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！

龙图腾网获悉珠海科技学院申请的专利基于边端协同的工业仪表读数识别方法、装置、介质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：CN120107947B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202510089729.9，技术领域涉及：G06V20/62；该发明授权基于边端协同的工业仪表读数识别方法、装置、介质是由翁朗迪;马胡双;李大琳;黄山设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本基于边端协同的工业仪表读数识别方法、装置、介质在说明书摘要公布了：本申请公开了一种基于边端协同的工业仪表读数识别方法、装置、介质,方法包括：将初始CNN模型中的卷积层替换成深度可分离卷积层，得到第一中间模型；利用主成分分析算法和自动编码器分布特征压缩训练集，得到压缩特征，利用其训练第一中间模型，剪除模型中重要等级低于预设等级的卷积核，重新训练模型直至得到满足原来性能的目标模型；当接收到高清摄像头发送的第一图像，利用目标模型提取第一图像的目标图像特征并将其发至云端服务器以使云端服务器将目标图像特征输入深度学习模型得到工业仪表读数识别结果。本申请通过替换深度可卷积层、模型剪枝和保障性能指标的训练模型方案，保障读数识别结果的准确性同时降低模型在边缘设备的内存占用。

本发明授权基于边端协同的工业仪表读数识别方法、装置、介质在权利要求书中公布了：1.一种基于边端协同的工业仪表读数识别方法，其特征在于，应用于边端协同系统，所述边端协同系统包括边缘设备和云端服务器，所述边缘设备分别与高清摄像头和云端服务器通信连接，所述方法包括： 所述边缘设备将初始CNN模型中的卷积层替换成深度可分离卷积层，得到第一中间模型，其中，所述深度可分离卷积层包括深度卷积层和逐点卷积层； 所述边缘设备利用主成分分析算法对预设的训练数据集进行特征压缩，得到第一特征，利用自动编码器对所述训练数据集进行特征压缩，得到第二特征； 所述边缘设备将全部的所述第一特征和所述第二特征确定为第一目标压缩特征； 所述边缘设备利用所述压缩特征对所述第一中间模型进行训练，记录训练好的第一中间模型的第一模型性能指标，其中，所述第一中间模型包括多个卷积核； 所述边缘设备确定各个所述卷积核的重要等级，剪除所述第一中间模型中重要等级低于预设等级的卷积核，得到第二中间模型，利用所述第一目标压缩特征重新训练所述第二中间模型，得到训练好的目标模型，所述目标模型的第二模型性能指标与所述第一模型性能指标相同； 当所述边缘设备接收到所述高清摄像头发送的第一图像，所述边缘设备利用目标模型对所述第一图像进行特征提取，得到目标图像特征，并将所述目标图像特征发送至所述云端服务器，其中，第一图像为具有工业仪表读数的工业仪表图像； 所述云端服务器将所述目标图像特征输入至预先训练好的深度学习模型，得到工业仪表读数识别结果。

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珠海科技学院，其通讯地址为：519000 广东省珠海市金湾区安基东路8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”。

以上内容由龙图腾AI智能生成。