[發明專利]一種指針式儀表讀數識別方法及裝置

有效

• 申請號: 201811597959.2
• 申請日: 2018-12-26
• 公開（公告）號: CN111368823B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 王曉東;徐方;王冠;姜楠;潘鑫;宋健
• 申請（專利權）人: 沈陽新松機器人自動化股份有限公司
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06V30/19;G06V10/82;G06N3/0464;G06N3/084;G06N3/0475;G06N3/094
• 代理公司: 沈陽科苑專利商標代理有限公司 21002
• 代理人: 鄭偉健

本發明提供的指針式儀表讀數識別方法及裝置，首先是通過深度學習的GAN算法，從圖片或視頻中提取儀表盤及指針信息，然后再通過深度學習的分類算法，直接獲取最終結果，深度學習的GAN算法，通過同時提高一對生成和判斷模型來實現圖片或視頻的處理，不同于傳統算法的人工設計特征算法，深度學習是通過不斷的修正參數，自行尋找特征，因此能適用于復雜環境中的所有類型指針，通過GAN算法提取指針和表盤后，再通過深度學習的分類算法，一步到位直接獲取表盤讀數，不需要人工看表，節省人力，簡化了處理步驟，提高了精度。

技術領域

本發明涉及圖像處理領域，特別涉及一種指針式儀表讀數識別方法及裝置。

背景技術

指針式儀表是目前生產過程中非常普遍的測量儀表之一，不僅種類多，而且數量大。目前，國內對這類儀表的檢定工作多采用人工觀測儀表盤指針讀數，這種傳統方法受檢測人員的操作經驗、工作態度、業務水平和精神狀態等其他主觀因素的影響，存在勞動強度大、生產效率低、檢測誤差大、可靠性差等問題。另外，在高溫、輻射、野外等比較惡劣的工作環境下，通常不適于人工監測指針式儀表的讀數，這種情況下，圖像識別得到了越來越多的應用。傳統的算法多是針對較為簡單的情況，對人工預處理(比如把表盤放到圖片中間，并放大到整張圖片，去掉周圍的背景等等)過的圖片進行操作，并且只能識別特定形狀的指針，不能很好的滿足目前的工作需要。

發明內容

本發明實施例提供了一種指針式儀表讀數識別方法及裝置，簡化處理步驟，節省人力，也可以提高識別精度。

本發明提供一種指針式儀表讀數識別方法，所述方法包括：

獲取所需數量的指針式儀表的表盤圖像數據，所述表盤圖像數據具有多張表盤圖片；

對所述表盤圖片進行圖像處理得到具有指針的第一裸表盤圖片，將每張第一裸表盤圖片與相應的表盤圖片組成圖片對；

利用所述圖片對建立第一訓練集，并使用GAN算法對所述第一訓練集進行訓練得到裸表盤圖像模型；

采集不同讀數的第二裸表盤圖片，利用所述第二裸表盤圖片建立第二訓練集，利用卷積神經網絡對所述第二訓練集進行訓練得到讀數識別模型，其中，不同讀數對應不同的類別；

實時獲取目標指針式儀表的待讀表盤圖像，將所述待讀表盤圖像輸入所述裸表盤圖像模型得到待讀裸表盤圖片，將所述待讀裸表盤圖片輸入所述讀數識別模型進行分類得到所述目標指針式儀表的讀數。

作為一種可選的方案，所述利用所述圖片對建立第一訓練集，并使用GAN算法對所述第一訓練集進行訓練得到裸表盤圖像模型，包括：

通過偏移、旋轉或增加噪音的方式將所述圖片對的數量進行擴充形成第一訓練集，利用Pix2Pix算法對所述第一訓練集進行訓練得到裸表盤圖像模型。

作為一種可選的方案，所述采集不同讀數的第二裸表盤圖片，利用所述第二裸表盤圖片建立第二訓練集，利用卷積神經網絡對所述第二訓練集進行訓練得到讀數識別模型，包括：

對指針式儀表不同度數時對應的第二裸表盤圖片進行采集，根據讀數進行類的劃分，每一類中至少采集一張第二裸表盤圖片，通過偏移、旋轉或增加噪音的方式將所述第二裸表盤圖片進行擴充得到第二訓練集，利用卷積神經網絡對所述第二訓練集進行訓練得到讀數識別模型。

作為一種可選的方案，所述實時獲取目標指針式儀表的待讀表盤圖像，將所述待讀表盤圖像輸入所述裸表盤圖像模型得到待讀裸表盤圖片，將所述待讀裸表盤圖片輸入所述讀數識別模型進行分類得到所述目標指針式儀表的讀數，包括：

實時獲取目標指針式儀表的待讀表盤圖像，將所述待讀表盤圖像輸入所述裸表盤圖像模型，利用所述Pix2Pix算法和所述裸表盤圖像模型得到待讀裸表盤圖片，將所述待讀裸表盤圖片輸入所述讀數識別模型進行分類得到所述目標指針式儀表的讀數。