一种基于GBS-YOLOv5s的指针式仪表智能数显方法技术

本发明专利技术公开了一种基于GBS

【技术实现步骤摘要】
一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法


[0001]本专利技术涉及仪表读数
，尤其涉及一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法。

技术介绍

[0002]多年以来仪表识别的难点一直存在，摄像直读抄表，俗称"视觉抄表”，是一种通过手机或终端设备对水电气表拍照后利用图像识别算法将仪表照片自动识别为读数的智能抄表方案，具有使用范围广、安装简单、有图有真相、易于使用等特点，仪表表盘图像识别算法是视觉抄表中至关重要的一环。
[0003]现有技术在对指针仪表区域检测时，在网络参数量较大的情况下，以YOLOv5s网络进行检测，检测精度较低，为此，我们提出一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法。

技术实现思路

[0004]本专利技术主要针对于现有技术中在网络参数量较大的情况下，以YOLOv5s网络进行检测，检测精度较低的问题，提供一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法，提高了目标指针仪表在复杂工业环境中更加精确的检测指针仪表区域，使得指针仪表读数计算读数更加精确。
[0005]本专利技术的一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法，包括目标检测—图像倾斜矫正—图像处理—指针识别—仪表读数计算，具体步骤如下：
[0006]S1：目标检测，通过GhostBottleneck网络结构与SENet网络层融合构建新的GBS/>‑
YOLOv5s网络，通过GBS
‑
YOLOv5s检测指针仪表区域；
[0007]S2：图像倾斜矫正，对拍摄的倾斜的图像进行矫正，减少后续计算的误差；
[0008]S3：图像处理，通过灰度化、高斯滤波、K
‑
Means二值化对S2矫正后的图像进行处理；
[0009]S4：指针识别，采用虚拟旋转指针直线拟合方法构造一条虚拟旋转直线，与指针像素重合最多，确定指针位置；
[0010]S5：仪表读数计算，根据S4指针识别的位置，结合表盘的量程利用角度比例关系得到读数值。
[0011]优选的，所述S2的方法为：利用卷积神经网络提取以表盘刻度数字为中心的关键点，并采用最小二乘法对关键点进行椭圆拟合，结合椭圆变换理论使用透视变换对仪表图像进行第一次倾斜矫正，再根据一对关于仪表竖直中轴线对称的关键点计算仪表相对于水平方向的旋转角度，以拟合椭圆的几何中心为旋转中心，旋转仪表图像实现第二次矫正。
[0012]优选的，S3中K
‑
Means二值化的操作方法为：将输入数据看作样本集，通过K
‑
Means可以实现样本聚类，把相似的样本看作一个类别，此时K取2进行处理，即分为黑、白两类，高斯滤波的操作方法为：用一个模板扫描图像中的每一个像素，用模板确定的邻域内像素的
加权平均灰度值去替代模板中心像素点的值。
[0013]优选的，所述S4的方法为：仪表图像通过S3处理之后，虚拟旋转拟合直线再以右侧0
°
顺时针绕仪表中心旋转360
°
，当拟合直线旋转经过目标指针，通过记录像素的重合度信息的方法，重合度最多，确定指针位置，并记录此时的角度，虚拟旋转拟合直线计算公式如下：
[0014]x＝(x1‑
x0)
×
cos(i
×
π/180
°
)+x0ꢀꢀ
(1)
[0015]y＝(x1‑
x0)
×
sin(i
×
π/180
°
)+y0ꢀꢀ
(2)
[0016]其中，(x0,y0)是仪表盘中心的坐标，(x,y)是虚拟旋转直线端点的坐标，i是虚拟直线旋转的角度，x1是指针长度。
[0017]优选的，所述S5的方法为：以(x0,y0)为起点，(x,y)为终点构造一条虚拟旋转拟合直线，在进行直线拟合之前需先通过寻找像素位置程序找到仪表中每个整数数值的坐标，把这些整数坐标存放在数组中，计算每个整数对应的角度，然后通过直线拟合中记录的角度与整数对应的角度进行计算得到最后的识别结果，假设指针指向在整数刻度值a和b之间，以虚拟直线起始为0
°
，角度r计算公式以及识别结果t的公式如下：
[0018][0019]t＝a+|b
‑
a|
×
|(r
‑
r1)/(r2‑
r1)|
ꢀꢀ
(4)
[0020]其中，(x,y)是确定指针之后的端点坐标，(x0,y0)是仪表盘中心的坐标，r是指针指向的角度，r1是a刻度值对应的角度，r2是b刻度值对应的角度。
[0021]本专利技术具有如下有益效果：
[0022]本专利技术的一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法，包括目标检测—图像倾斜矫正—图像处理—指针识别—读数计算；本专利技术针对YOLOv5s的网络参数量较大，采用了GhostBottleneck网络结构与SENet网络层的融合进行检测精度上的提升，构建新的GBS
‑
YOLOv5s网络，通过对相同数据集进行对比测试，测试结果GBS
‑
YOLOv5s网络在检测精度方面优于YOLOv5s网络，在保证速度不变的情况下，提高了目标指针仪表在复杂工业环境中更加精确的检测指针仪表区域，从而使得指针仪表读数计算读数更加精确，同时还能降低仪表读数计算的时间。
附图说明
[0023]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
[0024]图1是本专利技术的一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法的流程图。
具体实施方式
[0025]下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0026]下文的公开提供了许多不同的实施方式或例子用来实现本专利技术的不同结构。为了
简化本专利技术的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本专利技术。此外，本专利技术可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本专利技术提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
[0027]请参阅图1，本专利技术实施方式提供一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法，包括目标检测—图像倾斜矫正—图像处理—指针识别—仪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法，其特征在于，包括目标检测—图像倾斜矫正—图像处理—指针识别—仪表读数计算，具体步骤如下：S1：目标检测，通过GhostBottleneck网络结构与SENet网络层融合构建新的GBS
‑
YOLOv5s网络，通过GBS
‑
YOLOv5s检测指针仪表区域；S2：图像倾斜矫正，对拍摄的倾斜的图像进行矫正，减少后续计算的误差；S3：图像处理，通过灰度化、高斯滤波、K
‑
Means二值化对S2矫正后的图像进行处理；S4：指针识别，采用虚拟旋转指针直线拟合方法构造一条虚拟旋转直线，与指针像素重合最多，确定指针位置；S5：仪表读数计算，根据S4指针识别的位置，结合表盘的量程利用角度比例关系得到读数值。2.根据权利要求1所述的一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法，其特征在于，所述S2的方法为：利用卷积神经网络提取以表盘刻度数字为中心的关键点，并采用最小二乘法对关键点进行椭圆拟合，结合椭圆变换理论使用透视变换对仪表图像进行第一次倾斜矫正，再根据一对关于仪表竖直中轴线对称的关键点计算仪表相对于水平方向的旋转角度，以拟合椭圆的几何中心为旋转中心，旋转仪表图像实现第二次矫正。3.根据权利要求1所述的一种基于GBS
‑
YOLOv5s的指针式仪表智能数显方法，其特征在于，所述S3中K
‑
Means二值化的操作方法为：将输入数据看作样本集，通过K
‑
Means可以实现样本聚类，把相似的样本看作一个类别，此时K取2进行处理，即分为黑、白两类。高斯滤波的操作方法为：用一个模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。4.根据权利要求1所述的一种基于GBS
‑
YOLOv5s的指针式仪...

【专利技术属性】
技术研发人员：苏盈盈，唐霞，罗妤，王艳玲，王晓峰，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：