[發明專利]一種基于改進MaskR-CNN模型的指針式儀表示數自動識別方法

在審

• 申請號: 202210055200.1
• 申請日: 2022-01-18
• 公開（公告）號: CN114549878A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 趙偉
• 申請（專利權）人: 成都理工大學
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06V10/40;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T3/00;G06T7/11
• 代理公司: 濟南知來知識產權代理事務所(普通合伙) 37276
• 代理人: 曹麗

本發明提供一種基于改進Mask R?CNN模型的指針式儀表示數自動識別方法，包括以下步驟：對輸入儀表圖像進行分類和生成表盤特征的二值掩碼圖像；用基于Hough變換的透視變換法對表盤mask圖像進行校正；校正后的圖像經過基于SVD的最小二乘法擬合出指針線后，結合Mask R?CNN的分類結果進行指針儀表示數計算并輸出最終識別結果。該方法將深度學習模型與傳統圖像處理技術結合，能對背景噪聲復雜、電磁干擾強、光照不均等惡劣環境下的指針式儀表進行檢測，經驗證該方法靈活性高、應用場景廣、性能穩定。

技術領域

本發明設計指針式儀表示數自動識別的算法，具體涉及一種基于改進Mask R-CNN模型的指針式儀表示數自動識別方法。

背景技術

指針式儀表以其抗干擾能力強、使用壽命長等優勢，被廣泛應用在各類工業場所，尤 其在石油勘探一類干擾強、氣候多變、多輻射的復雜環境中。在這類工作環境中指針式儀 表負責對現場機械設備的工作狀態進行監測，目前指針式儀表讀數仍以人工抄錄為主。隨 著工業自動化、智能化的要求不斷提高，一些關于指針式儀表示數自動識別的算法相繼誕 生。主要分為基于傳統圖像處理技術的指針式儀表識別方法和基于深度學習模型的識別算 法。傳統算法運行速度快，但是靈活性差、抗干擾能力弱、對圖像質量要求偏高；基于深 度學習的算法應用場景廣、抗干擾能力強，但仍然存在許多可以改進優化的地方。

發明內容

針對現有技術存在的不足，本發明提出一種基于改進Mask R-CNN模型的指針式儀表示數自動識別方法，該方法將深度學習模型與傳統圖像處理技術結合，能對背景噪聲復雜、電磁干擾強、光照不均等惡劣環境下的指針式儀表進行檢測，經驗證該方法靈活性高、應用場景廣、性能穩定。

為了實現上述目的，本發明是通過如下的技術方案來實現：

一種基于改進Mask R-CNN模型的指針式儀表示數自動識別方法，包括以下步驟：

對輸入儀表圖像進行分類和生成表盤特征的二值掩碼圖像；

用基于Hough變換的透視變換法對表盤mask圖像進行校正；

校正后的圖像經過基于SVD的最小二乘法擬合出指針線后，結合Mask R-CNN的 分類結果進行指針儀表示數計算并輸出最終識別結果。

本發明的有益效果：

(1)針對原始Mask R-CNN在儀表特征邊緣處存在識別能力不足的問題，改進原始Mask R-CNN實例分割網絡，并提出基于改進Mask R-CNN的指針式儀表示數自動識別 算法。該算法利用主流的實例分割模型Mask R-CNN提取儀表特征信息，接著運用傳統 的圖像校正、指針線擬合等技術計算儀表示數。為了使網絡能夠適應小樣本數據集和提升 網絡的訓練效率，利用遷移學習的方法對改進后的Mask R-CNN實例分割網絡進行訓練。 改進后的Mask R-CNN實例分割平均精度(AP)提升了2％到3％，AP50達到了97.15％。

(2)為了提高指針式儀表示數自動識別算法對儀表示數的檢測精度，結合傳統圖像 校正算法和指針線檢測算法的缺陷，提出基于Hough變換的透視變換圖像校正算法和基于SVD的最小二乘法指針線檢測算法。這兩種方法減小了儀表的讀數計算誤差，實現了 對整個指針式儀表自動檢測算法識別精度的提升。最終，在15張指針儀表圖像上對比當 前多個性能優越的指針式儀表示數自動識別算法，提出的指針式儀表示數識別算法平均相 對誤差最低，其值為1.970％。

(3)為了滿足工業環境智能化、自動化要求，搭建了便于移植的工業指針式儀表示數自動識別算法框架，并設計了相應的人機交互軟硬件平臺。

具體實施方式

為使本發明實現的技術手段、創作特征、達成目的與功效易于明白了解，下面結合具 體實施方式，進一步闡述本發明。

一種基于改進Mask R-CNN模型的指針式儀表示數自動識別方法，包括以下步驟：