企业为我、我为企业、服务社会

方圆计量服务于电力、通信、医疗、轨道交通、电子电器、石化、化纤等生活息息相关的行业

公司新闻

行业新闻

首页

2023

基于机器视觉AI智能识别的计量器具信息检索系统研究与应用

本文研究一种基于机器视觉AI智能识别的计量器具信息检索系统，对建立起的计量器具数据库进行AI智能深度学习、存储，并对实物计量器具进行识别、检索及信息输出。

一、系统总体技术设计

1.功能需求

根据工作实践，该系统需要具备以下功能:准确识别实物器具；按需输出计量信息；良好的人机界面，使用方便、快捷。

2.系统总体技术框架

基于机器视觉AI智能识别的计量器具信息检索系统，包括计量器具离线深度学习、计量器具在线识别检索两部分。其中，计量器具离线深度学习在计量器具离线图像库上，训练深度学习分类算法直至识别准确率、识别时间满足需求；计量器具在线识别检索则通过摄像头或手机采集计量器具图像，在线识别计量器具种类，检索计量知识库，按需求输出计量信息。系统总体技术框架如图1所示。

二、计量器具数据库的建立

1.计量器具图库的建立

计量器具图库采用“一仪多图”的方式建库。每种计量器具选择型号不同、外观差异较大的多个器具进行拍摄，每个器具从不同角度拍摄多张照片，供系统深度学习，以提高系统识别实物的广度和准确度。

2.计量器具信息库的建立

建立检测资质范围内计量器具的信息库，包含每种计量器具的检测项目、检测范围、检测实验室、送样地点、检测周期、送检注意事项、检测资质、检测方法、收费标准等相关信息，供系统智能检索、输出信息。

三、算法及识别

1.算法模型

ResNet是目前深度化模型代表，ResNet模型由大量BottleNeck结构及卷积层、最大池化层构成。其中ResNet50算法模型由18个BottleNeck结构、1个7×7卷积层、1个最大池化层组成，7×7卷积层、池化层、降采样残差构造块(即每一级Stage)均将特征图分辨率降低1/2。

2.实现识别

采用ResNet50深度学习分类算法模型，对上述计量器具图库进行深度学习测试，在训练集上识别准确率为100%，在测试集上识别准确率为96.53%，判定项目可行。

四、系统的实现

1.研发基于机器视觉AI智能识别的计量器具信息检索系统装置

该装置由深度学习主机、相机、相机支架及显示器构成，可以准确识别各类计量器具并按需求输出器具名称、检测项目、检测范围、检测实验室、送样地点、检测周期、送检注意事项、检测资质、检测方法、收费标准等相关项信息。

2.开发手机端基于机器视觉AI智能识别的计量器具信息检索系统App/小程序

打开App/小程序，通过扫一扫功能启动手机摄像头，识别实物器具，输出计量器具名称、可出具报告种类、送检要求、检测周期、收费标准等相关信息。

五、结束语

基于大量计量器具不能被人工快速识别并准确判断相关信息的问题，本文采用ResNet深度学习分类算法及智能信息检索方法，结合计量器具数据库，研发了基于机器视觉AI智能识别的计量器具信息检索系统装置，代替人工去识别器具、输出信息，极大提高了前台收样人员的工作效率和准确度；同时减少了客户办理业务的时间，缩短了其他客户的等待时长，使客户满意度得到大幅提升。后期，将该系统与机构内的收样检务系统对接，则可实现客户24小时不间断地自助送检业务。

基于机器视觉AI智能识别的计量器具信息检索系统App/小程序的应用则可以方便客户自助查询各种送检要求、信息，减少电话咨询和现场咨询频次，从而提升客户服务体验。

能源计量信息化管理平台建设实例

打击电子计价秤“缺斤短两”，江苏在行动！

重拳出击！各地又一批计量违法违规行为被通报

2023-10-30

第二十届长三角检验检测机构高质量发展研讨会在宁波召开

2023-10-30

中检计量助力国产仪器“走出去”

2023-10-30