[发明专利]一种基于YOLO算法的AI装维巡检方法及系统在审
| 申请号： | 201910017264.0 | 申请日： | 2019-01-08 |
| 公开（公告）号： | CN109815998A | 公开（公告）日： | 2019-05-28 |
| 发明（设计）人： | 盛刚;林雪勤;倪家鹏 | 申请（专利权）人： | 科大国创软件股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06T7/00;G06T7/11;G06T7/62;G06Q10/00 |
| 代理公司： | 合肥维可专利代理事务所(普通合伙) 34135 | 代理人： | 吴明华 |
| 地址： | 230088 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的一种基于YOLO算法的AI装维巡检方法及系统，采集海量现场原始设备的巡检图片，通过卷积神经网络模型训练，且根据模型对采集的新上传图片分类预测，上传质检图片至云端平台，针对质检图像预处理后，通过改进的YOLO算法进行图像端口特征识别，通过测试后检验并输出结果；构建图像端口矩阵，将所述端口识别输出结果通过端口矩阵输出表示。本发明的一种基于YOLO算法的AI装维巡检方法及系统，在传统的人工识别的合规与不合规基础上，细致划分不合规的具体类别，便于神经网络更加细致提取当前采集的质检图像特征，提高待识别图像的精准度，且通过构建端口矩阵，反映当前采集的质检图片的端口占用情况，降低人工比对的成本。 | ||
| 搜索关键词： | 巡检 质检 算法 端口矩阵 采集 输出结果 图像 构建 上传 卷积神经网络 图像预处理 端口识别 端口占用 模型训练 人工比对 人工识别 神经网络 输出表示 特征识别 图片分类 图像特征 原始设备 传统的 精准度 云端 图片 测试 预测 检验 改进 | ||
【主权项】：
1.一种基于YOLO算法的AI装维巡检方法，其特征在于，包括如下步骤：(1)采集现场人员拍摄的质检场景图像集合，通过卷积神经网络模型训练，且根据卷积神经网络模型对采集的新上传图片分类预测，结束当前质检；(2)上传质检图片，针对质检图像预处理后，通过改进的YOLO算法进行图像的端口特征识别，且输出结果；(3)构建图像端口矩阵，将所述端口识别输出结果通过端口矩阵输出表示。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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科大国创软件股份有限公司，未经科大国创软件股份有限公司许可，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/patent/201910017264.0/，转载请声明来源钻瓜专利网。
