[發明專利]儀表盤指針讀數識別方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202011016452.0
• 申請日: 2020-09-24
• 公開（公告）號: CN112115893A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 胡懋成;王秋陽;肖娟
• 申請（專利權）人: 深圳市賽為智能股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 馮筠

本發明涉及儀表盤指針讀數識別方法、裝置、計算機設備及存儲介質，該方法包括獲取儀表盤的圖像，以得到初始圖像；將初始圖像輸入至目標檢測模型內進行目標檢測，以得到目標檢測結果；根據目標檢測結果裁剪初始圖像，以得到儀表圖像；將儀表圖像輸入至關鍵點檢測模型內進行指針關鍵點檢測，以得到關鍵點信息；將儀表圖像輸入至刻度識別模型內進行刻度位置識別，以得到刻度數字信息；結合關鍵點信息以及刻度數字信息獲取指針角度；根據指針角度確定指針所對應的刻度數值，以得到讀數結果；反饋讀數結果至終端，以在終端顯示讀數結果。本發明實現可識別多種儀表盤，識別精確率高，且采用OCR識別刻度，實現端到端的指針角度識別，普適性高。

技術領域

本發明涉及儀表盤讀數方法，更具體地說是指儀表盤指針讀數識別方法、裝置、計算機設備及存儲介質。

背景技術

指針儀表是一種在電力行業中普遍被使用的儀器，然而，鑒于電力行業通常會有電磁輻射，高溫等環節的影響，人工巡檢面臨著不少的挑戰，同時，為了提高工作流程自動化，智能化，提高整體電網的工作效率，一種先進的自動化指針儀表識別方案是非常有意義的。

目前市場上涉及指針儀表自動識別的算法主要以圖像處理居多，近幾年，隨著深度學習的蓬勃發展，深度學習也逐漸滲入到指針儀表自動識別這一應用領域中。中國專利CN201611257983.2公開了一種儀表刻度識別方法，通過利用邊緣濾波卷積核對待識別圖像進行處理，獲得邊緣強度圖和邊緣方向圖；從邊緣強度圖和邊緣方向圖中提取出單像素輪廓；在單像素輪廓中篩選出符合條件的候選刻度；將單個候選刻度串聯成連續的刻度隊列；補全刻度隊列中缺失的刻度；對較長的刻度隊列進行分析，判斷其是否滿足儀表盤刻度的特征，該專利可以配合指針識別算法，利用距離法來獲得儀表讀數，但是該方法利用形態學特征去做刻度檢驗，需要人工精細調節多個閾值，且對于不同類型的表，這些閾值都需要重新調節設定；即使是同類型的表，如果從不同距離不同角度拍攝，這些閾值也需要重新設定，除此之外，該方法的另一局限性在于首末刻度是通過刻度隊列中的相對位置來確定的，如果首末刻度的單像素輪廓由于干擾因素未被檢測到，那么該方法中的刻度補全機制只能補全位于中間位置的刻度，不能補全位于首尾的刻度，最終的讀數就會產生偏移。中國CN201910153856.5公開了基于深度學習的巡檢機器人儀表自動檢測識別方法，該專利雖然是實用深度學習模型進行儀表檢測和識別，但是使用的模型結構落后，在進行讀數時需要結合儀表的種類，通過配置文件進行指針示數識別，無法進行端到端識別，缺少普適性。

因此，有必要設計一種新的方法，實現可識別多種儀表盤，識別精確率高，實現端到端的指針角度識別，普適性高。

發明內容

本發明的目的在于克服現有技術的缺陷，提供儀表盤指針讀數識別方法、裝置、計算機設備及存儲介質。

為實現上述目的，本發明采用以下技術方案：儀表盤指針讀數識別方法，包括：

獲取儀表盤的圖像，以得到初始圖像；

將初始圖像輸入至目標檢測模型內進行目標檢測，以得到目標檢測結果；

根據所述目標檢測結果裁剪所述初始圖像，以得到儀表圖像；

將儀表圖像輸入至關鍵點檢測模型內進行指針關鍵點檢測，以得到關鍵點信息；

將所述儀表圖像輸入至刻度識別模型內進行刻度位置識別，以得到刻度數字信息；

結合所述關鍵點信息以及刻度數字信息獲取指針角度；

根據指針角度確定指針所對應的刻度數值，以得到讀數結果；

反饋所述讀數結果至終端，以在終端顯示所述讀數結果；

其中，所述目標檢測模型是通過若干個帶有儀表坐標及類別標簽的圖像作為樣本集訓練YOLOv3網絡所得的；