申请/专利权人：上海华讯网络系统有限公司

申请日：2023-12-22

公开（公告）日：2024-03-19

公开（公告）号：CN117727046A

主分类号：G06V30/19

分类号：G06V30/19;G06V10/82;G06V30/148;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明提供了一种新型山洪前端仪器仪表读数自动识别方法及系统，包括：构造A‑U2‑Net卷积神经网络模型主干网络；将提取的特征和ECA模块输出特征相加后再输入下一个特征提取层进行特征提取；将编码阶段输出的语义特征进行融合；构建上采样核预测模块及内容感知模块；对指针式仪表数据集进行预处理，对指针式仪表进行VOC格式数据集的标注，将数据集输入到YOLOV7模型中进行训练；将仪表图像及生成数据输入到改进的A‑U2‑Net模型中进行训练；输入图片通过组合算法检测出结果后，对结果进行解码并写入到分离的图片上。本发明消除了RSU模块提取多尺度特征时残留在特征通道内的无效特征干扰，进一步增强模型的鲁棒性。

主权项：1.一种新型山洪前端仪器仪表读数自动识别方法，其特征在于，包括：步骤S1：构造A-U2-Net卷积神经网络模型主干网络；步骤S2：使用深度可分离卷积，将提取的特征和ECA模块输出特征相加后再输入下一个特征提取层进行特征提取；步骤S3：将编码阶段输出的语义特征进行融合，输入至对称解码阶段进行处理；完成上采样操作，构建上采样核预测模块及内容感知模块；步骤S4：对指针式仪表数据集进行预处理，对指针式仪表进行VOC格式数据集的标注，将数据集输入到YOLOV7模型中进行训练；步骤S5：将仪表图像及生成数据输入到改进的A-U2-Net模型中进行训练，保存Yolov7目标检测与A-U2-Net图像分割模型权重的保存，并将其组合；输入图片通过组合算法检测出结果后，对结果进行解码并写入到分离的图片上。

全文数据：

权利要求：

百度查询： 上海华讯网络系统有限公司 新型山洪前端仪器仪表读数自动识别方法及系统

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