买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州计量检测技术研究院申请的专利一种基于PSO的ESRGAN远距离表盘信息识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118429187B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410560073.X，技术领域涉及：G06T3/4053；该发明授权一种基于PSO的ESRGAN远距离表盘信息识别方法是由马青亮;钟超淳;李振娜;马婷婷设计研发完成，并于2024-05-08向国家知识产权局提交的专利申请。

本一种基于PSO的ESRGAN远距离表盘信息识别方法在说明书摘要公布了：本发明属于超分辨率图像重建技术领域，公开了一种基于PSO的ESRGAN远距离表盘信息识别方法，包括步骤1：搭建作业场地；步骤2：建立ESRGAN模型，基于生成对抗网络GAN和感知损失函数来计算真实高分辨率和图像之间的特征相似度；步骤3：通过训练得到的最佳模型，对新图像进行放大。本发明解决了在远距离对被测仪表表面表盘信息识别时不清晰，特征不明显导致识别率较差的问题。通过该方法，可以实现将远距离拍摄到的分辨率较低，整体模糊的照片重建为高分辨率的状态，保证了后续进行图像识别的时候能尽可能的获取图像中的细节，提高识别的准确率。

本发明授权一种基于PSO的ESRGAN远距离表盘信息识别方法在权利要求书中公布了：1.一种基于PSO的ESRGAN远距离表盘信息识别方法，其特征在于，包括如下步骤： 步骤1：搭建作业场地； 步骤2：建立ESRGAN模型，基于生成对抗网络GAN和感知损失函数来计算真实高分辨率和图像之间的特征相似度； 步骤2.1：组建生成器损失函数； 所述步骤2.1包括组建损失函数，ESRGAN的训练过程涉及到生成器和判别器之间的对抗训练，生成器的目标是将低分辨率图像LR转换为高分辨率图像HR，生成器的损失函数由对抗损失和感知损失组成，其中生成器对抗损失公式为： 其中式中DGx表示判别器对生成器生产的图像Gx的判别结果，表示判别器认为生成图像Gx是真实高分辨图像的概率，表示随机变量x对低分辨率图像LR的概率分布PLR的期望值； 感知损失函数公式为： 式中为所选用的特征提取网络，表示生成的图像特征与真实高分辨率图像特征的差距，感知损失函数用于计算生成图像与真实高分辨率图像之间的特征相似度， 则生成器的总损失有： LG＝LadvG+λperLperG3 其中λper为超参数，需要在具体的重复训练中寻找最优值，此处结合粒子群算法PSO以更快地得到最优值； 步骤2.2：组建判别器损失函数； 所述步骤2.2判别器的损失对抗函数为： 将真实高分辨率图像HR与生成器生成的图像GR区分开来； 步骤2.3：选用PSO的方法进行优化生成器中感知函数权重的选择，使用峰值信噪比PSNR来做为评价迭代是否停止的目标函数； 所述步骤2.3使用峰值信噪比PSNR来做为评价迭代是否停止的目标函数： 其中8为灰度比特数，MSE为均方误差，其公式为： 计算生成图像和真实高分辨率图像的像素点差异， 代入PSO算法公式，其公式为 其中w是惯性权重，控制上一时刻速度对当前速度的贡献，c1和c2是学习因子，分别控制个体经验和群体协作对速度的影响，这三个值由使用者根据实际情况确定，r1和r2是随机数，通常取值在[0,1]之间，设pg，pi分别为全局最优位置和个体最优位置， 则结合PSNR作为目标函数获得： 其中argmin表示选取目标函数之间最小的值， 将第一次迭代计算出的生成图像代入公式中，即令之后即可令迭代开始，不断得根据公式6和7更新粒子群的速度和位置，并重新得到个体和全局的最优位置， 则利用标准差公式 来评价全局最优解的稳定性，设标准差＝0.01，t设为10即通过判断10次迭代中标准差小于0.01则视为迭代进入收敛状态，可停止迭代，视此时得到的全局解为最优解； 步骤2.3还包括在损失函数输出稳定在50％则可认为收敛，之后，根据最后输出的生成图像进行PSNR评价，并输入进PSO中，重新调整生成器中的λper，直到λper的权重使PSRN最佳，输出信噪比最佳图像：具体流程如下： 步骤a：先完成一次步骤2.1和2.2，此时得到第一次得到的初始生成图像，将生成此时图像的权重作为初始权重，代入目标函数当中，并形成公式7，即初始pi＝λ0，λ0可设为任意随机数值，具体由使用者来选择；步骤b：由于此时公式6中除全局最优位置以外的变量都已知，则计算出此时的全局最优位置，根据此时新的全局位置反推回权重的数值λper；步骤c：代入新的权重，重新进行步骤2.1和2.2中的流程；之后往复循环上述步骤，直到得到公式8计算出来的数值收敛，则视此时得到的全局位置为最优，即此时的权重λper为最优； 则此时利用最优权重生成出来的图像得到最佳的PSRN； 步骤3：通过训练得到的最佳模型，对新图像进行放大。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州计量检测技术研究院，其通讯地址为：510000 广东省广州市越秀区广仁路11号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。