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 ...
【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
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。