(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210792753.5 (22)申请日 2022.07.05 (71)申请人 奕行智能科技 （广州） 有限公司 地址 200124 上海市浦东 新区钱家滩路480 号3号楼得乐坊3楼 (72)发明人 俞波　 (74)专利代理 机构 上海申浩 律师事务所 31280 专利代理师 景慎琦 (51)Int.Cl. G06V 20/52(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) (54)发明名称 仪表异常监测方法及装置、 可读存 储介质 (57)摘要 一种仪表异常监测方法及装置、 可读存储介 质， 所述仪表异常监测方法包括获取待测仪表的 图像； 将所述待测仪表的图像进行图像分割， 得 到表盘图像和异常边界线图像； 分别对所述表盘 图像和所述异常边界线图像进行直线检测， 得到 指针向量和异常边界线向量； 当所述指针向量在 所述异常边界线向量之外， 判定所述待测仪表存 在异常。 采用上述方案， 可 以在复杂环境背景下 精确监测仪表 异常。 权利要求书2页 说明书6页 附图2页 CN 115171043 A 2022.10.11 CN 115171043 A 1.一种仪表 异常监测方法， 其特 征在于， 包括： 获取待测仪表的图像； 将所述待测仪表的图像进行图像分割， 得到表盘图像和异常边界线图像； 分别对所述表盘图像和所述异常边界线图像进行直线检测， 得到指针向量和 异常边界 线向量； 当所述指针向量在所述异常边界线向量之外， 判定所述待测仪表存在异常。 2.如权利要求1所述的仪表异常监测方法， 其特征在于， 所述将所述待测仪表的图像进 行图像分割， 得到表盘图像和异常边界线图像， 包括： 将三种不同尺度的所述待测仪表的图像分别输入三个并联的预设的神经网络分支， 得 到三个输出 结果； 将三个所述输出 结果进行融合处 理， 得到目标输出 结果； 将所述目标输出结果通过解码器进行图像分割， 得到所述表盘图像和所述异常边界线 图像。 3.如权利要求2所述的仪表异常监测方法， 其特征在于， 所述三个并联的预设的神经网 络分支的参数共享。 4.如权利要求2所述的仪表异常监测方法， 其特征在于， 所述三个并联的预设的神经网 络分支均为残差网络结构。 5.如权利要求1所述的仪表异常监测方法， 其特征在于， 所述分别对所述表盘图像和所 述异常边界线图像进行直线检测， 得到指针向量和异常边界线向量， 包括： 分别对所述表盘图像和所述异常边界线图像进行二值化处理， 得到处理后的表盘图像 和处理后的异常边界线图像； 分别对所述处理后的表盘图像和所述处理后的异常边界线图像进行直线检测， 得到所 述指针向量和所述异常边界线向量。 6.如权利要求1所述的仪表异常监测方法， 其特征在于， 所述异常边界线图像中包括所 述待测仪表的轴心的位置 。 7.如权利要求6所述的仪表异常监测方法， 其特征在于， 所述分别对所述表盘图像和所 述异常边界线图像进行直线检测， 得到指针向量和异常边界线向量， 包括： 根据所述轴心 的位置， 将所述异常边界线图像分为两部分， 分别对每部分进行直线检 测， 得到所述异常边界线向量； 根据所述异常边界线图像在所述表盘图像中的相对位置， 对所述表盘图像进行直线检 测， 得到所述指针向量。 8.如权利要求7所述的仪表异常监测方法， 其特征在于， 所述异常边界线图像和所述表 盘图像均为经 过二值化处理后的图像。 9.如权利要求6所述的仪表异常监测方法， 其特征在于， 在对所述表盘图像进行直线检 测时， 将经 过所述轴心的向量判定为所述指针向量。 10.如权利要求1所述的仪表异常监测方法， 其特征在于， 采用预设的深度学习算法将 所述待测仪表的图像进行图像分割， 得到表盘图像和异常边界线图像。 11.一种仪表 异常监测装置， 其特 征在于， 包括： 获取单元， 用于获取待测仪表的图像；权　利　要　求　书 1/2 页 2 CN 115171043 A 2分割单元， 用于将所述待测仪表的图像进行图像分割， 得到表盘图像和异常边界线图 像； 检测单元， 用于分别对所述表盘图像和所述异常边界线图像进行直线检测， 得到指针 向量和异常边界线向量； 判断单元， 用于当所述指针向量在所述异常边界线向量之外， 判定所述待测仪表存在 异常。 12.如权利要求11所述的仪表异常监测装置， 其特征在于， 所述分割单元， 用于： 将三种 不同尺度的所述待测仪表的图像分别输入三个并联的预设的神经网络 分支， 得到三个输出 结果； 将三个所述输出结果进 行融合处理， 得到目标输出结果； 将所述目标输出结果通过解 码器进行图像分割， 得到所述表盘图像和所述异常边界线图像。 13.如权利要求12所述的仪表异常监测装置， 其特征在于， 所述三个并联的预设的神经 网络分支的参数共享。 14.如权利要求12所述的仪表异常监测装置， 其特征在于， 所述三个并联的预设的神经 网络分支均为残差网络结构。 15.如权利要求11所述的仪表异常监测装置， 其特征在于， 所述检测单元， 用于： 分别对 所述表盘图像和所述异常边界线图像进行二值化处理， 得到处理后的表盘图像和处理后的 异常边界线图像； 分别对所述处理后的表盘图像和所述处理后的异常边界线图像进行直线 检测， 得到所述指针向量和所述异常边界线向量。 16.如权利要求11所述的仪表异常监测装置， 其特征在于， 所述异常边界线图像中包括 所述待测仪表的轴心的位置 。 17.如权利要求16所述的仪表异常监测装置， 其特征在于， 所述检测单元， 用于： 根据 所 述轴心的位置， 将所述异常边界线图像分为两部分， 分别对每部 分进行直线检测， 得到所述 异常边界线向量； 根据所述异常边界线图像在所述表盘图像中的相对位置， 对所述表盘图 像进行直线检测， 得到所述指针向量。 18.如权利要求17所述的仪表异常监测装置， 其特征在于， 所述异常边界线图像和所述 表盘图像均为经 过二值化处理后的图像。 19.如权利要求16所述的仪表异常监测装置， 其特征在于， 所述检测单元， 还用于： 在对 所述表盘图像进行直线检测时， 将经 过所述轴心的向量判定为所述指针向量。 20.如权利要求11所述的仪表异常监测装置， 其特征在于， 所述分割单元， 还用于： 采用 预设的深度学习算法将所述待测仪表的图像进 行图像分割， 得到表盘图像和异常边界线图 像。 21.一种可读存储介质， 计算机可读存储介质为非易失性存储介质或非瞬态存储介质， 其上存储有计算机指 令， 其特征在于， 所述计算机指 令运行时执行权利要求 1至10中任一项 所述的仪表 异常监测方法。 22.一种仪表异常监测装置， 包括存储器和处理器， 所述存储器上存储有可在所述处理 器上运行的计算机指 令， 其特征在于， 所述处理器运行所述计算机指 令时执行权利要求 1至 10任一项所述的仪表 异常监测方法。权　利　要　求　书 2/2 页 3 CN 115171043 A 3