The invention discloses an accurate detection method for reading of digital display instrument in the field of pattern recognition and artificial intelligence technology, which includes: (1) data acquisition: taking instrument images containing reading areas by camera equipment; (2) data processing: manual labeling of instrument reading values and random rotation of instrument images; Stretching and translation transformation; (3) Deep network model construction and training: input instrument image and corresponding labeled data into depth network model for training; (4) Instrument reading detection: input instrument image, return the standard instrument reading image. The invention overcomes the shortcomings of the existing instrument reading extraction method, makes full use of the parameter learning ability of the depth network model, the antagonistic learning ability based on the depth network model and the physical meaning of the back propagation residual, and accurately detects the reading of the display instrument through the distribution of the learning data samples, thus having strong real-time and accurate performance. It has high rate and good practical value.
【技术实现步骤摘要】
一种数显仪表读数的精确检测方法
本专利技术涉及模式识别与人工智能
,具体的说,是涉及一种数显仪表读数的精确检测方法。
技术介绍
仪表读数的提取在各种测量和监测系统中具有广泛的应用,例如水电气热的抄表计费应用中,需要定期读取仪表读数;在监测系统中,也需要定期或实时地读取仪表读数,以实现对系统的监测与控制。仪表读数的提取目前主要有两种方式:一是采用人工读取的方式,例如人工抄表。这种方式费时费力,也不利于系统的自动化。二是采用对测量仪表进行数字化改造,可以直接输出数字化读数。这种方式往往需要较大的成本投入。例如对现有水表进行数字化改造,需要更换数字化水表,投入较大,也给使用带来不便。基于计算机视觉的仪表读数提取,通过摄像头拍摄仪表图像,利用计算机视觉技术自动提取仪表读数。该方法具有即装即用,无需改造原有测量仪表,成本低廉等特点。但是目前基于计算机视觉的仪表读数提取方法,主要采用传统图像处理的方法,通过图像二值化、边缘检测、图像分割等分离模块,实现仪表读取区域的提取。该方法容易受到图像噪声的干扰,准确率不高;并且检测速度慢、实用性低。上述缺陷,值得解决。
技术实现思路
为了克服现有仪表读数提取方法的不足,充分利用深度网络模型的参数学习能力,基于深度网络模型的对抗式学习能力和反传残差的物理意义,通过学习数据样本的分布,提供一种数显仪表读数的精确检测方法,本专利技术具有实时性强、准确率高等特点,具有较好的实用价值。本专利技术技术方案如下所述:一种数显仪表读数的精确检测方法,其特征在于,包括以下步骤:S1:数据获取:采用摄像设备拍摄包含读数区域的仪表图像;S2:数据处 ...
【技术保护点】
1.一种数显仪表读数的精确检测方法,其特征在于,包括以下步骤:S1:数据获取:采用摄像设备拍摄包含读数区域的仪表图像;S2:数据处理:对仪表读数值进行人工标注,并进行仪表图像的随机旋转、拉伸以及平移变换;S3:深度网络模型构建及训练:将仪表图像和相应标注数据输入到深度网络模型进行训练,训练过程中采用识别模型做弱监督参数学习;S4:仪表读数检测:输入仪表图像,系统返回一张规范的仪表读数图像。
【技术特征摘要】
1.一种数显仪表读数的精确检测方法,其特征在于,包括以下步骤:S1:数据获取:采用摄像设备拍摄包含读数区域的仪表图像;S2:数据处理:对仪表读数值进行人工标注,并进行仪表图像的随机旋转、拉伸以及平移变换;S3:深度网络模型构建及训练:将仪表图像和相应标注数据输入到深度网络模型进行训练,训练过程中采用识别模型做弱监督参数学习;S4:仪表读数检测:输入仪表图像,系统返回一张规范的仪表读数图像。2.根据权利要求1所述的数显仪表读数的精确检测方法,其特征在于,在所述步骤S1中,在拍摄的仪表图像中,仪表表盘读数部分占据图像面积的三分之二以上。3.根据权利要求1所述的数显仪表读数的精确检测方法,其特征在于,在所述步骤S2中,对拍摄的图像进行标注,标注内容为仪表读数,读数的每个数字之间使用“,”隔开。4.根据权利要求1所述的数显仪表读数的精确检测方法,其特征在于,所述步骤S3具体包括:S31:构建深度神经网络模型;S32:网络模型训练参数设定;S33:在随机初始化参数下进行深度神经网络的训练。5.根据权利要求4所述的数显仪表读数的精确检测方法,其特征在于,所述步骤S32中的深度神经网络模型包括参数预测模块和重采样模块:所述参数预测模块从仪表图像中提取读数的位置特征信息,通过卷积神经网络得到高级特征图,并由高级特征图预测得到反映图像旋转、缩放和平移特性的参数;所述重采样模块根据预测的参数对图像进行旋转、缩放和平移,重新采样后得到一张规范的...
【专利技术属性】
技术研发人员:金连文,高学,孙增辉,罗灿杰,
申请(专利权)人:深圳市云识科技有限公司,华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。