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！

龙图腾网获悉南京工业大学申请的专利一种基于多分辨率深度特征学习的指针仪表读数识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117115791B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311180264.5，技术领域涉及：G06V20/60；该发明授权一种基于多分辨率深度特征学习的指针仪表读数识别方法是由焦文华;赵达设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本一种基于多分辨率深度特征学习的指针仪表读数识别方法在说明书摘要公布了：本发明公开了一种基于多分辨率深度特征学习的指针仪表读数识别方法，包括以下步骤：构建多分辨率形变卷积神经网络，确定网络的主干网络和关键点检测头；对仪表图像集中的每个仪表图像的仪表表征进行关键点标注，制作数据集；将预处理后的数据集输入多分辨率形变卷积神经网络进行训练得到可用于仪表表征关键点预测的多分辨率形变卷积神经网络；将巡检机器人的视屏帧输入已经训练好的网络中进而输出仪表的关键点坐标的预测结果；根据关键点坐标信息使用角度法得到仪表读数。本发明通过仪表的关键点进行读数识别，目标的简化和对空间有限范围的关注不仅有助于网络提供精确仪表读数而且能够大幅降低任务的复杂性。

本发明授权一种基于多分辨率深度特征学习的指针仪表读数识别方法在权利要求书中公布了：1.一种基于多分辨率深度特征学习的指针仪表读数识别方法，其特征在于：包括以下步骤： 步骤一：构建多分辨率形变卷积神经网络，确定网络的主干网络和损失函数； 步骤二：收集包括原始环境的仪表图像汇总得到仪表图像集，对仪表图像集中的每个仪表图像的仪表表征进行关键点标注，制作数据集；并采用包括数据增强的预处理对数据集进行扩充； 步骤三：将预处理后的数据集输入多分辨率形变卷积神经网络，进行迭代训练并进行测试，得到可用于仪表表征关键点预测的多分辨率形变卷积神经网络； 步骤四：通过巡检机器人获取环境视频，将视频帧输入已经训练好的多分辨率形变卷积神经网络中，输出该视频帧中包含的仪表的关键点坐标的预测结果； 步骤五：根据预测结果中的仪表表征的关键点坐标信息使用角度法进行仪表的读数数值计算，得到仪表读数； 步骤一中的多分辨率形变卷积神经网络包括空间局部特征增强模块、并行多分辨率子网络以及全局感知模块； 所述空间局部特征增强模块位于并行多分辨率子网络的头部，待识别的图像经过空间局部特征增强模块增强后输入至并行多分辨率子网络； 所述并行多分辨率子网络呈四层结构；第一层的高分辨率分支为下采样4倍，将经过增强后的图像经过一次卷积、四次倒残差块及对应的信息融合处理后输出至子网络的尾端；第二层分支为下采样8倍，将经过增强后的图像经过一次卷积、四次倒残差块及对应的信息融合后输出至子网络的尾端；第三层分支为下采样16倍，在第二层的一次卷积、一次倒残差块处理后的数据融合之后进行分支，该分支依次通过全局感知模块、三次倒残差块及其对应的三次信息融合处理后输出至子网络的尾端；第四层为下采样32倍，在第三层的全局感知模块、一次倒残差块处理后的数据融合之后进行分支，该分支通过全局感知模块、两次倒残差块及其对应的信息融合处理后输出至子网络的尾端；其中第一、二、三、四层网络分辨率逐层降低一半。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京工业大学，其通讯地址为：211816 江苏省南京市浦口区浦珠南路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。