一种精密空调目标数据提取方法、装置及存储介质与流程

本技术涉及图像识别，特别是涉及一种精密空调目标数据提取方法、装置及存储介质。

背景技术：

1、精密空调一般指恒温恒湿空调，精密空调是工艺性空调中的一种类型，通常我们把对室内温、湿度波动和区域偏差控制要求严格的空调称之为恒温恒湿空调，即精密空调。

2、在工业生产中，为了对生产环境的温度和湿度进行更好地调控，经常需要获取精密空调的实时温度和湿度等数据。最直观的获取方式即通过人工观察每个精密空调的led显示屏，通过显示屏上的图像获取数据信息。然而，对于一些精密空调数量较多的场景，通过人工观测并进行记录的方式获取数据效率较低，人工介入的成本较大。而且精密空调的led显示屏本身较小，其上的数据信息所占面积更小，即图像中有效信息的面积占比较小。现有的图像数据提取方法普遍适用于对有效信息占比较大的图像进行数据提取，在上述场景中，对精密空调led显示屏上的数据的提取效果并不理想。

3、针对相关技术中存在的对精密空调led显示屏上的数据提取效果不佳的问题，目前还没有提出有效的解决方案。

技术实现思路

1、在本实施例中提供了一种精密空调目标数据提取方法、装置及存储介质，以解决相关技术中对精密空调led显示屏上的数据提取效果不佳的问题。

2、第一个方面，在本发明中提供了精密空调目标数据提取方法，所述方法包括：

3、获取精密空调图像，所述精密空调图像至少包括用于显示精密空调目标数据的精密空调显示屏；

4、通过预训练的深度学习网络模型对所述精密空调图像中的精密空调目标数据进行定位，确定所述精密空调目标数据对应的目标区域图像；

5、通过光学字符识别算法对所述目标区域图像进行文本提取，得到所述精密空调目标数据。

6、在其中的一些实施例中，所述方法在通过预训练的深度学习网络模型对所述精密空调图像中的精密空调目标数据进行定位之前还包括：

7、校正所述精密空调图像，直至所述精密空调图像中所述精密空调显示屏的数据显示方向与目标方向平行。

8、在其中的一些实施例中，所述校正所述精密空调图像，直至所述精密空调显示屏的数据显示方向与目标方向平行包括：

9、对所述精密空调图像进行高斯模糊和二值化处理得到第一图像；

10、根据所述第一图像的像素分布，确定所述精密空调图像的最小外接矩形，根据所述精密空调图像的最小外接矩形确定当前的所述精密空调显示屏的数据显示方向；

11、根据当前的所述精密空调显示屏的数据显示方向相对于所述目标方向的倾斜角度和所述精密空调图像的中心点对所述精密空调图像进行仿射变换。

12、在其中的一些实施例中，所述方法在通过预训练的深度学习网络模型对所述精密空调图像中的精密空调目标数据进行定位之前还包括：

13、对所述精密空调图像进行闭运算处理和阈值分割处理得到第二图像；

14、检测所述第二图像中的物体轮廓，对所述精密空调显示屏的数据显示方向上间距小于预设像素个数的物体轮廓进行合并，得到第三图像；

15、在所述第三图像中，计算每个所述物体轮廓的面积，将面积小于预设值的所述物体轮廓确定为目标轮廓，根据所述目标轮廓相邻区域的像素值确定所述目标轮廓的像素值。

16、在其中的一些实施例中，所述预设像素个数为5。

17、在其中的一些实施例中，所述根据所述目标轮廓相邻区域的像素值确定所述目标轮廓的像素值包括：

18、将所述目标轮廓的像素值替换为所述目标轮廓相邻区域的像素值。

19、在其中的一些实施例中，所述方法还包括：

20、通过预训练的所述深度学习网络模型对所述精密空调图像进行识别，得到与所述精密空调目标数据相对应的数据类别，并将所述数据类别作为对应的精密空调目标数据的标签。

21、第二个方面，在本发明中还提供了一种精密空调目标数据提取方法，所述方法包括：

22、获取精密空调图像，所述精密空调图像至少包括用于显示精密空调目标数据的精密空调显示屏区域；

23、校正所述精密空调图像，直至所述精密空调图像中所述精密空调显示屏的数据显示方向与目标方向平行；

24、对所述精密空调图像进行闭运算处理和阈值分割处理得到第二图像；

25、检测所述第二图像中的物体轮廓，对所述数据显示方向上间距小于预设像素个数的物体轮廓进行合并，得到第三图像；

26、在所述第三图像中，计算每个所述物体轮廓的面积，将面积小于预设值的所述物体轮廓确定为目标轮廓，根据所述目标轮廓相邻区域的像素值确定所述目标轮廓的像素值，得到第四图像；

27、通过预训练的深度学习网络模型对所述第四图像中的精密空调目标数据进行定位，确定所述精密空调目标数据对应的目标区域图像；

28、通过光学字符识别算法对所述目标区域图像进行文本提取，得到所述精密空调目标数据。

29、第三个方面，在本发明中提供了一种精密空调目标数据提取装置，包括：

30、图像获取模块，用于获取精密空调图像，所述精密空调图像包括用于显示精密空调目标数据的精密空调显示屏；

31、图像定位模块，用于通过预训练的深度学习网络模型对所述精密空调图像中的精密空调目标数据进行定位，确定所述精密空调目标数据对应的目标区域图像；

32、数据提取模块，用于通过光学字符识别算法对所述目标区域图像进行文本提取，得到所述精密空调目标数据。

33、第四个方面，在本发明中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的精密空调目标数据提取方法。

34、与相关技术相比，本发明具有以下有益效果：

35、1、在本发明提供的精密空调目标数据提取方法中，通过预训练的深度学习网络模型对精密空调图像中的精密空调目标数据进行定位，确定与精密空调目标数据对应的目标区域图像，再通过光学字符识别算法对目标区域图像进行文本提取，得到精密空调目标数据。通过深度学习网络模型和光学字符识别算法的结合，先对精密空调目标数据进行定位，得到有效信息较多的目标区域图像，再进行文本提取，有效提高对精密空调目标数据提取的准确率，解决了现有的相关技术中对精密空调目标数据提取效果不佳的问题。而且，本方法能够自动获取温度、湿度等相关数据，实时监测数据的变化情况，降低人工介入的成本，提高对精密空调目标数据提取的效率。

36、2、本发明中，在通过预训练的深度学习网络模型对精密空调图像中的精密空调目标数据进行定位之前还可以校正精密空调图像，直至精密空调显示屏的数据显示方向与目标方向平行。校正后的精密空调图像中，数据显示方向与深度学习网络模型的基本识别过程相适应，能够方便深度学习网络模型对精密空调目标数据进行更好地定位。

37、3、本发明中，在通过预训练的深度学习网络模型对精密空调图像中的精密空调目标数据进行定位之前还包括：对精密空调图像进行闭运算处理和阈值分割处理得到第二图像；检测第二图像中的物体轮廓，对数据显示方向上间距小于预设像素个数的物体轮廓进行合并，得到第三图像；在第三图像中，计算每个物体轮廓的面积，将面积小于预设值的物体轮廓确定为目标轮廓，根据目标轮廓相邻区域的像素值确定目标轮廓的像素值。替换后的精密空调图像中，一些较小的无关内容被去除，从而减少这些无关内容对精密空调目标数据提取的影响。

38、本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。