CN110334699A - 一种基于深度学习的表计自动识别系统 - Google Patents
一种基于深度学习的表计自动识别系统 Download PDFInfo
- Publication number
- CN110334699A CN110334699A CN201910469824.6A CN201910469824A CN110334699A CN 110334699 A CN110334699 A CN 110334699A CN 201910469824 A CN201910469824 A CN 201910469824A CN 110334699 A CN110334699 A CN 110334699A
- Authority
- CN
- China
- Prior art keywords
- deep learning
- system based
- sliding
- recognition system
- meter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Abstract
本发明涉及一种基于深度学习的表计自动识别系统。解决人工查看表计,无法达到无人巡视效果的问题。系统包括摄像模块、处理端,摄像模块与处理端相连接,摄像模块设置在滑动模块上,系统还包括对滑动模块进行控制的操控端,操控端与滑动模块相连。本发明能够通过图像来识别变电站内表计的读数,达到无人巡视的目的,同时可以进行位置调节,能够采用一个摄像模块对变电站内多个表计读数进行识别,操控简单,同时节约了成本。
Description
技术领域
本发明涉及图像识别技术领域,尤其是涉及一种基于深度学习的表计自动识别系统。
背景技术
目前表计的读数查看都是由人工进行查看,需要操作者一直或经常呆在变电站内,增加了操作者工作量,无法达到无人巡视的效果。另外目前也具有采用摄像头采集表计读数图像的技术,然后这些摄像头都是固定的,只能采集固定位置的表计图像,无法调节,使用不灵活,且当变电站内具有多个表计时需要安装多个摄像头,造成资源浪费,提高了成本。
发明内容
本发明主要是解决人工查看表计,无法达到无人巡视效果的问题,以及摄像头固定,只能采集固定位置表计图像,使用不灵活,且安装多个摄像头造成资源浪费,成本提高的问题,提供了一种基于深度学习的表计自动识别系统。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种基于深度学习的表计自动识别系统,包括用于采集表计图像的摄像模块、对拍摄图像进行学习和识别的处理端,摄像模块与处理端相连接,所述摄像模块设置在驱动其进行移动的滑动模块,系统还包括对滑动模块进行控制的操控端,操控端与滑动模块相连。本发明中摄像模块采集表计的读数图像,处理端可以为电脑或具有处理能力的设备,处理端包括有能对图像进行训练和识别的模型,该模型对采集的表计图像进行分析并识别出表计的读数,模型通过输入多张采集的标记图像进行训练和学习,该模型可以采用现有技术中常用的技术,如采用卷积神经网络。滑动模块能够调节摄像模块的位置,摄像模块不会因固定死而只能采集特定区域的图像,而通过移动可以对变电站内多个标记进行识别。操控端可以为电脑或移动设备,该操控端与滑动模块采用有线或无线网络进行连接,操控端控制滑动模块工作以控制对摄像模块移动位置的控制。本发明能够通过图像来识别变电站内表计的读数,达到无人巡视的目的,同时可以进行位置调节,能够采用一个摄像模块对变电站内多个表计读数进行识别,操控简单,同时节约了成本。
作为一种优选方案,所述摄像模块包括壳体和活动设置在壳体内的摄像球,在摄像球上设置有摄像口,在探测口上设置有摄像头,摄像头与处理端连接。本方案中摄像球能够在壳体内进行转动,使用者可以通过调节摄像球来调节摄像头的摄像角度,使得可以更好的采集表计读数图像。
作为一种优选方案,所述壳体包括前盖和后座,在前盖内设置有球形内凹的第一凹槽,在凹槽中间开有穿孔,后座上设置有球形内凹的第二凹槽,前盖与后座相扣合内部共同形成一圆形的转动室,所述摄像球安装在转动室内。本方案能够实现摄像球全方位大角度的转动,结构简单合理,操作方便快捷,能方便灵活调节摄像球摄像头的角度。
作为一种优选方案,所述后座的前端面上设置若干第一扣头,在前盖底面上对应设置有若干扣槽,第一扣头插入并扣合在扣槽内,将前盖与后盖相固定。本方案通过卡扣结构将前盖和后座相连接,固定方便快捷。
作为一种优选方案,所述前盖前端开有窗口,在窗口上扣合有透明的保护盖,所述保护盖的内侧面上设置有若干第二扣头,在探头窗口内侧壁上设置有一圈扣沿,第二扣头扣合在扣沿上,将保护盖固定在窗口上。
作为一种优选方案,所述摄像口包括一段供工具插入的操作孔,操作孔形状为多边形。本方案中摄像口的开口处由操作孔构成,摄像头安装在操作孔底部,操作孔用于插入操作工具,由操作工具来调整探测口朝向角度,操作孔为与操作工具形状配合的多边形状。
作为一种优选方案,所述滑动模块包括滑轨、设置在后座底部上的滑槽、驱动摄像模块移动的驱动机构,滑槽配合连接在滑轨上,驱动机构与滑轨驱动相连。本方案中摄像模块通过滑槽和滑轨的配合形成可滑动的结构,驱动机构能够自动驱动摄像模块在滑轨上移动,使得摄像模块能够通过移动来采集更多的标记图像。
作为一种优选方案,所述驱动机构包括由电机驱动的驱动齿轮,驱动齿轮设置在滑槽的底部内,且驱动齿轮部分凸起在滑槽内,在所述滑轨的表面上沿长度设置有齿槽,在齿槽内设置有驱动齿,所述驱动齿轮与驱动齿相啮合。本方案中在滑槽内设置驱动齿轮,该驱动齿轮为圆柱状,滑轨表面设置有驱动齿,该驱动齿是位于在齿槽内,驱动齿顶部与滑轨表面齐平。在滑轨与滑槽相配合时,驱动齿轮与驱动齿相啮合,通过电机驱动驱动齿轮转动,驱动齿轮转动带动摄像模块一起移动,实现在摄像模块在滑轨上自动移动。
因此,本发明的优点是:能够通过图像来识别变电站内表计的读数,达到无人巡视的目的,同时可以进行位置调节,能够采用一个摄像模块对变电站内多个表计读数进行识别,操控简单,同时节约了成本。
附图说明
图1是本发明的一种结构框示图;
图2是本发明中摄像模块的一种结构示意图;
图3是本发明中滑轨的一种结构示意图。
1-摄像模块 2-处理端 3-操控端 4-滑动模块 5-壳体 6-摄像球 7-前盖8-后座 9-第一凹槽 10-第二凹槽 11-第一扣头 12-扣槽 13-窗口 14-保护盖15-第二扣头 16-扣沿 17-摄像口 18-滑轨 19-滑槽 20-驱动齿轮 21-齿槽 22-驱动齿。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例一种基于深度学习的表计自动识别系统,如图1所示,包括用于采集表计图像的摄像模块1,对拍摄图像进行学习和识别的处理端2,驱动摄像模块进行移动的滑动模块4,对滑动模块进行控制的操控端3,摄像模块设置在滑动模块上,摄像模块与处理端相连接,操控端与滑动模块相连。摄像模块为集成摄像头的设备,用于采集表计的读数图像。处理端可以为电脑或具有处理能力的设备,处理端包括有能对图像进行训练和识别的模型,该模型对采集的表计图像进行分析并识别出表计的读数,模型通过输入多张采集的标记图像进行训练和学习,该模型采用现有技术中常用的技术,如采用卷积神经网络。滑动模块能够调节摄像模块的位置,摄像模块不会因固定死而只能采集特定区域的图像,而通过移动可以对变电站内多个标记进行识别。操控端可以为电脑或移动设备,该操控端与滑动模块采用有线或无线网络进行连接,操控端控制滑动模块工作以控制对摄像模块移动位置的控制。
如图2所示,摄像模块包括壳体5和活动设置在壳体内的摄像球6,在摄像球上设置有摄像口17,在摄像口上设置有摄像头,摄像头与处理端连接,并且摄像口包括一段供工具插入的操作孔,操作孔形状为多边形。壳体包括前盖和后座,在前盖内设置有球形内凹的第一凹槽,在凹槽中间开有穿孔,后座上设置有球形内凹的第二凹槽,前盖与后座相扣合内部共同形成一圆形的转动室,所述摄像球安装在转动室内。
前盖和后座通过卡块形式固定。后座的前端面上设置若干第一扣头11,在前盖底面上对应设置有若干扣槽12,第一扣头插入并扣合在扣槽内,将前盖与后盖相固定。
前盖前端开有窗口13,在窗口上扣合有透明的保护盖14,保护盖的内侧面上设置有若干第二扣头15,在窗口内侧壁上设置有一圈扣沿16,第二扣头扣合在扣沿上,将保护盖固定在窗口上。
滑动模块包括滑轨18、设置在后座底部上的滑槽19、驱动摄像模块移动的驱动机构,滑槽配合连接在滑轨上,驱动机构与滑轨驱动相连。该导轨包括底座与T形的轨道,滑槽为与轨道形状相配合的倒T形凹槽。驱动机构包括由电机驱动的驱动齿轮20,驱动齿轮设置在滑槽的底部内,且驱动齿轮部分凸起在滑槽内,如图3所示,在滑轨的表面上沿长度设置有齿槽21,在齿槽内设置有驱动齿22,驱动齿轮与驱动齿相啮合。电机设置在后座内,电机转动轴与驱动齿轮相联动,操控端对电机进行控制。在需要移动时,用户通过操控端对滑动模块发出指令,电机工作带动驱动齿轮转动,驱动齿轮转动,在与驱动齿啮合的情况下能够带动整个摄像模块在滑轨上移动。
系统在使用时,先有摄像模块拍摄若干表计图像,将表计图像的读数裁剪出来后放入到处理端内的自学习模型内进行训练,形成能识别表计读数的模型。训练完成后,再有摄像模块拍摄要检测的表计读数图像,放入训练后的模型内,进行读数识别。另外,由操控端控制滑动模块控制摄像模块的位置,使得可以采集多个表计图像。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了摄像模块、处理端、操控端、滑动模块等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (8)
1.一种基于深度学习的表计自动识别系统,其特征在于:包括用于采集表计图像的摄像模块、对拍摄图像进行学习和识别的处理端,摄像模块与处理端相连接,所述摄像模块设置在驱动其进行移动的滑动模块上,系统还包括对滑动模块进行控制的操控端,操控端与滑动模块相连。
2.根据权利要求1所述的一种基于深度学习的表计自动识别系统,其特征是所述摄像模块包括壳体和活动设置在壳体内的摄像球,在摄像球上设置有摄像口,在摄像口上设置有摄像头,摄像头与处理端连接。
3.根据权利要求2所述的一种基于深度学习的表计自动识别系统,其特征是所述壳体包括前盖和后座,在前盖内设置有球形内凹的第一凹槽,在凹槽中间开有穿孔,后座上设置有球形内凹的第二凹槽,前盖与后座相扣合内部共同形成一圆形的转动室,所述摄像球安装在转动室内。
4.根据权利要求3所述的一种基于深度学习的表计自动识别系统,其特征是所述后座的前端面上设置若干第一扣头,在前盖底面上对应设置有若干扣槽,第一扣头插入并扣合在扣槽内,将前盖与后盖相固定。
5.根据权利要求3所述的一种基于深度学习的表计自动识别系统,其特征是所述前盖前端开有窗口,在窗口上扣合有透明的保护盖,所述保护盖的内侧面上设置有若干第二扣头,在窗口内侧壁上设置有一圈扣沿,第二扣头扣合在扣沿上,将保护盖固定在窗口上。
6.根据权利要求2所述的一种基于深度学习的表计自动识别系统,其特征是所述摄像口包括一段供工具插入的操作孔,操作孔形状为多边形。
7.根据权利要求3所述的一种基于深度学习的表计自动识别系统,其特征是所述滑动模块包括滑轨、设置在后座底部上的滑槽、驱动摄像模块移动的驱动机构,滑槽配合连接在滑轨上,驱动机构与滑轨驱动相连。
8.根据权利要求7所述的一种基于深度学习的表计自动识别系统,其特征是所述驱动机构包括由电机驱动的驱动齿轮,驱动齿轮设置在滑槽的底部内,且驱动齿轮部分凸起在滑槽内,在所述滑轨的表面上沿长度设置有齿槽,在齿槽内设置有驱动齿,所述驱动齿轮与驱动齿相啮合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910469824.6A CN110334699A (zh) | 2019-05-31 | 2019-05-31 | 一种基于深度学习的表计自动识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910469824.6A CN110334699A (zh) | 2019-05-31 | 2019-05-31 | 一种基于深度学习的表计自动识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110334699A true CN110334699A (zh) | 2019-10-15 |
Family
ID=68140641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910469824.6A Pending CN110334699A (zh) | 2019-05-31 | 2019-05-31 | 一种基于深度学习的表计自动识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110334699A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104006834A (zh) * | 2014-05-28 | 2014-08-27 | 常州中能电力科技有限公司 | 变电站机械式表计数据采集及诊断系统 |
CN104243912A (zh) * | 2014-08-21 | 2014-12-24 | 国家电网公司 | 变电站开关柜全方位自动视频监控系统 |
CN204615962U (zh) * | 2015-04-15 | 2015-09-02 | 上海市政工程设计研究总院(集团)有限公司 | 一种移动摄像巡检系统 |
CN206946504U (zh) * | 2017-04-01 | 2018-01-30 | 厦门梓滢智能科技有限公司 | 人脸识别设备 |
CN109635806A (zh) * | 2018-12-12 | 2019-04-16 | 国网重庆市电力公司信息通信分公司 | 基于残差网络的电表数值识别方法 |
CN109794948A (zh) * | 2019-03-04 | 2019-05-24 | 北京国电富通科技发展有限责任公司 | 配网带电作业机器人及识别定位方法 |
CN210038814U (zh) * | 2019-05-31 | 2020-02-07 | 国网浙江省电力有限公司金华供电公司 | 基于深度学习的表计自动识别系统 |
-
2019
- 2019-05-31 CN CN201910469824.6A patent/CN110334699A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104006834A (zh) * | 2014-05-28 | 2014-08-27 | 常州中能电力科技有限公司 | 变电站机械式表计数据采集及诊断系统 |
CN104243912A (zh) * | 2014-08-21 | 2014-12-24 | 国家电网公司 | 变电站开关柜全方位自动视频监控系统 |
CN204615962U (zh) * | 2015-04-15 | 2015-09-02 | 上海市政工程设计研究总院(集团)有限公司 | 一种移动摄像巡检系统 |
CN206946504U (zh) * | 2017-04-01 | 2018-01-30 | 厦门梓滢智能科技有限公司 | 人脸识别设备 |
CN109635806A (zh) * | 2018-12-12 | 2019-04-16 | 国网重庆市电力公司信息通信分公司 | 基于残差网络的电表数值识别方法 |
CN109794948A (zh) * | 2019-03-04 | 2019-05-24 | 北京国电富通科技发展有限责任公司 | 配网带电作业机器人及识别定位方法 |
CN210038814U (zh) * | 2019-05-31 | 2020-02-07 | 国网浙江省电力有限公司金华供电公司 | 基于深度学习的表计自动识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190150895A1 (en) | Fully automatic ultrasonic scanner and scan detection method | |
US10578851B2 (en) | Automated hardware and software for mobile microscopy | |
EP3662218B1 (de) | Sensorvorrichtung für ein haushaltskühlgerät | |
US8280136B2 (en) | Method and apparatus for detecting intraventricular dyssynchrony | |
CN110032278A (zh) | 一种人眼感兴趣物体的位姿识别方法、装置及系统 | |
CN110461270A (zh) | 具有压缩和/或cmos开窗的高速光学跟踪 | |
DE202010013825U1 (de) | Tragbare 3D Messvorrichtung | |
CN103745238B (zh) | 基于AdaBoost和主动形状模型的受电弓识别方法 | |
CN208077195U (zh) | 一种具有访客管理功能的人脸识别设备 | |
CN103584885A (zh) | 一种基于定位导航穿刺针的自由臂超声标定方法 | |
CN110334699A (zh) | 一种基于深度学习的表计自动识别系统 | |
US20190388057A1 (en) | System and method to guide the positioning of a physiological sensor | |
CN210038814U (zh) | 基于深度学习的表计自动识别系统 | |
CN108280439B (zh) | 一种基于RealSense的人体监测仪器 | |
CN206208767U (zh) | 相变温度测试仪 | |
CN207541635U (zh) | 重叠度高的具有调节功能的3d人脸识别装置 | |
CN203591250U (zh) | 一种皮肤数字成像采集装置 | |
CN203000936U (zh) | 基于光学成像的非接触式人体身高测量装置 | |
CN110336930A (zh) | 一种基于图像处理的隔离开关状态自动检测装置及方法 | |
CN215730316U (zh) | 一种可调节高度和角度来进行图像识别的教学实训平台 | |
CN107884408A (zh) | 相变温度测试仪及其测试方法 | |
CN111368655B (zh) | 用于基于人脸识别进行客流计数的自动划线装置及方法 | |
CN104902147B (zh) | 一种相机拍摄吸附一体装置 | |
CN113280222A (zh) | 一种农作物长势监测装置及方法 | |
CN103698538A (zh) | 结核感染t细胞免疫斑点分析仪及其图像生成数据分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191015 |