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！

龙图腾网获悉武汉博宇光电系统有限责任公司申请的专利一种基于深度学习的模拟仪表读数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：CN117197813B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202311056340.1，技术领域涉及：G06V30/148；该发明授权一种基于深度学习的模拟仪表读数方法是由高伟奇;金天;遆亚荣;邬昌明;李鹏;张国兵设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本一种基于深度学习的模拟仪表读数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模拟仪表读数方法，方法包括以下步骤：建立模拟仪表图像数据集；对所述模拟仪表图像数据集进行数据增强，得到增强后的模拟仪表图像数据集；利用所述增强后的模拟仪表图像数据集分别对改进的DHC‑YOLOv5检测网络和U22‑Net语义分割网络进行训练，得到训练完成的改进的检测网络的模型和语义分割网络的模型；将待测试的模拟仪表图片投入训练完成的模型中，得到模拟仪表的刻度线指示数字与量程和指针、刻度线；将指针和刻度线区域展开为矩形；利用刻度线指示数字与量程和所述矩形中的指针位置占所述量程的比重计算得到所述模拟仪表的读数。本发明提高了模拟仪表自动读数的准确率。

本发明授权一种基于深度学习的模拟仪表读数方法在权利要求书中公布了：1.一种基于深度学习的模拟仪表读数方法，其特征在于：包括以下步骤： S101：建立模拟仪表图像数据集； S102：对所述模拟仪表图像数据集进行数据增强，得到增强后的模拟仪表图像数据集； S103：利用所述增强后的模拟仪表图像数据集分别对改进的DHC-YOLOv5检测网络和U2-Net语义分割网络进行训练，得到训练完成的改进的DHC-YOLOv5检测网络的模型model1和U2-Net语义分割网络的模型model2； S104：将待测试的模拟仪表图片投入到所述模型model1和所述模型model2中，得到模拟仪表的刻度线指示数字与量程和指针、刻度线； S105：将指针和刻度线区域展开为矩形； S106：利用刻度线指示数字与量程和所述矩形中的指针位置占所述量程的比重计算得到所述模拟仪表的读数； 步骤S103中，所述改进的DHC-YOLOv5检测网络，具体为： 分别将YOLOv5的大、中、小三个不同尺寸的DetectionHeads各镜像一个，得到两个大尺寸的检测头、两个中尺寸的检测头、两个小尺寸的检测头；将其中一组大、中、小三个不同尺寸的检测头作为第一检测头，用于检测所述模拟仪表的外接边界框； 将另一组大、中、小三个不同尺寸的检测头作为第二检测头，用于检测所述刻度线的指示数字； 将第一检测头的解析结果作为所述改进的DHC-YOLOv5检测网络的输入，得到由第二检测头表示的所述刻度线的指示数字； 步骤S103中，训练改进的DHC-YOLOv5检测网络和U2-Net语义分割网络的过程如下： 利用增强后的第一模拟仪表图像数据集训练所述第一检测头； 利用增强后的第二模拟仪表图像数据集训练所述第二检测头； 利用增强后的第三模拟仪表图像数据集训练所述U2-Net语义分割网络； 步骤S104具体如下： S301：待测试的模拟仪表图片输入至所述模型model1中，得到第一检测头特征； S302：解析所述第一检测头特征，得到模拟仪表外接边界框； S303：根据所述模拟仪表外界边界框，得到模拟仪表图片； S304：对所述模拟仪表图片进行透视变换，得到正视图的模拟仪表图片； S305：将所述正视图的模拟仪表图片输入至所述模型model1中，得到第二检测头特征； S306：解析所述第二检测头特征，得到所述正视图的模拟仪表图片的刻度线指示数字； S307：将所述正视图的模拟仪表图片输入至所述模型model2，得到所述正视图的模拟仪表图片的指针和刻度线。

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武汉博宇光电系统有限责任公司，其通讯地址为：430000 湖北省武汉市光谷大道特1号国际企业中心2期宏宇楼201-3.4；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。