一种基于径向灰度的指针仪表自动读数方法技术

本发明专利技术公开了一种基于径向灰度的指针式仪表自动读数方法。所述方法包括：构建并训练表盘刻度分割卷积神经网络；计算仪表的圆心和刻度半径；表盘刻度数字定位识别；分别统计刻度分割图像，刻度示数图像和指针阈值分割图像的半径方向像素点灰度值总和；根据统计结果分段计算每段刻度的分度值，完成自动读数。本发明专利技术能适用于各类指针式仪表的读数需求，基于径向灰度统计的策略能实现精度高、鲁棒性强的仪表自动读数方法。

【技术实现步骤摘要】
一种基于径向灰度的指针仪表自动读数方法
本专利技术属于工业计算机视觉领域，具体涉及一种基于径向灰度统计的指针式仪表自动读数方法。
技术介绍
指针式仪表因为其结构简单、造价低廉和抗电子干扰等特点，被广泛用于生产生活中。但由于其数值难以通过电子式传感器得到，许多场景如仪表质量检测、工厂仪表巡检往往需要人工读取仪表示数。然而人工仪表读数费时费力、增加劳动成本，长时间的重复读数容易引起视觉疲劳导致读数误差，一些工厂里频繁的人工巡检设备也容易增大设备和人员的安全隐患。通过机器视觉检测的方法设计一套高精度、全自动的仪表读数的方法能有效提高设备生产率、降低人工成本。目前，大部分基于机器视觉的仪表自动读数都是基于角度来完成的，整个步骤一般分为表盘信息提取、指针检测和自动读数三个步骤。表盘信息提取常见的方法有模板匹配、阈值分割和特征向量判别等方法，其中模板匹配方法只适用于确定样式的仪表，泛化性能一般；阈值分割类方法对光照和背景的要求较高；手工设计特征算子过程复杂且依赖经验，这些原因使得表盘的轮廓提取、圆心定位和初始刻度检测都将产生系统误差并被引入后续读数本文档来自技高网...

【技术保护点】
1.一种指针仪表自动读数方法，其特征在于，包括以下步骤；/n步骤A、构建仪表刻度分割模型，其中所述刻度分割模型为使用改进的图像分割深度神经网络训练得到；/n步骤B、将仪表图像输入到所述刻度分割模型中得到仪表刻度图像，在图像上计算仪表的圆心坐标和刻度半径长度；/n步骤C、构建刻度数字检测模型，确定仪表图像中单个刻度数字的数值和位置，再由聚类方法识别每个刻度对应数字的具体数值，检测刻度对应数字所在区域位置，所述单个刻度数字为阿拉伯数字0-9中的数字，所述刻度对应数字指的是刻度上具体的单位或多位阿拉伯数字；/n步骤D、对刻度分割图像、数字检测识别图像和仪表图像分别做图像增强，对增强后的图像分别计算其...

【技术特征摘要】
1.一种指针仪表自动读数方法，其特征在于，包括以下步骤；
步骤A、构建仪表刻度分割模型，其中所述刻度分割模型为使用改进的图像分割深度神经网络训练得到；
步骤B、将仪表图像输入到所述刻度分割模型中得到仪表刻度图像，在图像上计算仪表的圆心坐标和刻度半径长度；
步骤C、构建刻度数字检测模型，确定仪表图像中单个刻度数字的数值和位置，再由聚类方法识别每个刻度对应数字的具体数值，检测刻度对应数字所在区域位置，所述单个刻度数字为阿拉伯数字0-9中的数字，所述刻度对应数字指的是刻度上具体的单位或多位阿拉伯数字；
步骤D、对刻度分割图像、数字检测识别图像和仪表图像分别做图像增强，对增强后的图像分别计算其在每个半径方向的像素灰度值总和，得到刻度径向统计、数字径向统计和指针径向统计；
步骤E、分析指针刻度统计结果，分段计算仪表指针读数。


2.根据权利要求1所述的指针仪表自动读数方法，其特征在于，所述步骤A的分割模型是一个9层的改进型Unet深度卷积图像分割网络，，其中第1层包括2个普通卷积层和1个池化层；2-4层使用激活函数为LeakyReLU的残差卷积模块提取特征，再经过下采样压缩特征图尺寸；5-8层使用上采样恢复特征图尺寸，通过激活函数为LeakyReLU的残差卷积模块缩减特征图通道数；第9层包括2次普通卷积和一个SoftMax层，1-4层的卷积结果分别与5-9层的上采样的结果合并成新的特征图。


3.根据权利要求1所述的指针仪表自动读数方法，其特征在于，所述步骤B的圆心坐标计算方法包括：根据刻度分割连通域拟合直线交点；，将交点坐标转换为标准正态分布，根据交点样本的分布规律，保留均值附近特定比例的交点，求均值得到圆心坐标；所述刻度半径计算方法包括：统计刻度图像同心圆上像素灰度值总和，取总和极大值对应的半径最为刻度半径。


4.根据权利要求1所述的指针仪表自动读数方法，其特征在于，所述步骤C的聚类刻度对应数字数值的方法包括对每个仪表数字中心坐标...

【专利技术属性】
技术研发人员：刘博文，陈春燕，黄晁，袁敏杰，潘意杰，查兴兴，杨子江，赵忆，胡波，
申请(专利权)人：宁波中国科学院信息技术应用研究院，宁波中科集成电路设计中心有限公司，
类型：发明
国别省市：浙江;33