一种基于AI的仪表盘视觉识别方法、系统和存储介质与流程

本发明涉及视觉识别和智能识别领域，更具体的，涉及一种基于ai的仪表盘视觉识别方法、系统和存储介质。

背景技术：

1、在传统工厂向数字化工厂或者智能制造转型后，需要对生产过程中的一些工业仪表进行数据采集，而这些仪表又缺乏数据能力时，就需要人工现场目视检测记录，但是人工又存在漏检，误检率高的问题，难以满足现代工业高速，高准确率的检测要求。

2、因此，现有技术存在缺陷，亟待改进。

技术实现思路

1、鉴于上述问题，本发明的目的是提供一种基于ai的仪表盘视觉识别方法、系统和存储介质，能够通过ai技术自动化识别当前仪表盘的数据，反馈至控制中心，解决人工抄表和漏检的问题，并且本发明还能够根据不同的环境去匹配不同的识别行为，以提高识别的准确率，还可以通过历史数据以及整个作业流程的数据判断当前识别的仪表数据是否正确，在提高准确率的同时，增加了用户使用体验感。

2、本发明第一方面提供了一种基于ai的仪表盘视觉识别方法，包括：

3、获取仪表盘图像信息；

4、对所述仪表盘图像信息进行预处理，得到第一图像信息；

5、通过预设的图像识别模型对第一图像信息进行识别，得到数据信息；

6、将所述数据信息发送至预设终端进行显示。

7、本方案中，所述对所述仪表盘图像信息进行预处理，得到第一图像信息，具体为：

8、将所述仪表盘图像信息进行灰度化、二值化、腐蚀、膨胀的处理；

9、得到第一图像信息。

10、本方案中，所述预设的图像识别模型的生成具体为：

11、将历史图像数据进行预处理，得到训练数据集；

12、将所述训练数据集输入至初始化的神经网络模型中进行训练；

13、获取神经网络模型的结果信息；

14、比较所述结果信息的误差率；

15、若误差率小于预设的误差阈值，则结束训练，得到预设的图像识别模型。

16、本方案中，还包括：

17、获取环境信息；

18、根据所述环境信息进行分析，得到影响因子数值；

19、判断所述影响因子数值是否大于预设影响因子阈值；

20、若大于，则获取预设的识别行为，根据所述识别行为进行数据识别。

21、本方案中，所述获取预设的识别行为，根据所述识别行为进行数据识别，具体为：

22、判断所述影响因子是否为水蒸气影响因子；

23、若所述水蒸气影响因子大于预设的水蒸气影响因子阈值；

24、则获取n次仪表盘图像信息；

25、对所述n次仪表盘图像信息进行分析，得到最优图像识别数据；

26、将所述最优图像识别数据作为最终数据信息。

27、所述n次仪表盘图像信息的时间间隔为预设的时间间隔。

28、本方案中，还包括：

29、获取预设时间段内的数据信息，得到第一数值变化速率；

30、获取历史数值变化速率；

31、将所述历史数值变化速率与第一数值变化速率进行比较，得到差异率；

32、若所述差异率大于预设的差异率阈值，则发送警示信息。

33、本发明第二方面提供了一种基于ai的仪表盘视觉识别系统，包括存储器和处理器，所述存储器中包括基于ai的仪表盘视觉识别方法程序，所述基于ai的仪表盘视觉识别方法程序被所述处理器执行时实现如下步骤：

34、获取仪表盘图像信息；

35、对所述仪表盘图像信息进行预处理，得到第一图像信息；

36、通过预设的图像识别模型对第一图像信息进行识别，得到数据信息；

37、将所述数据信息发送至预设终端进行显示。

38、本方案中，所述对所述仪表盘图像信息进行预处理，得到第一图像信息，具体为：

39、将所述仪表盘图像信息进行灰度化、二值化、腐蚀、膨胀的处理；

40、得到第一图像信息。

41、本方案中，所述预设的图像识别模型的生成具体为：

42、将历史图像数据进行预处理，得到训练数据集；

43、将所述训练数据集输入至初始化的神经网络模型中进行训练；

44、获取神经网络模型的结果信息；

45、比较所述结果信息的误差率；

46、若误差率小于预设的误差阈值，则结束训练，得到预设的图像识别模型。

47、本方案中，还包括：

48、获取环境信息；

49、根据所述环境信息进行分析，得到影响因子数值；

50、判断所述影响因子数值是否大于预设影响因子阈值；

51、若大于，则获取预设的识别行为，根据所述识别行为进行数据识别。

52、本方案中，所述获取预设的识别行为，根据所述识别行为进行数据识别，具体为：

53、判断所述影响因子是否为水蒸气影响因子；

54、若所述水蒸气影响因子大于预设的水蒸气影响因子阈值；

55、则获取n次仪表盘图像信息；

56、对所述n次仪表盘图像信息进行分析，得到最优图像识别数据；

57、将所述最优图像识别数据作为最终数据信息。

58、所述n次仪表盘图像信息的时间间隔为预设的时间间隔。

59、本方案中，还包括：

60、获取预设时间段内的数据信息，得到第一数值变化速率；

61、获取历史数值变化速率；

62、将所述历史数值变化速率与第一数值变化速率进行比较，得到差异率；

63、若所述差异率大于预设的差异率阈值，则发送警示信息。

64、本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于ai的仪表盘视觉识别方法程序，所述基于ai的仪表盘视觉识别方法程序被处理器执行时，实现如上述任一项所述的一种基于ai的仪表盘视觉识别方法的步骤。

65、本发明公开的一种基于ai的仪表盘视觉识别方法、系统和存储介质，能够通过ai技术自动化识别当前仪表盘的数据，反馈至控制中心，解决人工抄表和漏检的问题，并且本发明还能够根据不同的环境去匹配不同的识别行为，以提高识别的准确率，还可以通过历史数据以及整个作业流程的数据判断当前识别的仪表数据是否正确，在提高准确率的同时，增加了用户使用体验感。

技术特征：

1.一种基于ai的仪表盘视觉识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于ai的仪表盘视觉识别方法，其特征在于，所述对所述仪表盘图像信息进行预处理，得到第一图像信息，具体为：

3.根据权利要求1所述的一种基于ai的仪表盘视觉识别方法，其特征在于，所述预设的图像识别模型的生成具体为：

4.根据权利要求1所述的一种基于ai的仪表盘视觉识别方法，其特征在于，还包括：

5.根据权利要求4所述的一种基于ai的仪表盘视觉识别方法，其特征在于，所述获取预设的识别行为，根据所述识别行为进行数据识别，具体为：

6.根据权利要求1所述的一种基于ai的仪表盘视觉识别方法，其特征在于，还包括：

7.一种基于ai的仪表盘视觉识别系统，其特征在于，包括存储器和处理器，所述存储器中包括基于ai的仪表盘视觉识别方法程序，所述基于ai的仪表盘视觉识别方法程序被所述处理器执行时实现如下步骤：

8.根据权利要求7所述的一种基于ai的仪表盘视觉识别系统，其特征在于，还包括：

9.根据权利要求8所述的一种基于ai的仪表盘视觉识别系统，其特征在于，所述获取预设的识别行为，根据所述识别行为进行数据识别，具体为：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种基于ai的仪表盘视觉识别方法程序，所述基于ai的仪表盘视觉识别方法程序被处理器执行时，实现如权利要求1至6中任一项所述的一种基于ai的仪表盘视觉识别方法的步骤。

技术总结
本发明公开的一种基于AI的仪表盘视觉识别方法、系统和存储介质，能够实现远程数据采集，数据信息异常检测；识别精度高，具有动态自助数据信息学习记忆能力，能够通过AI技术自动化识别当前仪表盘的数据，反馈至控制中心，解决人工抄表和漏检的问题，并且本发明还能够根据不同的环境去匹配不同的识别行为，以提高识别的准确率，还可以通过历史数据以及整个作业流程的数据判断当前识别的仪表数据是否正确，在提高准确率的同时，增加了用户使用体验感。

技术研发人员：余诗文,王毅,袁石安
受保护的技术使用者：深圳普菲特信息科技股份有限公司
技术研发日：
技术公布日：2024/1/14