(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 202211170035.0 (22)申请日 2022.09.26 (71)申请人 福建 （泉州） 哈工大工程 技术研究院 地址 362000 福建省泉州市丰泽区软件园9 号楼 (72)发明人 罗冠泰　李瑞峰　张陈涛　赵紫阳　 汤思榕　林文伟　连超铭　梁培栋　 (74)专利代理 机构 泉州君典专利代理事务所 (普通合伙) 35239 专利代理师 杜慧真 (51)Int.Cl. G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01)G06V 10/82(2022.01) (54)发明名称 基于机器视觉的磁翻板液位读取方法、 装置 及可读介质 (57)摘要 本发明公开了一种基于机器视觉的磁翻板 液位读取方法、 装置及可读介质， 涉及磁翻板液 位读取领域， 通过获取磁翻板图像， 将磁翻板图 像输入经训练的磁翻板目标检测模 型， 得到磁翻 板目标子图像； 将磁翻板目标子图像输入经训练 的关键点检测模型， 得到关键点位置信息， 其中， 关键点检测模型采用改进的hourglass网络结 构； 将关键点位置信息进行位置分析， 得到磁翻 板液位读数。 先采用磁翻板目标检测模 型定位磁 翻板目标， 再采用关键点检测模 型定位液位计关 键刻度与液面， 最后通过简单的后处理过程计算 液位计读数， 算法稳定性好， 抗干扰性强， 读数精 度高， 解决现场对液位计进行抄录不仅耗费人 力， 还无法满足实时的全天候的监测需求， 读数 精度不高等问题。 权利要求书2页 说明书9页 附图8页 CN 115546539 A 2022.12.30 CN 115546539 A 1.一种基于 机器视觉的磁翻板液位读取 方法， 其特 征在于， 包括以下步骤： S1， 获取磁翻板图像， 将所述磁翻板图像输入经训练的磁翻 板目标检测模型， 得到磁翻 板目标子图像； S2， 将所述磁翻板目标子图像输入经训练的关键点检测模型， 得到关键点位置信息， 其 中， 所述关键点检测模型采用改进的hourglas s网络结构； S3， 将所述关键点 位置信息进行位置分析， 得到磁翻板液位读数。 2.根据权利要求1所述的基于机器视觉的磁翻 板液位读取方法， 其特征在于， 所述磁翻 板目标检测模型包括YOLO网络模型或S SD网络模型。 3.根据权利要求1所述的基于机器视觉的磁翻 板液位读取方法， 其特征在于， 所述步骤 S1还包括： 采集磁翻板图像并进行 标注， 得到目标检测数据集； 采用所述目标检测数据集对所述磁翻 板目标检测模型进行训练， 得到所述经训练的磁 翻板目标检测模型。 4.根据权利要求3所述的基于机器视觉的磁翻 板液位读取方法， 其特征在于， 所述步骤 S2还包括： S21， 将所述目标检测数据集输入所述经训练的磁翻板目标检测模型， 得到磁翻板子图 像数据， 并进行筛 选； S22， 对经过筛选后的所述磁翻板 子图像数据进行 标注， 得到关键点检测数据集； S23， 采用所述关键点检测数据集对所述关键点检测模型进行训练， 得到所述经训练的 关键点检测模型， 所述关键点检测模型训练时采用MSE损失函数， 并采用Adam优化策略。 5.根据权利要求1所述的基于机器视觉的磁翻 板液位读取方法， 其特征在于， 所述改进 的hourglass网络结构包括3层卷积层、 3层ReLU层、 1层Batch  Normaliz ation层及1个四阶 hourglass网络模块， 改进的一阶hourglass网络由两部分组成， 上半部分由1个Res层组成； 下半部分先经过降采样， 然后通过3个Res层， 再进 行升采样最后进 行两路合并； 改进的二阶 hourglass网络在改进的一阶hourglass网络结构的基础上， 由改进的一阶hourglass网络 取代其中一个Res层， 以此类 推， 进行逐级嵌套， 得到所述四阶hourglas s网络模块。 6.根据权利要求5所述的基于机器视觉的磁翻板液位读取方法， 其特征在于， 所述Res 层包括左半部分和右半部分， 左半部分包含三部分， 第一部分包含Batch  Normalization 层、 Relu层及输入通道数为M、 输出通道数为N/2、 卷积核为1 ×1的卷积层； 第2部分包含 Batch Normalization层、 Relu层及输入通道数为N/2、 输出通道数为N/2、 卷积核为3 ×3的 卷积层； 第3部分包含Batch  Normalization层、 Relu层及输入通道数为N/2、 输出通道数为 N、 卷积核为1 ×1的卷积层； 右半部分包含Batch  Normalization层、 Relu层及输入通道数为 M、 输出通道数为 N、 卷积核为1 ×1的卷积层， 最后进行两路合并。 7.根据权利要求1所述的基于机器视觉的磁翻 板液位读取方法， 其特征在于， 所述步骤 S3具体包括： 根据所述关键点 位置信息确定刻度关键点和液位顶端关键点； 根据所述液位顶端关键点的前一个刻度关键点 和后一个刻度关键点 的位置信息及对应的刻度值计算得到所述磁翻板液位读数：权　利　要　求　书 1/2 页 2 CN 115546539 A 2； 其中， 为level关键点的y坐标值， 为 关键点的y坐标值， 为 关键点的y坐标值， 为 关键点的刻度 值， 为 关键点的刻度值。 8.一种基于 机器视觉的磁翻板液位读取装置， 其特 征在于， 包括： 目标检测模块， 被配置为获取磁翻板 图像， 将所述磁翻板 图像输入经训练的磁翻板目 标检测模型， 得到磁翻板目标子图像； 关键点检测模块， 被配置为将所述磁翻板目标子 图像输入经训练的关键点检测模型， 得到关键点 位置信息， 其中， 所述关键点检测模型采用改进的hourglas s网络结构； 分析模块， 被 配置为将所述关键点 位置信息进行位置分析， 得到磁翻板液位读数。 9.一种电子设备， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑7中任一所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑7中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115546539 A 3