摘要
本发明公开了一种面向工业现场的多尺度仪表读数智能识别系统,包括:获取仪表图像数据;基于多级自适应阈值分割算法和局部区域分析的智能降噪和图像增强处理模块结合深度学习模型(SSD)和深度卷积神经网络(DCNN)模型得到指针与表盘识别结果,以识别的表盘圆心为原点构建坐标系,计算仪表图像对应的仪表读数并将得到的结果用于训练DQN强化学习模型,以达到最佳的识别效果。根据本发明,无需人工读数,有提升仪表读数识别准确度的优点,适用于工业现场复杂光照条件下的指针读数识别,具有广阔的应用前景。
技术关键词
面向工业现场
智能识别系统
强化学习模型
阈值分割算法
深度学习模型
训练数据量
智能降噪
图像增强
仪表指针
仪表读数识别
深度卷积神经网络
仪表盘
引入注意力机制
指针式仪表
多尺度特征
系统为您推荐了相关专利信息
虫草特征
多模态
粉末
智能识别方法
深度学习模型
车辆空气悬架
深度学习模型
指令
决策
神经网络模型
多智能体强化学习
智能调度方法
径流
场景
梯级水电调度
神经网络模型
基因表达数据
交互式程序
深度学习模型
基因表达调控
深度学习模型
加速卡
控制终端
处理器运行方法
拆分规则