速度、角速率数据传输给姿态位置判断装置，姿态位置判断装置通过对接收的数据进行处理，判断刀闸是否位于指定锥形范围内，进而确定刀闸的位置状态，并通过判断结果驱动对应的继电器动作或打开，以继电器的接点作为指示刀闸位置的输出信号。

2.根据权利要求1所述的一种基于深度学习的刀闸图像识别方法，其特征在于：视觉传感器的拍摄方向与刀闸闭合时的导电杆所在直线之间的夹角为0-60°，视觉传感器的拍摄方向与水平面之间的夹角为0-60°。

3.根据权利要求1所述的一种基于深度学习的刀闸图像识别方法，其特征在于：图像识别判断装置采用POE方式与视觉传感器集中供电。

4.根据权利要求1所述的一种基于深度学习的刀闸图像识别方法，其特征在于：步骤S4具体步骤为：

S401、通过局域网从高速交换模块中获取刀闸的图像视频数据；

S402、将原始的每秒25帧的视频流经过抽帧提取其中的10帧图像；

S403、利用Atlas200DK人工智能识别模块中内置的训练好的人工智能模型算法对提取的10帧图像视频数据做出人工智能识别检测；

S404、根据S403中的识别结果，自动判断出每相刀闸的分合闸位置，并将判断的结果通过串口通信总线传输给信号处理模块；

S405、信号处理模块将判断结果转换为驱动信号，驱动对应的继电器，以继电器的接点作为指示刀闸位置的输出信号。

5.根据权利要求1所述的一种基于深度学习的刀闸图像识别方法，其特征在于：Atlas200DK人工智能识别模块内部的人工智能模型算法是端到端的目标检测算法，由Darknet-53主干网络和多尺度融合特征网络两部分组成，主干网络Darknet-53用于提取图像特征，Con2d layer表示卷积层，每个卷积层后连接批量正则化层和Leaky ReLU激活函数，多尺度融合特征网络通过对大、中、小3种尺度的特征图的融合。

6.根据权利要求1所述的一种基于深度学习的刀闸图像识别方法，其特征在于：Atlas200DK人工智能识别模块内部的人工智能模型算法的检测过程包括：一、利用人工智能模型算法对三相刀闸进行检测、跟踪和定位；二、利用人工智能模型算法对定位好的三相刀闸进行方向线检测，即对刀闸导电杆的方向线进行检测和标注；三、利用标注的方向线计算刀闸导电杆的相对角度，并持续设定的时间后，输出判断结果；人工智能算法内部设有训练好的算法模型，用于对实际场景的刀闸位置端侧的图像视频识别，图像视频识别定期作为样本离线上传至样人工智能模型算法中，用于对模型进行训练，此为人工智能算法的自我迭代。