【技术实现步骤摘要】
一种基于旋转目标检测的指针式仪表自动读数方法
[0001]本专利技术属于视觉测量技术研究领域,尤其涉及一种基于旋转目标检测的指针式仪表自动读数方法。
技术介绍
[0002]针对指针式仪表的读数,人工判读的方法易受外界因素和人的主观因素影响,使读数结果存在较大误差。此外,在某些需要频繁读数的重工业现场,如化工、冶金等,人工读数的工作量巨大且内容单一,不仅费时费力,而且无法保证读数的准确性和快速性。同时,有些仪表可能处在高温、高电压或高辐射区域,人工读数会给安生生产带来一系列的隐患。因此,进行指针式仪表的自动读数识别,具有重要的实际意义。
[0003]仪表指针的提取是影响读数准确率的关键步骤之一。提取指针的方法大致可以分为两种,一种是传统的图像处理算法,即去除干扰后利用直线检测、模板匹配等方法确定指针所在的直线,这类方法的适应能力往往比较差,当表盘内背景图案比较复杂时,检测准确率会因干扰过多而剧烈下降;另一种是深度学习技术,主要是利用语义分割算法获取指针区域,但当指针比较狭细时,无法取得良好的分割效果,易将指针像素归类为背景。
技术实现思路
[0004]针对上述现有技术的不足,本专利技术研究了一种基于旋转目标检测的指针式仪表自动读数方法,利用改进的旋转目标检测精确定位指针区域,并在该区域内进行带方向的腐蚀去除干扰、拟合指针所在直线,极大地提高了指针提取的精度。
[0005]为实现上述目的,本专利技术采用的技术方案如下。
[0006]一种基于旋转目标检测的指针式仪表自动读数方法,包括 ...
【技术保护点】
【技术特征摘要】
1.一种基于旋转目标检测的指针式仪表自动读数方法,其特征在于,包括以下步骤:步骤(1),表盘区域提取与透视校正,获得表盘区域校正图像;步骤(2),指针检测与细化,具体步骤如下:步骤2.1)构建并训练基于R3Det的改进型旋转目标检测网络,通过旋转目标检测网络获得指针旋转边界框;步骤2.2)根据指针旋转边界框构建指针区域的蒙版,叠加到表盘区域校正图像上,并进行阈值分割,获得只包含指针区域的二值图像;步骤2.3)对步骤2.2)得到的只包含指针区域的二值图像进行带方向的腐蚀、连通域标记,并对最大的连通域作最小二乘直线拟合,获得指针骨架;步骤(3),刻度值识别;步骤(4),读数计算。2.根据权利要求1所述的基于旋转目标检测的指针式仪表自动读数方法,其特征在于,所述步骤(1)的具体步骤如下:步骤1.1),将原始图像输入训练好的Fast SCNN网络,生成表盘区域掩膜图像,所述表盘区域掩膜图像为二值图像,掩膜图像中白色为网络预测出的表盘区域,黑色为背景;步骤1.2),对表盘区域掩膜图像进行椭圆检测,获得表盘轮廓的拟合椭圆,表盘椭圆的中心坐标、长半轴、短半轴以及倾角分别记为(x
c
,y
c
)、a、b、θ;步骤1.3),利用中心为(x
c
,y
c
)、边长为2a的方形框截取表盘区域图像;步骤1.4),利用表盘椭圆的中心坐标(x
c
,y
c
)、长半轴a、短半轴b以及倾角θ,计算透视变换前后的表盘椭圆四个顶点A、B、C、D和A'、B'、C'、D'的坐标:式中,点A、点B为表盘椭圆长半轴顶点,点C、点D为表盘椭圆短半轴顶点,利用变换前后的顶点坐标得到透视变换矩阵M,再将表盘区域图像和透视变换矩阵M点乘获得表盘区域校正图像。3.根据权利要求1所述的基于旋转目标检测的指针式仪表自动读数方法,其特征在于,所述步骤2.1)的具体步骤如下:步骤2.1.1),构建得到包含改进的MobileNetv2骨干网络、FPN特征金字塔结构、特征精炼模块和旋转目标检测器的旋转目标检测网络;所述改进的MobileNetv2骨干网络包括对MobileNetv2模型的每个卷积层都进行Batch Norm归一化处理;分别将MobileNetv2模型的第3、4、6个bottleneck结构的输出特征图引出,作为原网络中FPN结构的输入;对MobileNetv2网络的倒残差块进行改进,在Depth
‑
wise卷积模块之后加入高效的注意力模块ECA
‑
net,再令ECA
‑
net输出的权重向量与Depth
‑
wise卷积结果在通道维度上相乘,最后将此结果输入到后续的Point
‑
wise卷积模块;其中,所述改进的MobileNetv2骨干网络用以替换原来的ResNet骨干网络,用于提取表
盘区域图像特征;FPN特征金字塔结构逐层获取骨干网络提取的特征,并对不同尺度特征进行融合,融合后的特征作为特征精炼模块的输入;特征精炼模块对指针的边界框的位置信息重新编码,重建整个特征图来实现特征对齐,使检测的指针的边界框更加精准;旋转目标检测器实现带方向的边界框的检测和目标的分类;步骤2.1.2),从采集的仪表图像中裁剪出表盘图像,去除背景,并通过缩放、旋转、翻转的方式进行数据集的扩充,获得第二数据集;采用图像标注工具Labelme标注第二数据集...
【专利技术属性】
技术研发人员:熊邦书,谭澄圭,章照中,欧巧凤,余磊,饶智博,
申请(专利权)人:南昌航空大学,
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。