[發(fā)明專利]一種基于關鍵點檢測的儀表讀數(shù)方法

在審

• 申請?zhí)枺?/td>: 202111039693.1
• 申請日: 2021-09-06
• 公開（公告）號: CN113780310A
• 公開（公告）日: 2021-12-10
• 發(fā)明（設計）人: 汪小龍;陳俊彥
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 桂林文必達專利代理事務所(特殊普通合伙) 45134
• 代理人: 張學平

本發(fā)明涉及圖像處理領域，具體涉及一種基于關鍵點檢測的儀表讀數(shù)方法，包括：建立儀表關鍵點檢測訓練模型；獲取儀表圖像；基于訓練模型和儀表圖像獲取指針儀表的指針尖端點和中心點；用指針尖端點和中心點可以計算出指針的角度；根據(jù)角度?讀數(shù)映射表獲取指針儀表的讀數(shù)。本發(fā)明摒棄直接使用二值化的方式來檢測儀表的指針，而是使用基于深度學習的關鍵點檢測的方式來檢測指針儀表的兩個關鍵點，即指針的尖端和指針儀表的中心點。利用兩個關鍵點可以計算出指針的角度，然后根據(jù)各個范圍的角度?讀數(shù)映射來獲取此時指針儀表的讀數(shù)，從而提高了算法的魯棒性以及讀數(shù)的精確度。

技術領域

本發(fā)明涉及圖像處理領域，尤其涉及一種基于關鍵點檢測的儀表讀數(shù)方法。

背景技術

在自動化工廠、密集儀器實驗室以及醫(yī)院輻射區(qū)等區(qū)域，經(jīng)常需要通過儀表的示數(shù)來評估這些環(huán)境中不同設備的運轉狀況，如果采用人工讀數(shù)的方式，將對工人的身體健康造成極大的傷害，所以需要使用智能的方式來代替人工讀取儀表的示數(shù)。

在儀表讀數(shù)領域，研究方向大致分為兩大類。一種是研究一種智能儀表，從硬件角度實現(xiàn)自動報表讀取的智能設備，每當需要了解儀表的讀數(shù)的時候，只需要操作硬件即可將數(shù)據(jù)顯示出來。但是，硬件優(yōu)化的成本比較高，且需要長期進行額外的維護。二是通過研究一種合適、高效的方法來實現(xiàn)指針儀表的讀數(shù)功能，從而簡化繁瑣的人工操作步驟。在現(xiàn)有的一些儀表讀數(shù)算法中，大都采用的是圖像二值化的方法，將圖像直接二值化處理雖然處理方法簡單，但是也有非常大的弊端，極容易受到背景因素的影響，且對于光照因素非常敏感，除此之外，對于拍攝照片的硬件設備攝像頭的要求也比較高，如果拍攝的照片比較模糊，將損失指針儀表的刻度信息，這對于讀數(shù)的精度的影響是巨大的。除了直接進行二值化處理之外，還有類似模板匹配融合指針旋轉的方法來檢測指針儀表的讀數(shù)，該種方法同樣受儀表的背景因素影響極大，由于該種方法通過最高相應值來進行判斷指針的指向，故一旦背景花紋較多，很容易讓算法誤判導致讀數(shù)結果與真實結果大相徑庭。除了背景因素之外，指針掩膜的旋轉增量也是極為關鍵的因素，如果旋轉增量過小，那么每一次讀數(shù)所需要花費的時間過久，如果旋轉增量過大，雖然減少了讀數(shù)花費的時間，但是旋轉增量過大，導致讀數(shù)結果誤差非常大。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于關鍵點檢測的儀表讀數(shù)方法，旨在解決現(xiàn)有指針儀表讀數(shù)方法容易受到環(huán)境、光照影響而導致讀數(shù)的可靠性大大降低的問題。

為實現(xiàn)上述目的，本發(fā)明提供了一種基于關鍵點檢測的儀表讀數(shù)方法，包括：建立儀表關鍵點檢測訓練模型；獲取儀表圖像；基于訓練模型和儀表圖像獲取指針儀表的指針尖端點和中心點；用指針尖端點和中心點可以計算出指針的角度；根據(jù)角度-讀數(shù)映射表獲取指針儀表的讀數(shù)。

其中，在所述獲取儀表圖像之后，所述基于訓練模型和儀表圖像獲取指針儀表的指針尖端點和中心點之前，所述方法還包括判斷儀表圖像是否傾斜，若傾斜則進行糾偏。

其中，所述建立儀表關鍵點檢測訓練模型的具體步驟是：

建立神經(jīng)網(wǎng)絡訓練數(shù)據(jù)集；

通過人工標注軟件，對指針尖端點和中心點進行標注，生成對應指針儀表的標簽文件；

將標簽文件傳入Mask R-CNN網(wǎng)絡中進行迭代訓練，得到最終的訓練模型；

使用標準均方誤差函數(shù)對訓練模型的檢測效果進行評估。

其中，所述將標簽文件傳入Mask R-CNN網(wǎng)絡中進行迭代訓練，得到最終的訓練模型的具體步驟是：

將掩碼分支結構改成關鍵點分支結構；

確認損失函數(shù)；

基于標簽文件進行迭代訓練。

其中，所述關鍵點分支結構由兩組卷積層組成，第一組卷積層的大小為14x14x256，第二組卷積層大小為14x14x2。