申请/专利权人：三峡大学

申请日：2023-11-24

公开（公告）日：2024-04-05

公开（公告）号：CN117830884A

主分类号：G06V20/40

分类号：G06V20/40;G06V10/774;G06V10/776;G06V10/82;G06N3/0464;G06V30/148;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：一种基于人工智能模型的水尺验潮方法，包括：Step1、水尺图像数据的采集与预处理；Step2、水尺图像数据集的制作；Step3、YOLOv5s网络的轻量化改进与水尺数据集的预训练；Step4、水尺图像中字符的识别与水尺的读数；Step5、潮位值的计算。在YOLOv5s网络模型的基础上，将主干特征提取网络更换为PP‑LCNet网络，减少了参数量的计算，提高了检测速度，并使用DIoU‑NMS非极大值抑制方法，加速了最小化预测框和真实框的中心点距离的收敛，提高了检测精度。本发明通过实验验证，与其他算法相比，本发明具有明显的性能优势，在保证较高检测速度的同时，也能满足实际检测的精度要求，且模型占用内存小，适合后续摄像头的嵌入式开发。

主权项：1.一种基于人工智能模型的水尺验潮方法，其特征在于，包括如下步骤：Step1、水尺图像数据的采集与预处理；Step2、水尺图像数据集的制作；Step3、YOLOv5s网络的轻量化改进与水尺数据集的预训练；Step4、水尺图像中字符的识别与水尺的读数；Step5、潮位值的计算。

全文数据：

权利要求：

百度查询： 三峡大学 一种基于人工智能模型的水尺验潮方法

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