龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：湘潭大学
申请日：2024-03-28
公开（公告）日：2024-06-21
公开（公告）号：CN118230123A
主分类号：G06V10/82
分类号：G06V10/82;G06V10/26;G06V30/148;G06V30/19;G06V10/774;G06V10/40;G06V30/18;G06V10/764;G06N3/042;G06N3/0464;G06N3/08;G06N5/04
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于改进的YOLOv8网络和图卷积网络推理的高鲁棒电梯按钮检测方法。通过综合运用YOLOv8目标检测模型、光学字符识别技术和图卷积网络，实现了对电梯按钮的高效、准确检测。该方法首先采集不同电梯按钮面板的图像构建数据集，然后利用YOLOv8模型进行检测，并结合光学字符识别技术识别按钮上的文字信息。接着，利用图卷积网络对电梯按钮面板进行建模，并对图中的节点进行分类，从而实现对电梯按钮的准确识别和分类。该方法的综合应用提高了电梯按钮检测的准确性和鲁棒性，为移动机器人的电梯搭乘和操作任务提供了可靠的技术支持。
主权项：1.一种基于改进的YOLOv8网络和图卷积网络推理的高鲁棒电梯按钮检测方法，其特征在于，包括以下步骤：步骤1、采集大量不同电梯按钮面板的图像信息构建数据集；步骤2、搭建YOLOv8网络结构，采用所述数据集对所述YOLOv8网络结构进行训练；步骤3、搭建图卷积网络结构，采用所述数据集对所述图卷积网络结构进行训练；步骤4、将训练好的YOLOv8模型对实际电梯图片进行检测，通过模型检测出图像中的电梯按键位置；步骤5、对步骤4检测到的电梯按键进行裁切，即将按键所在区域从原始图像中剪切出来，得到按钮图像块；步骤6、对步骤5裁切得到的每个按钮图像块，利用光学字符识别OCR模型对图像块上的字符进行识别，得到按键的标签和相对应的置信度；步骤7、使用训练好的图卷积模型和步骤4中YOLOv8的检测结果对实际电梯面板进行建模并预测，如果步骤6中光学字符识别的置信度小于0.7，则用图卷积模型预测的按键类别替换光学字符识别的类别。
全文数据：
权利要求：
百度查询： 湘潭大学 一种基于改进的YOLOv8网络和图卷积网络推理的高鲁棒电梯按钮检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号