一种基于深度学习的指针式仪表的自动读数的方法技术

本发明专利技术公开了一种基于深度学习的指针式仪表的自动读数的方法，包括以下步骤：S1.将需要检测的仪表图像输入利用卷积神经网络训练的仪表圆盘指针检测模型进行检测，得到仪表圆盘和指针的位置；S2.将需要检测的仪表图像进行二值化的处理，得到黑白的二值化图像；S3.根据得到的指针的位置信息，在二值化后的黑白图像进行剪裁，得到指针区域；S4.根据得到的指针区域，求出指针的偏向角度，再根据仪表的量程，得出相应的度数，从而实现指针式仪表的读数。本发明专利技术通过深度学习的方法检测出仪表圆盘和指针，利用得到的仪表圆盘和指针的位置信息，得到指针的偏向角度，进而根据仪表的量程得到仪表的读数，不仅精确性高，而且步骤简单，实用性强。

【技术实现步骤摘要】
一种基于深度学习的指针式仪表的自动读数的方法
本专利技术涉及计算机视觉
，更具体的说是涉及一种基于深度学习的指针式仪表的自动读数的方法。
技术介绍
随着模式识别技术、计算机技术等多种技术的不断完善和发展，机器视觉获得了巨大的进步与发展。目前在许多企业中，存在大量的仪表，仪表的读数都靠人工来完成，工作量很大而且误差率相对来说也比较高，所以发展指针式仪表自动读数是十分有必要的。现有的指针式仪表自动读数大多都是基于传统图像处理技术，有的方法提出首先利用卷积神经网络模型检测得到仪表目标图像；然后利用改进有效和准确的场景文本检测器(EAST)算法对仪表目标图像进行文本检测,再利用印刷体数字识别模型筛选出仪表刻度数字,得到仪表刻度数字的位置信息与数值；最后,通过仪表刻度数字的位置信息提取出仪表指针直线与仪表中心,通过识别出的数值结合角度法完成仪表读数识别。该方法在提取出指针直线与仪表中心的步骤中图像质量对于提取的结果影响较大，而且整个研究方法步骤较多，较为复杂。(徐发兵,吴怀宇,陈志环,喻汉.基于深度学习的指针式仪表检测与识别研究[J].高技本文档来自技高网...

【技术保护点】
1.一种基于深度学习的指针式仪表的自动读数的方法，用于通过图像信息来确定仪表的示数，其特征在于，包括以下步骤：/nS1.将需要检测的仪表图像输入利用卷积神经网络训练的仪表圆盘指针检测模型进行检测，得到仪表圆盘和指针的位置；/nS2.将需要检测的仪表图像进行二值化的处理，得到黑白的二值化图像；/nS3.根据得到的指针的位置信息，在二值化后的黑白图像进行剪裁，得到指针区域；/nS4.根据得到的所述指针区域，求出指针的偏向角度，再根据仪表的量程，得出相应的度数，从而实现指针式仪表的读数。/n

【技术特征摘要】
1.一种基于深度学习的指针式仪表的自动读数的方法，用于通过图像信息来确定仪表的示数，其特征在于，包括以下步骤：
S1.将需要检测的仪表图像输入利用卷积神经网络训练的仪表圆盘指针检测模型进行检测，得到仪表圆盘和指针的位置；
S2.将需要检测的仪表图像进行二值化的处理，得到黑白的二值化图像；
S3.根据得到的指针的位置信息，在二值化后的黑白图像进行剪裁，得到指针区域；
S4.根据得到的所述指针区域，求出指针的偏向角度，再根据仪表的量程，得出相应的度数，从而实现指针式仪表的读数。


2.根据权利要求1所述的一种基于深度学习的指针式仪表的自动读数的方法，其特征在于，S1中利用卷积神经网络训练仪表圆盘指针检测模型的具体方法为：
采集指针式仪表数据并进行标记；
将所采集到的指针式仪表数据和标记作为样本数据输入卷积神经网络中对所述卷积神经网络进行训练，得到所述仪表圆盘指针检测模型。


3.根据权利要求1所述的一种基于深度学习的指针式仪表的自动读数的方法，其特征在于，...

【专利技术属性】
技术研发人员：熊继平，李金红，陈泽辉，朱凌云，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：浙江;33