一种LED读数识别方法技术

本发明专利技术提出一种LED读数识别方法，包括：获取包含LED面板显示信息的待检测图像，并标注所述待检测图像中的数字区域和小数点区域，得到待识别数据集；将所述待识别数据集输入预训练的目标检测模型，获取所述待检测图像中LED面板读数结果；本发明专利技术可有效提高LED面板识别的准确性和鲁棒性，适用范围更广，操作更便捷。操作更便捷。操作更便捷。

【技术实现步骤摘要】
一种LED读数识别方法


[0001]本专利技术涉及智能化识别领域，尤其涉及一种LED读数识别方法。

技术介绍

[0002]LED显示屏由于其显示直观，具有高性价比等优点，在日常生活中和工业中广泛使用。每个数字都用红色发光二极管表示。在对工业项目的巡检中，需要人员通过肉眼去观察记录数字，对巡检工作造成大大的不便。在目标识别工作中，LED数字识别技术是用于识别工业或者日常中LED面板对当前数字读取的技术。这项技术使用深度学习的方法进行读取，大大的减轻了工作人员的工作负担。
[0003]现有的LED数字识别方法主要存在以下问题：1.技术原因，精度不高；2.容易受噪声干扰而影响到读数的准确性，其鲁棒性不理想；3.传统算法使用opencv进行数字拟合，计算量太大。

技术实现思路

[0004]鉴于以上现有技术存在的问题，本专利技术提出一种LED读数识别方法，主要解决现有LED面板读数依赖人工记录的问题。
[0005]为了实现上述目的及其他目的，本专利技术采用的技术方案如下。
[0006]一种LED读数识别方法，包括：获取包含LED面板显示信息的待检测图像，并标注所述待检测图像中的数字区域和小数点区域，得到待识别数据集；将所述待识别数据集输入预训练的目标检测模型，获取所述待检测图像中LED面板读数结果。
[0007]可选地，训练所述目标检测模型包括：获取包含各类LED面板显示信息的样本图像，创建样本图像库，对样本图像库中图像进行角度旋转，获取同一样本图像的多个角度图像，用于构建训练样本集；对所述训练样本集中图像进行数字和小数点标注后输入神经网络训练，得到所述目标检测模型。
[0008]可选地，所述神经网络包括：yolov5网络。
[0009]如上所述，本专利技术一种LED读数识别方法，具有以下有益效果。
[0010]可适用于各种类型LED面板识别，适用范围更广，实用性更高；可处理各种角度的LED面板图像，识别精度高，鲁棒性强。
附图说明
[0011]图1为本专利技术一实施例中LED读数识别方法的流程图。
具体实施方式
[0012]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0013]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0014]请参阅图1，本专利技术提供一种LED数字识别方法，包括以下步骤：步骤S01，获取包含LED面板显示信息的待检测图像，并标注所述待检测图像中的数字区域和小数点区域，得到待识别数据集。
[0015]步骤S02，将所述待识别数据集输入预训练的目标检测模型，获取所述待检测图像中LED面板读数结果。
[0016]在一实施例中，训练所述目标检测模型包括：获取包含各类LED面板显示信息的样本图像，创建样本图像库，对样本图像库中图像进行角度旋转，获取同一样本图像的多个角度图像，用于构建训练样本集；对所述训练样本集中图像进行数字和小数点标注后输入神经网络训练，得到所述目标检测模型。
[0017]具体的，可采集各类LED面板图像创建样本图像库，也可采用现有的LED面板图像数据集作为样本图像库。并对样本图像库进行数据增广，将每张图像进行随机旋转，得到同一样本图像对应的多个角度图像，以产生随机噪声确保训练出来的模型鲁棒性更强，且能多角度检测仪表数字。
[0018]进一步地，可对样本图像库中每一张图像进行数字标注，如可使用LabelImg软件，框选需要检测的LED面板区域，以此制作LED数字识别数据集，得到每一张图对应的xml文件，每个文件中包含了每个LED面板的label和对应目标框所处的位置。
[0019]经过以上预处理过程，便可得到包含样本图像及对应xml文件的训练样本集。将样本图像及xml文件放入yolov5神经网络进行训练（yolov5网络的网络框架及训练过程为现有技术，这里不再赘述），经过训练200个epoch后，得到目标检测模型，只要不是太严重光照问题或者偏移问题都能完美识别，召回率达到98%,测试集上精度达到92%。
[0020]获取所有的待检测LED面板图片，组成待检测数据集，然后使用LabelImg软件，框选待检测数据集中每一个图片需要识别的数字和小数点，label为数字和小数点本身，以此制作LED面板待识别数据集，得到每一张图对应的xml文件，每个文件中包含了每个数字和小数点的label和对应目标框所处的位置；进一步地，将待识别数据集中对应图片及xml文件输入目标检测模型，得到每个LED面板图片包含的数字和小数点，并输出对应的读数信息。
[0021]综上所述，本专利技术一种LED读数方法，通过深度学习神经可以准确的读取每个LED面板中数字和小数点，泛用性广；可自动完成读数，准确性高、鲁棒性强。所以，本专利技术有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0022]上述实施例仅例示性说明本专利技术的原理及其功效，而非用于限制本专利技术。任何熟悉此技术的人士皆可在不违背本专利技术的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属
中具有通常知识者在未脱离本专利技术所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本专利技术的权利要求所涵盖。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种LED读数识别方法，其特征在于，包括：获取包含LED面板显示信息的待检测图像，并标注所述待检测图像中的数字区域和小数点区域，得到待识别数据集；将所述待识别数据集输入预训练的目标检测模型，获取所述待检测图像中LED面板读数结果。2.根据权利要求1所述的LED读数识别方法，其特征在于，训练所述目标检测模型包括：获取包含...

【专利技术属性】
技术研发人员：黄秋艳，向杰，黄晓龙，李方华，
申请(专利权)人：固博机器人重庆有限公司，
类型：发明
国别省市：