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！

摘要：本发明公开了一种基于深度学习的指针式仪表示数识别方法，通过在改进的YOLOv8模型中，将原有的C2f模块替换为FasterC2f模块，能够显著提升检测性能；在主干网络中添加EMA注意力机制模块，在检测头部分使用Dyhead检测头并增加小目标检测层，能够增强复杂背景和小目标检测的表现；在颈部结构中，通过Slim‑Neck结构和TGC模块实现了三输入通道的高效融合，进一步提高了模型的检测精度和鲁棒性。通过改进的CRNN模型中，将ResNet18作为主干网络结合CBAM注意力机制，能够提高量程识别的准确性和鲁棒性。本发明能够实现指针式仪表示数的高效、准确读取。

主权项：1.一种基于深度学习的指针式仪表示数识别方法，其特征在于，包括：1构建仪表检测数据集和量程识别数据集；2构建改进的YOLOv8模型，包括：将Backbone部分的C2f模块替换为FasterC2f模块，FasterC2f模块通过将C2f模块中的Bottleneck模块替换为FasterBlock模块形成；在Backbone部分SPPF层后添加EMA注意力机制模块；将Neck部分前三个concat替换为TGC模块，在Neck部分引入Slim-Neck结构，Slim-Neck结构包括GSConv和VoV-GSCSP，将Neck部分的Conv替换为GSConv，将Neck部分的前三个C2f模块替换为VoV-GSCSP，将Neck部分的后三个C2f模块替换为FasterC2f模块；替换的三个FasterC2f模块中，前两个FasterC2f模块后添加EMA注意力机制模块；在Head部分使用Dyhead检测头并添加160×160小目标检测层；3构建改进的CRNN模型，包括：使用ResNet18作为主干网络并添加CBAM注意力机制；4利用仪表检测数据集对改进的YOLOv8模型进行训练，利用量程识别数据集对改进的CRNN模型进行训练；5利用经训练的改进的YOLOv8模型对输入图像进行检测，检测结果分别输入经训练的改进的CRNN模型和预先训练的U2net模型中，经训练的改进的CRNN模型识别出仪表量程，预先训练的U2net模型进行指针及刻度分割，结合识别出的仪表起始量程刻度数值和终止量程刻度数值，完成仪表最终读数。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于深度学习的指针式仪表示数识别方法