一种仪表读取方法、设备及计算机可读存储介质技术

本发明专利技术公开了一种仪表读取方法、设备及计算机可读存储介质，其中，该方法包括：采集预设数量的仪表图像；然后，标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据；再然后，结合所述标注数据训练预设的卷积神经网络，得到预测网络；最后，向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数。本发明专利技术实现了一种高精度以及高效率的仪表读取方案，节省了仪表读取的系统资源消耗，提高了仪表读取的准确性，增强了用户体验。

An Instrument Reading Method, Equipment and Computer Readable Storage Media

The invention discloses an instrument reading method, a device and a computer readable storage medium, in which the method includes: acquiring a preset number of instrument images; then, labeling the dial area and key point area in the instrument image to generate labeling data; then, combining the labeling data, training the preset convolutional neural network to obtain the prediction network; finally, to obtain the prediction network; The prediction network imports the newly added instrument image to obtain the instrument reading in the instrument image. The invention realizes a high precision and high efficiency instrument reading scheme, saves the system resource consumption of instrument reading, improves the accuracy of instrument reading, and enhances the user experience.

【技术实现步骤摘要】
一种仪表读取方法、设备及计算机可读存储介质
本专利技术涉及电子
，尤其涉及一种仪表读取方法、设备及计算机可读存储介质。
技术介绍
现有技术中，指针式仪表由于其可靠性等诸多原因在工业现场中应用十分广泛。常见的指针式仪表有抗震压力表，水表等。在大数据的背景下，出于工业自动化和数据分析的需求，需要一种稳定可靠的算法让计算机能自动读取由摄像机自动拍摄的指针式仪表的示数。当前已有诸多基于计算机视觉的指针式仪表读数算法，这些算法主要分为两步：(1)图像配准；(2)表针定位。其中，图像配准主要解决摄像机视角造成的表盘旋转，扭曲等问题。图像配准大多为基于特征点的匹配算法，其特征点通常由ORB、SIFT等算法提取得到，表针定位通常基于霍夫直线变换或者其它手工设计的例如表针颜色等特征。但是，现有的指针式仪表读数方法大都具有以下缺点：(1)ORB或者SIFT等特征点提取算法大都较为耗时，对系统资源的需求较高，并且无法处理表盘可能不在图像的情况；(2)霍夫直线变换等表针检测算法不具有通用性。若系统需要同时处理多种表盘，就需要大量重复的调参工作。因此，现有技术中缺少一种稳定可靠的仪表读取方案。
技术实现思路
为了解决现有技术中的上述技术缺陷，本专利技术提出了一种仪表读取方法，该方法包括：采集预设数量的仪表图像；标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据；结合所述标注数据训练预设的卷积神经网络，得到预测网络；向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数。可选的，所述采集预设数量的仪表图像，包括：在所述仪表图像内确定所述表盘区域以及所述关键点区域，其中，所述表盘区域由所述仪表图像内的指针区域和读数区域确定；根据所述指针区域以及所述读数区域确定所述表盘区域的框型，其中，所述框型包括矩形框以及圆形框。可选的，所述标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据，包括：在所述仪表图像内确定与所述仪表读数相关的识别对象，作为所述关键点区域；在所述仪表图像内确定所述框型内的识别对象，作为所述表盘区域；分别在所述预设数量的仪表图像内标注所述表盘区域以及所述关键点区域；根据所述标注操作生成所述标注数据。可选的，所述结合所述标注数据训练预设的卷积神经网络，得到预测网络，包括：将所述预设的卷积神经网络分为检测子网络以及关键点定位子网络；结合所述标注数据以及所述检测子网络训练所述框型的位置回归以及框型分类，同时，结合所述标注数据以及所述关键点定位子网络训练所述关键点区域的位置。可选的，所述向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数，包括：导入新增的仪表图像；通过训练后的检测子网络确定所述新增仪表图像的表盘区域，同时，通过训练后的关键点定位子网络确定所述新增仪表图像的关键点区域；根据所述表盘区域以及所述关键点区域确定所述新增仪表图像的仪表读数。本专利技术还提出了一种仪表读取设备，该设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现：采集预设数量的仪表图像；标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据；结合所述标注数据训练预设的卷积神经网络，得到预测网络；向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数。可选的，所述计算机程序被所述处理器执行时实现：在所述仪表图像内确定所述表盘区域以及所述关键点区域，其中，所述表盘区域由所述仪表图像内的指针区域和读数区域确定；根据所述指针区域以及所述读数区域确定所述表盘区域的框型，其中，所述框型包括矩形框以及圆形框。可选的，所述计算机程序被所述处理器执行时实现：在所述仪表图像内确定与所述仪表读数相关的识别对象，作为所述关键点区域；在所述仪表图像内确定所述框型内的识别对象，作为所述表盘区域；分别在所述预设数量的仪表图像内标注所述表盘区域以及所述关键点区域；根据所述标注操作生成所述标注数据。可选的，所述计算机程序被所述处理器执行时实现：将所述预设的卷积神经网络分为检测子网络以及关键点定位子网络；结合所述标注数据以及所述检测子网络训练所述框型的位置回归以及框型分类，同时，结合所述标注数据以及所述关键点定位子网络训练所述关键点区域的位置；导入新增的仪表图像；通过训练后的检测子网络确定所述新增仪表图像的表盘区域，同时，通过训练后的关键点定位子网络确定所述新增仪表图像的关键点区域；根据所述表盘区域以及所述关键点区域确定所述新增仪表图像的仪表读数。本专利技术还提出了一种计算机可读存储介质，该计算机可读存储介质上存储有仪表读取程序，仪表读取程序被处理器执行时实现如上述任一项所述的仪表读取方法的步骤。实施本专利技术的仪表读取方法、设备及计算机可读存储介质，通过采集预设数量的仪表图像；然后，标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据；再然后，结合所述标注数据训练预设的卷积神经网络，得到预测网络；最后，向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数。实现了一种高精度以及高效率的仪表读取方案，节省了仪表读取的系统资源消耗，提高了仪表读取的准确性，增强了用户体验。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术仪表读取方法第一实施例的流程图；图2是本专利技术仪表读取方法第二实施例的流程图；图3是本专利技术仪表读取方法第三实施例的流程图；图4是本专利技术仪表读取方法第四实施例的流程图；图5是本专利技术仪表读取方法第五实施例的流程图；图6-1是本专利技术仪表读取方法的仪表图像示意图；图6-2是本专利技术仪表读取方法的另一仪表图像示意图；图7是本专利技术仪表读取方法的关键点定位子网络示意图。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。实施例一图1是本专利技术仪表读取方法第一实施例的流程图。一种仪表读取方法，该方法包括：S1、采集预设数量的仪表图像；S2、标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据；S3、结合所述标注数据训练预设的卷积神经网络，得到预测网络；S4、向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数。具体的，在本实施例中，首先，采集预设数量的仪表图像；然后，标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据；再然后，结合所述标注数据训练预设的卷积神经网络，得到预测网络；最后，向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数。具体的，在本实施例中，考虑到本实施例适用的广泛性，因此，在本实施例中，首先需要对采集的仪表图像进行初步的分析，而又因为仪表种类繁多，因此，需要确定仪表图像内的仪表类型，其中，仪表类型包括数值型仪表、指针型仪表等，其中，仪表类型还包括单指针型仪表以及多指针型仪表等。具体的，在本实施例中，对仪表图像进行初步分析后，在根据仪表图像的初步特征确定本实施例所需的表盘区域以及关键点区域，其中，表盘区域表示指针所在的区域，可以理解的是，若在多指针仪表的仪表图像内，其对应的表盘区域存在多个，可选的，若在多指针仪本文档来自技高网...

【技术保护点】
1.一种仪表读取方法，其特征在于，所述方法包括：采集预设数量的仪表图像；标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据；结合所述标注数据训练预设的卷积神经网络，得到预测网络；向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数。

【技术特征摘要】
1.一种仪表读取方法，其特征在于，所述方法包括：采集预设数量的仪表图像；标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据；结合所述标注数据训练预设的卷积神经网络，得到预测网络；向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数。2.根据权利要求1所述的仪表读取方法，其特征在于，所述采集预设数量的仪表图像，包括：在所述仪表图像内确定所述表盘区域以及所述关键点区域，其中，所述表盘区域由所述仪表图像内的指针区域和读数区域确定；根据所述指针区域以及所述读数区域确定所述表盘区域的框型，其中，所述框型包括矩形框以及圆形框。3.根据权利要求2所述的仪表读取方法，其特征在于，所述标注所述仪表图像内的表盘区域以及关键点区域，生成标注数据，包括：在所述仪表图像内确定与所述仪表读数相关的识别对象，作为所述关键点区域；在所述仪表图像内确定所述框型内的识别对象，作为所述表盘区域；分别在所述预设数量的仪表图像内标注所述表盘区域以及所述关键点区域；根据所述标注操作生成所述标注数据。4.根据权利要求3所述的仪表读取方法，其特征在于，所述结合所述标注数据训练预设的卷积神经网络，得到预测网络，包括：将所述预设的卷积神经网络分为检测子网络以及关键点定位子网络；结合所述标注数据以及所述检测子网络训练所述框型的位置回归以及框型分类，同时，结合所述标注数据以及所述关键点定位子网络训练所述关键点区域的位置。5.根据权利要求4所述的仪表读取方法，其特征在于，所述向所述预测网络导入新增的仪表图像，以获取所述仪表图像内的仪表读数，包括：导入新增的仪表图像；通过训练后的检测子网络确定所述新增仪表图像的表盘区域，同时，通过训练后的关键点定位子网络确定所述新增仪表图像的关键点区域；根据所述表盘区域以及所述关键点区域确定所述新增仪表图像的仪表读数。6.一种仪表读取设备，其特征在于，所述设备包括存...

【专利技术属性】
技术研发人员：罗红亮，杨科山，杨泽霖，
申请(专利权)人：深圳禾思众成科技有限公司，
类型：发明
国别省市：广东,44