技术领域
[0001] 本
发明涉及设备台账建立技术领域，具体地说是一种基于图片识别的水文设备信息采集方法及系统。
背景技术
[0002] 对各种现场设备进行管理时，首要的工作是收集监测设备信息，建立各类设备台账，将设备信息录入到各台账中，为每台设备建立一个档案。然后对设备情况进行
跟踪，在其台账中记录其运行情况、运行状态及维修情况等，实现对其全生命周期的管理。
[0003] 对设备属性数据的收集和
整理是建立设备台账的关键，设备数据的准确和完整直接影响设备管理的
质量。目前通常的做法是，通过
软件系统手工逐个录入设备数据信息，或者将数据整理成
电子表格，成批导入设备台账。设备数据录入台账时，系统一般会根据设备的种类为其进行统一的编码，作为其在台账中的标识，通过该标识对其进行管理。并且可以将该标识以打印条码、写入RFID卡的形式输出，然后粘贴、绑定的设备，使得设备与台账可以一一对应，便于精确的管理。
[0004] 在进行数据录入时，一般是通过电脑进行，由于各监测
站点多是部署在野外，录入信息和进行标识的绑定容易出错，如果采用移动端App进行设备信息的采集时，一般采用手动录入，由于本身
硬件的限制，对于文字编辑类的工作，不方便且效率低，特别是测站数量以及监测设备种类、型号繁多，同样容易发生错误。
发明内容
[0005] 本发明
实施例中提供了一种基于图片识别的水文设备信息采集方法及系统，以解决
现有技术中手动录入设备台账容易出现错误的问题。
[0006] 为了解决上述技术问题，本发明实施例公开了如下技术方案：
[0007] 本发明第一方面提供了一种基于图片识别的水文设备信息采集方法，该方法包括以下步骤：
[0008] 预建模型文件；
[0009] 对现场设备进行照片采集，并上传至
服务器；
[0010] 调用模型文件，与采集到的照片进行匹
配对比；
[0011] 获得该设备的标识，通过该设备标识，得到该设备的技术参数信息；
[0012] 对该设备进行编码，与技术参数保存到设备台账中，完成设备数据的采集。
[0013] 结合第一方面，在第一方面第一种可能的实现方式中，预建模型文件包括以下步骤：
[0014] 对设备的照片和设备技术参数进行预采集；
[0015] 为每种设备生成唯一的编码；
[0016] 将照片按照设备保存到单独的文件夹，以生成的编码命名文件夹；
[0018] 以设备的唯一编码作为设备技术参数数据库的ID；
[0019] 通过TensorFlow
框架，对预采集的照片和设备技术参数进行
深度学习，得到模型文件。
[0020] 结合第一方面，在第一方面第二种可能的实现方式中，该方法还包括打印设备台账信息，和/或，将设备信息写入RFID射频卡。
[0021] 结合第一方面，在第一方面第三种可能的实现方式中，所述打印设备台账信息包括在设备信息录入设备台账后，可以通过蓝牙方式连接
打印机，以二维码的方式打印设备信息；
[0022] 所述将设备信息写入RFID射频卡包括通过移动端的NFC功能，将设备信息写入到RFID射频卡，粘贴绑定到设备上。
[0023] 本发明第二方面提供了一种基于图片识别的水文设备信息采集系统，该系统包括预建的模型文件，通过TensorFlow框架对设备的图片和技术参数进行深度学习得到；和/或，
[0024] 图片采集模
块，用于采集现场设备的图片；和/或，
[0025] 调用模块，用于调用服务器的模型文件；和/或，
[0026] 比对模块，用于将现场采集到的设备图片信息与模型文件进行对比，得到设备的技术参数；和/或，
[0027] 编码模块，用于对该设备进行编码，每个编码唯一；和/或，
[0028] 设备台账建立模块，将设备的编码和技术参数保存到设备台账中。
[0029] 结合第二方面，在第二方面第一种可能的实现方式中，该系统还包括：打印模块，用于将设备台账的信息进行打印；和/或，读写卡模块，用于读取RFID射频卡内的设备信息/将设备信息写入RFID射频卡。
[0030] 本发明第二方面所述的系统能够实现第一方面及第一方面的各实现方式中的方法，并取得相同的效果。
[0031] 由以上技术方案可见，本发明在设备数据信息的录入时，通过移动终端的APP对设备进行拍照，上传至服务器，调用深度学习后的模型文件，由照片自动匹配识别出设备的
属性信息，包括名称、类别、型号、技术参数等，保存到设备台账中，再通过App连接打印设备将设备的编码打印条码、或通过NFC写入RFID射频卡，即时粘贴
捆绑到设备上，这样可以简单、准确、高效地实现对设备信息的采集录入台账，尤其是对正在监测站点使用设备的数据收集，更能体现其效率高、准确性、易用性的优势。
附图说明
[0032] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033] 图1为一种基于图片识别的水文设备信息采集方法流程示意图；
[0034] 图2为本发明实施例所应用的一种基于图片识别的水文设备信息采集系统结构示意图。
具体实施方式
[0035] 为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0036] 如图1所示，一种基于图片识别的水文设备信息采集方法，该方法包括以下步骤：
[0037] S1、预建模型文件；
[0038] S2、对现场设备进行照片采集，并上传至服务器；
[0039] S3、调用模型文件，与采集到的照片进行匹配对比；
[0040] S4、获得该设备的标识，通过该设备标识，得到该设备的技术参数信息；
[0041] S5、对该设备进行编码，与技术参数保存到设备台账中，完成设备数据的采集；
[0042] S6、对设备台账信息进行打印，或将设备信息写入RFID射频卡。
[0043] S1中预建模型文件包括以下步骤：
[0044] S11、对设备的照片和设备技术参数进行预采集；
[0045] S12、为每种设备生成唯一的编码；如A设备编码为1001，B设备编码为1002；
[0046] S13、将图片按照设备保存到单独的文件夹，以生成的编码命名文件夹；如将A设备的图片保存到1001文件夹，B设备保存到1002文件夹；
[0047] S13、将设备的技术参数保存到数据库中；
[0048] S14、以设备的唯一编码作为设备技术参数数据库的ID；如以1001、1002作为A设备、B设备的ID；
[0049] S15、通过Google公司开源的TensorFlow框架，对预采集的照片和设备技术参数进行深度学习，得到模型文件。
[0050] 对现场设备进行照片采集可以通过拍照方式进行采集。
[0051] 在进行深度学习前可以设置相应的参数，包括图片的
位置、学习训练的次数(训练次数会影响到识别的质量)等，训练完毕后得出结果(模型文件)。
[0052] 调用模型文件时，调用TensorFlow的Api，通过训练得出的模型文件，对图片进行识别(此过程对用户透明)，得出设备的种类，(返回的结果是设备的编码，比如1001)，再在数据库中根据ID(1001)查找设备的技术参数，可以得知此次识别的设备为A设备，从而完成了一次识别的过程。可以节省手动输入、编辑文字的时间，大大提高了工作效率。
[0053] 在设备信息录入设备台账后，可以通过蓝牙方式连接打印机，以二维码的方式打印设备信息，或通过移动端的NFC功能，将设备信息写入到RFID射频卡，粘贴绑定到设备上。省去了手动输入数据而可能出现的错误；对于在用设备，在粘贴二维码或者绑定射频卡时，可以边采集设备信息边完成粘贴和绑定工作，可以做到现场打印写卡，现场粘贴绑定，避免了以前在办公室成批打印、写卡可能造成的不匹配错误。
[0054] 如图2所示，一种基于图片识别的水文设备信息采集系统包括预建的模型文件，通过TensorFlow框架对设备的图片和技术参数进行深度学习得到；和/或，图片采集模块，用于采集现场设备的图片；和/或，调用模块，用于调用服务器的模型文件；和/或，比对模块，用于将现场采集到的设备图片信息与模型文件进行对比，得到设备的技术参数；和/或，编码模块，用于对该设备进行编码，每个编码唯一；和/或，设备台账建立模块，将设备的编码和技术参数保存到设备台账中；和/或，打印模块，用于将设备台账的信息进行打印；和/或，读写卡模块，用于读取RFID射频卡内的设备信息/将设备信息写入RFID射频卡。
[0055] 本发明未详细提供的技术均可采用现有技术实现，包括：打印设备台账的信息、读取RFID射频卡内的设备信息/将设备信息写入RFID射频卡。
[0056] 以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种
修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
