【技术实现步骤摘要】
一种基于深度学习的膜盒压力表压力读取方法及系统
[0001]本专利技术涉及人工智能
,具体涉及一种基于深度学习的膜盒压力表压力读取方法及系统。
技术介绍
[0002]随着人工智能和自动化技术的不断发展,机器人已经广泛应用于工业领域。通常智能机器人需要在工厂内自主监视、读取指针式仪表的数据,并做出相应决策。因此,对圆形指针式仪表的检测和判读成为智能机器人决策的关键。
[0003]但是,现有技术中对压力表表盘区域的检测有预先标定,区域生长算法、神经网络、支持向量机和特征点匹配等方法。其中,区域生长算法需要设置种子,神经网络和支持向量机需要预先对训练集的训练,特征点匹配方法需要预先制作模板。霍夫变换是最常用于识别指针的方法,相比于其他直线检测算法,霍夫变换的速度较慢。目前,各算法在表盘区域定位和仪表判读等环节依靠简单的边缘或直线知识,容易受到环境干扰影响,导致其智能化水平下降。
[0004]有鉴于此,亟需提供一种可实现自主监视且能精准快速的膜盒压力表压力读取方法。
技术实现思路
[0005]为了解决上述技术问题,本专利技术所采用的技术方案是提供了一种基于深度学习的膜盒压力表压力读取方法,包括以下步骤:
[0006]基于历史膜盒压力表图像,对初始图像分割模型进行训练,获得图像分割模型;输入待分割膜盒压力表图像至图像分割模型,获取关键掩膜图像;利用二值法处理关键掩膜图像,提取关键掩膜图像中的指针轮廓;再利用Sklansky算法,确定指针轮廓凸包,并利用rotating calipe ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的膜盒压力表压力读取方法,其特征在于,包括以下步骤:基于历史膜盒压力表图像,对初始图像分割模型进行训练,获得图像分割模型;输入待分割膜盒压力表图像至图像分割模型,获取关键掩膜图像;利用二值法处理关键掩膜图像,提取关键掩膜图像中的指针轮廓;再利用Sklansky算法,确定指针轮廓凸包,并利用rotating calipers旋转卡壳算法,计算指针轮廓凸包的最小外接矩形;确定图像中膜盒压力表的指针基准点,指针中心点和指针顶点;以指针中心点为顶点,分别确定指针中心点至指针基准点、指针中心点至指针顶点形成的夹角A,建立膜盒压力表压力值与夹角A之间的线性关系,计算确定膜盒压力表压力值,其中指针基准点,指针中心点和指针顶点确定具体为:比较每一个提取的轮廓凸包的最小外接矩形的中心点坐标,中心点横坐标值最小的点即为指针基准点;基于指针轮廓,通过RETR_TREE树状结构提取模式获得指针中心内轮廓,并利用rotating calipers旋转卡壳算法,确定指针中心内轮廓最小外接矩形中心点坐标,即为指针中心点;基于指针轮廓,利用最小二乘法进行直线拟合,获得指针对称轴L1;确定指针轮廓凸包的最小外接矩形的四个顶点坐标,对称轴L1与指针轮廓凸包的最小外接矩形的两条宽边的交点分别为pt1,pt2,分别计算比较pt1,pt2两点与指针中心点的距离l2和l3,若l2>l3,则pt1为指针顶点,否则pt2为指针顶点。2.如权利要求1所述的膜盒压力表压力读取方法,其特征在于,所述历史膜盒压力表图像通过工业摄像机,正对膜盒压力表采集图像形成数据集;数据集分为训练集和测试集;其中,训练集中每一张图像对应一个标签,用于训练初始图像分割模型;测试集中图像不含标签。3.如权利要求1所述的膜盒压力表压力读取方法,其特征在于,所述提取关键掩膜图像中的指针轮廓具体为:对二值化处理关键掩膜图像,采用RETR_TREE树状结构提取模式和CHAIN_APPROX_SIMPLE最简相邻链逼近算法,压缩水平方向,垂直方向,对角线方向的元素,保留该方向的重点坐标,提取关键掩膜的指针轮廓。4.如权利要求1所述的膜盒压力表压力读取方法,其特征在于,所述计算确定膜盒压力表压力值具体如下:确定指针基准点,指针中心点和指针顶点三点的坐标分别为(x1,y1),(x2,y2),(x3,y3),以指针中心点为顶点的角A,其余弦值计算公式为:其中,a,b,c分别是以指针基准点,指针中心点和指针顶点为顶点的三角形的边长,其中中
根据指针基准点,指针中心点和指针顶点的坐标,及计算出的夹角A大小,根据压力表刻度与指针夹角角度的相对位置,建立夹角与压力表读数Pvalue的线性关系,其公式为:式中,k
b
为拟合的系数,m为夹角范围。5.一种基于深度学习的膜盒压力表压力读取系统,其特征在于,包括图像获取单元:用于获取历史膜盒压力表图像,及实时采集膜盒压力表图像;图像分割模型训练单元:用于对初始图像分割模型进行训练,获取图像分割模型;图像关键掩膜提取单元:用于使用图像分割模型训练单元训练好的图像分割模型,分割提取待读取膜盒压力表的关键掩膜;指针轮廓提取单元:通过利用二值法处理关键掩膜图像,并提取关键掩膜图像中的指针轮廓;再利用Skl...
【专利技术属性】
技术研发人员:宫新一,贾建树,刘梦雅,宋璐璐,杨波,
申请(专利权)人:径途元玮杭州科技有限公司,
类型:发明
国别省市:
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。