申请/专利权人：江西小马机器人有限公司

申请日：2020-08-05

公开（公告）日：2020-11-24

公开（公告）号：CN111738229B

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/32(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2020.11.24#授权;2020.10.30#实质审查的生效;2020.10.02#公开

摘要：本发明公开了一种指针表盘刻度的自动读取方法，属于图像识别领域，本发明公开的一种指针表盘刻度的自动读取方法，包括以下步骤；S00：数据采集，以机器人拍摄图片作为测试集，人工拍摄图像作为训练集；S10：数据标注：将指针式仪表刻度区域与指针区域作为整体进行像素区域的标注；S20：端到端的像素识别网络结构设计，包含指针式仪表刻度区域与指针区域的像素识别。考虑了表盘刻度与指针的相对关系，极大地去除了深度网络误检与漏检的问题，摆脱了传统算法中受噪声光线畸变等影响带来的不稳定性，在使用中具有鲁棒性与使用简便性。

主权项：1.一种指针表盘刻度的自动读取方法，其特征在于：包括以下步骤；S00：数据采集，以机器人拍摄图片作为测试集，人工拍摄图像作为训练集；S10：数据标注：将指针式仪表刻度区域与指针区域作为整体进行像素区域的标注；S20：端到端的像素识别网络结构设计，包含指针式仪表刻度区域与指针区域的像素识别；在步骤S20中，端到端的像素识别网络结构设计按网络训练顺序依次包括深度网络特征提取器模型设计、深度网络区域选取器模型设计、深度网络像素Mask分类器模型设计；在深度网络像素Mask分类器模型设计中，根据所述深度网络特征提取器模型设计中输出的scores做排序，选出分数前2000的bbox，将其认定为分数较高Boxes，对于分数较高Boxes向原图进行映射与缩放，得到固定大小的图像高维特征，经过4层卷积与2层反卷积得到像素级的Mask分类与Boxes的细调节参数。

全文数据：

权利要求：

百度查询： 江西小马机器人有限公司 一种指针表盘刻度的自动读取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD