申请/专利权人：南京南瑞信息通信科技有限公司

申请日：2022-10-20

公开（公告）日：2024-04-23

公开（公告）号：CN117917694A

主分类号：G06V10/22

分类号：G06V10/22;G06V10/26;G06V10/44;G06V10/774;G06V10/82;G06V20/00;G06V20/70;G06N3/0464;G06N3/082;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.04.23#公开

摘要：基于轻量化模型的仪表盘检测及读数的方法、设备，利用轻量化目标检测模型对输入图像进行目标检测得到目标区域；然后利用轻量化U2NetP模型对目标区域进行语义分割，分割出指针和刻度的掩膜，处理得到指针和刻度的位置，以少量计算资源实现对仪表盘实现检测和读数。本发明改进了YOLOv7‑tiny模型，使得模型大幅压缩，同时维持预测精度；在语义分割阶段，使用基于深度可分离卷积的轻量化后的U2NetP模型，进一步使得模型参数量大幅降低。本发明针对深度学习模型参数量过大且嵌入式设备性能有限的问题，对目标检测模型和语义分割模型提出了轻量化方案，为模型部署到变电站智能巡检机器人上提供了支持，具有良好的实用性。

主权项：1.基于轻量化模型的仪表盘检测及读数的方法，其特征是构建轻量化模型对指针型仪表实现检测和读数识别，首先由目标检测模型检测提取得到对应仪表盘的目标区域，然后利用轻量化U2NetP模型对目标区域进行语义分割，得到指针和刻度的掩膜，再将指针和刻度的掩膜转为为二维图像，再转化为一维数组，通过峰值检测预测出指针和刻度的位置，最后根据比例和量程计算刻度，得到仪表盘的读数；所述目标检测模型基于YOLOv7-tiny模型进行轻量化实现，首先利用变电站仪表盘数据集训练YOLOv7-tiny模型，以0.01的稀疏率对YOLOv7-tiny模型进行稀疏训练，稀疏化的基础上以0.8的剪枝率减去冗余的通道，然后在变电站仪表盘数据集上对剪枝后的模型进行知识蒸馏，将剪枝后的模型作为学生模型，将原YOLOv7-tiny目标检测模型作为教师模型，在数据集上进行训练，使得剪枝后的模型精度恢复原模型精度，得到轻量化的目标检测模型；所述轻量化U2NetP模型为基于深度可分离卷积的U2NetP的语义分割模型，用深度可分离卷积替代模型上采样和下采样阶段中的普通卷积。

全文数据：

权利要求：

百度查询： 南京南瑞信息通信科技有限公司 基于轻量化模型的仪表盘检测及读数的方法、设备

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