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！

龙图腾网获悉西安电子科技大学申请的专利基于深度学习的电能表图像目标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：CN116524517B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310333284.5，技术领域涉及：G06V30/19；该发明授权基于深度学习的电能表图像目标识别方法是由李卫斌;于成龙;朱子璇;李微设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本基于深度学习的电能表图像目标识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的电能表图像目标识别方法，解决现有技术中存在的检测准确率受图像拍摄条件影响较大、深度学习方法运算量大和部署困难的问题。其方案为：利用电能表图像生成三个训练集，选择yolox‑nano网络作为训练网络，分别训练得到感兴趣区域检测网络、表盘信息识别网络和条形码信息识别网络；将待检测图像输入感兴趣区域检测网络，得到表盘和条形码图像，将其分别输入对应的信息识别网络；根据相应公式计算识别结果。本发明能够准确地识别电能表的示数及其条码信息，以便及时发现异常并采取相应措施，运算量较小便于部署在移动端，具有更强的实用性。

本发明授权基于深度学习的电能表图像目标识别方法在权利要求书中公布了：1.一种基于深度学习的电能表图像目标识别方法，其特征在于，利用具有电能表信息的三种训练集训练yolox‑nano网络，得到训练好的感兴趣区域检测网络、表盘信息识别网络和条形码信息识别网络；该识别方法的具体步骤包括如下： 步骤1，生成三个训练集： 步骤1.1，利用相机拍摄至少1000个电能表表盘，得到与每个电能表对应的电能表图像，对每个图像用矩形框标注其中的表盘和条形码区域，作为感兴趣区域，将所有感兴趣区域组成训练集1，步骤1.2，截取训练集1中每个图像的表盘区域，得到与其对应的表盘图像，对每个图像用矩形框分别标注其中每个数字，作为标注后的表盘区域，将所有标注后的表盘区域作为训练集2，步骤1.3，截取训练集1中每个图像的条形码区域，得到与其对应的条形码图像，对每个图像用矩形框分别标注其中每个数字，作为标注后的条形码区域，将所有标注后的条形码区域作为训练集3； 步骤2，将现有技术中的目标检测网络yolox‑nano作为识别网络； 步骤3，对识别网络进行训练： 将训练集1、训练集2和训练集3分别输入到识别网络中，分别计算网络的损失函数值，利用梯度下降法对网络进行迭代训练，迭代更新网络的各参数，直至损失函数收敛为止，分别得到训练好的感兴趣区域检测网络、表盘信息识别网络和条形码信息识别网络； 步骤4，通过感兴趣区域检测网络输出不同区域的图像： 将待识别电能表图像输入到训练好的感兴趣区域检测网络，输出电能表图像中感兴趣区域的类别和该区域所在矩形框的左上角点的坐标；根据输出的坐标从电能表图像中裁剪出表盘区域图像和条形码区域图像； 步骤5，通过表盘信息识别网络和条形码信息识别网络得到每个数字的信息： 步骤5.1，将表盘区域图像输入训练好的表盘信息识别网络中，输出表盘区域中每一个数字的类别和该数字所在矩形框的左上角点的坐标； 步骤5.2，将条形码区域图像输入训练好的条形码信息识别网络中，输出条形码区域中每一个数字的类别和该数字所在矩形框的左上角点的坐标； 步骤6，输出表盘和条形码的信息识别结果： 步骤6.1，将表盘区域中每一个矩形框按照左上角点的横坐标的大小进行从小到大排列，依次读取每个矩形框所包含数字的类别，利用表盘示数计算公式计算表盘示数，输出识别结果； 步骤6.2，将条形码区域中每一个矩形框按照左上角点的横坐标的大小进行从小到大排列，依次读取每个矩形框所包含数字的类别，按照条形码码示数计算公式计算条形码示数，输出识别结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。