一种基于数据增强和增量学习的多类型仪表自动读数方法技术

本发明专利技术公开了一种基于数据增强和增量学习的多类型仪表自动读数方法，包括：获取仪表表盘图像，并对仪表表盘图像预处理；通过表盘分类模型对预处理后的图像进行分类，包括可分类仪表表盘和不可分类仪表表盘；对可分类仪表仪表进行读数；对不可分类仪表表盘的数据进行人工标注，将标定的数据通过数据增强算法得到新增可训练的数据集，通过新增可训练的数据集训练模型，直至满足目标损失函数，并更新表盘分类模型。本发明专利技术通过数据增强解决人工标注数据集价格昂贵、工作量大、模型更新慢的问题，通过增量学习解决多种仪表读表模型泛化能力差、模型精度低和模型无法更新的问题。模型精度低和模型无法更新的问题。模型精度低和模型无法更新的问题。

【技术实现步骤摘要】
一种基于数据增强和增量学习的多类型仪表自动读数方法


[0001]本专利技术涉及数字仪表读数自动识别
，更具体的说是涉及一种基于数据增强和增量学习的多类型仪表自动读数方法。

技术介绍

[0002]计量仪表检定过程中，待检仪表主要有指针式仪表和数字式仪表，指针式仪表一般不具备数据传输接口，因而无法实现数据的自动采集与传输，大多采用人工的方式进行数据录入，这种模式效率低、读数慢、时效性差。数字式仪表虽然大多带有数据传输的接口，但是传输协议众多，数据读取复杂，数据传输不稳定甚至可能出现数据断流的情况。通过机器视觉进行智能识别是当前最有效的方法，但是基于机器学习的视觉算法需要有大量的数据才能达到实用的目的，而检定流程中留存的数据量少和缺少数据标注，无法满足机器学习的训练条件。一方面常规的仪表表盘读数系统只能在特定的环境中读取一种或少数几种仪表，无法满足计量检定工作的实际要求。另一方面计量检定工作往往会新增新类型新样式的仪表，常规计算模型是批量式训练方法获取的，仪表检定流程常常会有新的表盘，而有新的表盘数据需要人工参与重新训练，数据模型的训练又依靠大量的标注数据，标注的数据集价格昂贵、人工标注工作量大、模型更新慢的问题。而只训练一种模型无法适应新的仪表表盘读数，导致仪表表盘识别系统适用性差的问题。
[0003]因此，如何提供一种基于数据增强和增量学习的多类型仪表自动读数方法，用于解决人工标注数据集价格昂贵、工作量大、模型更新慢以及多种仪表读表模型泛化能力差、模型精度低和模型无法更新的问题。

技术实现思路
r/>[0004]有鉴于此，本专利技术提供了一种基于数据增强和增量学习的多类型仪表自动读数方法，通过数据增强解决人工标注数据集价格昂贵、工作量大、模型更新慢的问题，通过增量学习解决多种仪表读表模型泛化能力差、模型精度低和模型无法更新的问题。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]一种基于数据增强和增量学习的多类型仪表自动读数方法，包括：
[0007]获取仪表表盘图像，并对仪表表盘图像预处理；
[0008]通过表盘分类模型，对预处理后的图像进行分类，包括可分类仪表表盘和不可分类仪表表盘；
[0009]对可分类仪表表盘进行读数；
[0010]对不可分类仪表表盘的数据进行人工标注，将标定的数据通过数据增强算法得到新增可训练的数据集，通过新增可训练的数据集和增量学习机制训练表盘分类模型，直至满足目标损失函数，并更新表盘分类模型。
[0011]优选地，可分类仪表表盘包括指针式仪表表盘和数显式仪表表盘。
[0012]优选地，还包括：
[0013]对指针式仪表表盘进行指针仪表模板匹配，获取仪表表盘指针区域、刻度区域和字符区域；
[0014]通过图像分割算法获取刻度区域的刻度信息和字符图像，进而识别字符区域的字符信息，获取仪表量程范围和量程刻度；
[0015]根据指针拟合算法获取指针区域指针的相对位置；
[0016]根据相对位置进行误差估计，得到指针式仪表读数信息。
[0017]优选地，还包括：
[0018]对数显式仪表表盘进行数显式模板匹配，获取仪表表盘数显字符位置区域；
[0019]根据CRNN算法提取仪表表盘数显字符位置区域内的数显式仪表表盘字符，进而识别数显式仪表表盘字符信息和单位信息。
[0020]优选地，将标定的数据通过数据增强算法得到新增可训练的数据集具体包括：
[0021]将标定的数据分别通过几何数据增强算法、过采样算法、样本配对算法和生成式对抗神经网络生成不同风格的数据集。
[0022]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于数据增强和增量学习的多类型仪表自动读数方法，通过人工小批量的标定数据，将标定的数据通过数据增强算法得到可训练的数据集；对新增的数据集进行机器学习训练，实现机器学习模型增量优化，有效提高了机器学习模型的泛化能力和识别精度，解决多种仪表读表模型泛化能力差、模型精度低和模型无法更新的问题。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0024]图1附图为本专利技术实施例一种基于数据增强和增量学习的多类型仪表自动读数方法流程图。
[0025]图2附图为本专利技术另一实施例一种基于数据增强和增量学习的多类型仪表自动读数方法流程图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]本专利技术实施例公开了一种基于数据增强和增量学习的多类型仪表自动读数方法，如图1所示，包括：
[0028]获取仪表表盘图像，并对仪表表盘图像预处理，实现对图像增强和几何变换，达到表盘分类模型的输入要求；
[0029]通过表盘分类模型对预处理后的图像进行分类，包括可分类仪表表盘和不可分类
仪表表盘；
[0030]对可分类仪表表盘进行读数；
[0031]对不可分类仪表表盘的数据进行人工标注，将标注的数据通过数据增强算法得到新增可训练的数据集，通过新增可训练的数据集和增量学习机制训练模型，直至满足目标损失函数，并更新表盘分类模型。同时判断新增数据中是否包含新类型的仪表，如果为新类型仪表则人工标注区域信息并生成模板，对应更新数显式仪表模板和指针仪表模板。
[0032]其中，表盘分类模型可以使用yolov6算法，但不限于yolov6算法。
[0033]在本实施例中，如图2所示，可分类仪表表盘包括指针式仪表表盘和数显式仪表表盘。
[0034]当分类结果为指针式仪表表盘，自动读数过程为：
[0035]对指针式仪表表盘进行指针仪表模板匹配，获取仪表表盘指针区域、刻度区域和字符区域；
[0036]通过图像分割算法获取刻度区域的刻度信息和字符图像，进而识别字符区域的字符信息，获取仪表量程范围和量程刻度；
[0037]根据指针拟合算法获取指针区域指针的相对位置；
[0038]根据相对位置进行误差估计，得到指针式仪表读数信息。
[0039]当分类结果为数显式仪表表盘，自动读数过程为：
[0040]对数显式仪表表盘进行数显式模板匹配，获取仪表表盘数显字符位置区域；
[0041]根据CRNN算法提取仪表表盘数显字符位置区域内的数显式仪表表盘字符，进而识别数显式仪表表盘字符信息和单位信息。
[0042]在本实施例中，如图2所示，将标定的数据分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据增强和增量学习的多类型仪表自动读数方法，其特征在于，包括：获取仪表表盘图像，并对仪表表盘图像预处理；通过表盘分类模型，对预处理后的图像进行分类，包括可分类仪表表盘和不可分类仪表表盘；对可分类仪表表盘进行读数；对不可分类仪表表盘的数据进行人工标注，将标定的数据通过数据增强算法得到新增可训练的数据集，通过新增可训练的数据集和增量学习机制训练表盘分类模型，直至满足目标损失函数，并更新表盘分类模型。2.根据权利要求1所述的一种基于数据增强和增量学习的多类型仪表自动读数方法，其特征在于，可分类仪表表盘包括指针式仪表表盘和数显式仪表表盘。3.根据权利要求2所述的一种基于数据增强和增量学习的多类型仪表自动读数方法，其特征在于，还包括：对指针式仪表表盘进行指针仪表模板匹配，获取仪表表盘指针区域、刻度区域和字符区域；通过图...

【专利技术属性】
技术研发人员：卓华，赵亿坤，姚丽芳，薛文艳，宋长亮，麻锐，王栋，朱晓明，杜炜，朱亚琼，李海兵，仝立公，何欢，
申请(专利权)人：新疆维吾尔自治区计量测试研究院，
类型：发明
国别省市：