【技术实现步骤摘要】
一种基于语义分割的指针定位方法
本专利技术涉及图像处理与深度学习的
，尤其是指一种基于语义分割的指针定位方法。
技术介绍
指针式仪表作为一种监测装置具有读数方式简单、示数稳定和不易受干扰等多个优点，它也被广泛应用于工业生产和社会生活的各个方面，为生产生活提供了极大的便利。通过图像采集设备采集仪表图像进行自动读数的指针式仪表巡检方法相较于人工巡检方法具有适用范围广、精度高和稳定性高等优势，随着图像处理技术和深度学习技术的发展，这种方法也在逐步成为主流，该方法中的关键环节就包括指针的定位，指针定位信息的精确与否对于指针式仪表的最终读数具有重要影响。目前对于指针定位方法的研究与实现，主要集中在传统图像处理技术的应用上，具体通过滤波、灰度化、阈值化、边缘检测和直线检测等一系列图像处理技术实现指针定位信息的获取，这种方法虽然简单易行，但是泛化能力不足，对于不同环境下的各类型指针式仪表的指针定位并不具有普适性，需要频繁更换参数，而且精度不高。随着近年来深度学习技术的迅猛发展，使得使用神经网络进行指针定位成为可能，其中主要有...
【技术保护点】
1.一种基于语义分割的指针定位方法，其特征在于，包括以下步骤：/n1)指针式仪表数据的预处理与数据集的构建；/n2)针对识别对象及应用场景的特点，设计匹配的语义分割网络；/n3)对所设计的语义分割网络装载训练参数进行训练，训练完毕后得到指针分割模型；/n4)将待识别图像经预处理之后输入已训练的指针分割模型中，得到指针的像素级分割区域；/n5)通过图像处理技术对指针的像素级分割区域进行直线提取，并拟合出指针的位置方程以实现指针定位。/n
【技术特征摘要】
1.一种基于语义分割的指针定位方法，其特征在于，包括以下步骤：
1)指针式仪表数据的预处理与数据集的构建；
2)针对识别对象及应用场景的特点，设计匹配的语义分割网络；
3)对所设计的语义分割网络装载训练参数进行训练，训练完毕后得到指针分割模型；
4)将待识别图像经预处理之后输入已训练的指针分割模型中，得到指针的像素级分割区域；
5)通过图像处理技术对指针的像素级分割区域进行直线提取，并拟合出指针的位置方程以实现指针定位。
2.根据权利要求1所述的一种基于语义分割的指针定位方法，其特征在于，在步骤1)中，通过摄像机采集不同环境下的指针式仪表图像数据，并裁剪出表盘区域图像，通过图像处理技术对表盘区域图像进行滤波、图像增强和灰度化这些预处理操作，从而构建原始数据集，然后再将其中影响语义分割网络训练及测试的异常数据剔除，包括存在表面脏污、光照极端以及拍摄不全这些异常情况的原始数据，再对其余数据进行标注，标注内容为指针位置和类别，并对标注后数据进行数据增强以扩充数据集，其中数据增强包括：
a、添加随机频域噪声
在频域中用随机指数对噪声映射进行加权，再转换到空间域；
b、超像素法
在最大分辨率处生成图像的若干个超像素，并将其调整到原始大小，再将原始图像中所有超像素区域按设定比例替换为超像素，其它区域不改变；
c、随机镜像翻转
对输入图像进行随机镜像翻转。
3.根据权利要求1所述的一种基于语义分割的指针定位方法，其特征在于，在步骤2)中，结合识别对象及应用场景的特点构建相匹配的语义分割网络，包括以下步骤：
2.1)构建编码器网络
根据实时性和高精度要求构建编码器网络，该编码器网络主要由多个组合卷积模块组成，其结构为：
第一层为卷积层和激活层；
第二层为组合卷积模块A，它由一个深度卷积层、两个批归一化层、两个激活层和一个卷积层组成；
第三层为最大池化层；
第四层为组合卷积模块B，它由两个组合卷积模块A组成；
第五层为最大池化层；
第六层为组合卷积模块B；
第七层为最大池化层；
第八层为组合卷积模块C，它由一个组合卷积模块D和一个组合卷积模块A组成，其中组合卷积模块D由四个卷积层、三个批归一化层、两个激活层和一个叠加层组成；
第九...
【专利技术属性】
技术研发人员：田联房，郭月阳，杜启亮，陈承隆，
申请(专利权)人：华南理工大学，华南理工大学珠海现代产业创新研究院，
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。