一种基于改进MaskR-CNN模型的指针式仪表示数自动识别方法技术

本发明专利技术提供一种基于改进Mask R

【技术实现步骤摘要】
一种基于改进MaskR
‑
CNN模型的指针式仪表示数自动识别方法


[0001]本专利技术设计指针式仪表示数自动识别的算法，具体涉及一种基于改进Mask R
‑
CNN 模型的指针式仪表示数自动识别方法。

技术介绍

[0002]指针式仪表以其抗干扰能力强、使用寿命长等优势，被广泛应用在各类工业场所，尤 其在石油勘探一类干扰强、气候多变、多辐射的复杂环境中。在这类工作环境中指针式仪 表负责对现场机械设备的工作状态进行监测，目前指针式仪表读数仍以人工抄录为主。随 着工业自动化、智能化的要求不断提高，一些关于指针式仪表示数自动识别的算法相继诞 生。主要分为基于传统图像处理技术的指针式仪表识别方法和基于深度学习模型的识别算 法。传统算法运行速度快，但是灵活性差、抗干扰能力弱、对图像质量要求偏高；基于深 度学习的算法应用场景广、抗干扰能力强，但仍然存在许多可以改进优化的地方。

技术实现思路

[0003]针对现有技术存在的不足，本专利技术提出一种基于改进Mask R
‑
CNN模型的指针式仪 表示数自动识别方法，该方法将深度学习模型与传统图像处理技术结合，能对背景噪声复 杂、电磁干扰强、光照不均等恶劣环境下的指针式仪表进行检测，经验证该方法灵活性高、 应用场景广、性能稳定。
[0004]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0005]一种基于改进Mask R
‑
CNN模型的指针式仪表示数自动识别方法，包括以下步骤：
[0006]对输入仪表图像进行分类和生成表盘特征的二值掩码图像；
[0007]用基于Hough变换的透视变换法对表盘mask图像进行校正；
[0008]校正后的图像经过基于SVD的最小二乘法拟合出指针线后，结合Mask R
‑
CNN的 分类结果进行指针仪表示数计算并输出最终识别结果。
[0009]本专利技术的有益效果：
[0010](1)针对原始Mask R
‑
CNN在仪表特征边缘处存在识别能力不足的问题，改进原始 Mask R
‑
CNN实例分割网络，并提出基于改进Mask R
‑
CNN的指针式仪表示数自动识别 算法。该算法利用主流的实例分割模型Mask R
‑
CNN提取仪表特征信息，接着运用传统 的图像校正、指针线拟合等技术计算仪表示数。为了使网络能够适应小样本数据集和提升 网络的训练效率，利用迁移学习的方法对改进后的Mask R
‑
CNN实例分割网络进行训练。 改进后的Mask R
‑
CNN实例分割平均精度(AP)提升了2％到3％，AP50达到了97.15％。
[0011](2)为了提高指针式仪表示数自动识别算法对仪表示数的检测精度，结合传统图像 校正算法和指针线检测算法的缺陷，提出基于Hough变换的透视变换图像校正算法和基 于SVD的最小二乘法指针线检测算法。这两种方法减小了仪表的读数计算误差，实现了 对整个指针式仪表自动检测算法识别精度的提升。最终，在15张指针仪表图像上对比当 前多
个性能优越的指针式仪表示数自动识别算法，提出的指针式仪表示数识别算法平均相 对误差最低，其值为1.970％。
[0012](3)为了满足工业环境智能化、自动化要求，搭建了便于移植的工业指针式仪表示 数自动识别算法框架，并设计了相应的人机交互软硬件平台。
具体实施方式
[0013]为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具 体实施方式，进一步阐述本专利技术。
[0014]一种基于改进Mask R
‑
CNN模型的指针式仪表示数自动识别方法，包括以下步骤：
[0015]对输入仪表图像进行分类和生成表盘特征的二值掩码图像；
[0016]用基于Hough变换的透视变换法对表盘mask图像进行校正；
[0017]校正后的图像经过基于SVD的最小二乘法拟合出指针线后，结合Mask R
‑
CNN的 分类结果进行指针仪表示数计算并输出最终识别结果。
[0018]基于Hough变换的透视变换图像校正算法是利用Hough变换检测出带有畸变的二 值掩码图像中圆形表盘边缘所在的椭圆O，然后选取该椭圆的外接矩形T的四个顶点A1、 A2、A3、A4作为控制点，映射到校正后矩形S的四个顶点B1、B2、B3、B4上，然 后利用这八个点的坐标信息求出透视变换矩阵M,最后让带畸变的二值掩码图像每个像素 的坐标乘上透视变换矩阵，从而实现了畸变图像的校正。当然，点A1
→
B1、A2
→
B2、 A3
→
B3、A4
→
B4为四组映射点。经Hough变换检测出椭圆的圆心坐标为(O
x
,O
y
)，长 半轴与短半轴分别为：a、b，偏转角为θ。则A1
→
A4、B1
→
B4八个点的坐标可以表 示为：
[0019][0020][0021][0022][0023]其中i＝tanθ，m＝i2，k＝1+m，n＝bsinθ，j＝bcosθ，g＝O
y
‑
iO
x
。
[0024]B1
→
B4的坐标分别为：(O
x
‑
b,O
y
+a)，(O
x
‑
b,O
y
‑
a)，(O
x
+b,O
y
‑
a)，
[0025](O
x
+b,O
y
+a)，将上述八个点的坐标带入式(2
‑
12)和(2
‑
13)中就可以得出透视变 换矩阵M，之后用带畸变图像上的每一个像素点的坐标乘上该透视变换矩阵，便可以得 到校正后图像上每一个像素的坐标点，从而实现带畸变图像的校正。基于Hough变换的透 视
变换图像校正算法对一组带畸变的指针式仪表图像进行校正的结果。当仪表表盘为矩形 时，Hough变换检测出的椭圆O为该矩形时，Hough变换检测出的椭圆O为该矩形表 盘的内切椭圆，后续校正方法与圆形表盘校正过程相同。
[0026]虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方 案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整 体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施 方式。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进Mask R
‑
CNN模型的指针式仪表示数自动识别方法，其特征是：包括以下步骤：对输入仪表图像进行分类和生成表盘特征的二值掩码图像；用基于Hough变换的透视变换法对表盘mask图像进行校正；校正后的图像经过基于SVD的最小二乘法拟合出指针线后，结合Mask R
‑
CNN的分类结果进行指针仪表示数计算并输出最终识别结果。2.如权利要求1所述的基于改进Mask R
‑...

【专利技术属性】
技术研发人员：赵伟，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：