【技术实现步骤摘要】
本专利技术涉及工业仪表读数，尤其涉及一种基于深度学习实现指针式工业仪表读数的方法及系统。
技术介绍
1、指针式工业仪表在工业生产中被广泛用于监控和记录物理参数，如压力、温度和电流等。这些仪表通过机械指针显示读数，具有结构简单、可靠性高等优点。然而，人工读取方式效率低下、易出错，同时，此类仪表经常出现在可能对人员具有伤害的场所，不利于读数人员的安全。故采用人工读数的方式已无法满足现代工业自动化和智能化的需求。因此，使用人工智能识别仪表读数替代传统的人工读数具有重大的应用意义。
技术实现思路
1、鉴于上述现有技术中存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种基于深度学习实现指针式工业仪表读数的方法，能够解决传统的人工读数方式效率低下且容易出错，特别是在危险或不便于人工操作的环境中，安全性也受到威胁。本专利技术的方法不仅显著减少了人工读数过程中可能出现的错误和延迟，提高了读数的准确性和一致性，还提升了工作和生产的安全性和可靠性。
3、为解决上述技术问题，本专利技术提供如下技术方案，一种基于深度学习实现指针式工业仪表读数的方法，包括：采集仪表图像，使用yolov5算法对图像进行预处理；结合opencv和ocr技术检测圆形仪表盘，使用deeplabv3算法对图像进行分割；将分割后的仪表图像结果进行坐标转换和矩阵转换，提取横坐标数组，通过指针位置在刻度线中的比例，计算仪表读数。
4、作为本专利技术所述的一种基于深度学习实现指针式工业仪表读数
5、采用yolov5算法对采集到的图像进行预处理，检测图像中仪表所在的区域，裁剪出包含仪表的正方形图像，调整图像尺寸，公式表示为，
6、iresized＝resize(i,(s,s))
7、其中，iresized为调整后的图像，i为输入图像，resize为调整函数，s为目标大小；
8、对图像像素值归一化处理，归一化公式表示为，
9、
10、其中，inormalized为归一化后的图像，dpi为像素值；
11、对图像像素值标准化处理，标准化公式表示为，
12、
13、其中，istandardized为标准化后的图像，μ、σ分别为预处理过程中计算得到的像素值的均值和标准差；
14、所述yolov5算法包括backbone特征提取骨干网络模块、neck特征融合模块及head检测头三个模块，各个模块分别包括卷积、池化模块；
15、将yolov5 backbone特征提取网络中的标准卷积模块替换为mobilenet的深度可分离卷积模块，作为yolov5的主干网络；
16、在yolov5的neck部分添加cbam模块，考虑空间和通道注意力机制，提高特征融合效果；
17、使用sppelan模块替换传统的spp传统空间金字塔池化结构；
18、保持yolov5的head检测头结构；
19、使用深度可分离卷积模块将卷积核的计算复杂度从o(k2·d·n)降低到o(k2·d+d·n)，其中，k是卷积核大小，d是输入特征图深度，n是输出特征图深度。
20、作为本专利技术所述的一种基于深度学习实现指针式工业仪表读数的方法的一种优选方案，其中：所述检测圆形仪表盘结合opencv技术和orc技术，计算圆心坐标(x0,y0)和圆心半径r0，识别仪表上标注的最大值vmax和最小值vmin，得到仪表的量程信息l＝vmax-vmin；
21、使用经deeplabv3算法训练的指针式仪表的刻度线模型和指针模型，在裁剪图像中识别出刻度线和指针的位置，进行目标分割，生成包含刻度线和指针元素标记的图像；
22、在刻度线模型和指针模型训练过程中，使用resnet-50作为deeplabv3的主干网络，在主干网络的最后3个block中使用空洞卷积扩大感受野，分别设置空洞率为2、4和8，将主干网络输出的高维特征图传递给aspp模块；
23、aspp模块中，使用空洞率为1、6、12、18的空洞卷积层及一个全局平均池化层融合多尺度特征，使得模型能够在不同尺度上感知图像，提高对复杂场景中目标的检测和分割能力。
24、作为本专利技术所述的一种基于深度学习实现指针式工业仪表读数的方法的一种优选方案，其中：所述坐标转换包括将分割后的仪表图像结果进行极坐标转换，将每个像素点坐标(x,y)转换为直线坐标(θ,r)，得到矩形标记图像，坐标转换公式表示为，
25、
26、其中，θ为像素点在极坐标系中的角度，arctan为反正切函数，r为像素点在极坐标系中的半径。
27、作为本专利技术所述的一种基于深度学习实现指针式工业仪表读数的方法的一种优选方案，其中：所述矩阵转换包括对像素点进行矩阵转换，将图像分别转换为两个像素点横纵坐标(x,y)的矩阵，分别记为刻度线矩阵ms与指针矩阵mp，矩阵中每个点的值为0或1，0表示为点不属于目标像素，1表示为点属于目标像素，矩阵结构表示为，
28、
29、其中，(xk,yl)为像素点，k、l分别为不同的像素点索引值，k∈(0,end)，l∈(0,end)，(xk)∈{0,1}，(yl)∈{0,1}。
30、作为本专利技术所述的一种基于深度学习实现指针式工业仪表读数的方法的一种优选方案，其中：所述提取横坐标数组包括对矩阵进行处理，过滤y轴信息，得到仅包含横坐标x的数组[x0,x1,...,xend]；
31、将像素点矩阵表示为a，a[i,j]为第i行第j列的像素点，对于二维数组a的每一列j进行显著化处理；
32、如果列中存在至少一个像素点的x值等于1，则转换后的一维数组b的第j个元素值为1；
33、如果列中所有像素点的x值均为0，则转换后的一维数组b的第j个元素值为0；
34、对计算方法进行优化，对于二维数组a的每一列j所有值求最大值；
35、如果结果为1，则转换后的一维数组b的第j个元素值为1；
36、如果结果为0，则转换后的一维数组b的第j个元素值为0；
37、显著化数学公式为，
38、b[j]＝maxia[i,j]
39、其中，maxi为对第i列求最大值的函数；
40、提取刻度中心点，取x值连续为1的片段，通过片段的起点下标与终点下标计算得出片段中点下标xsi，将所有中点下标合并为新的数组xs0,xs1,...,xsend]；
41、在指针矩阵中，考虑指针标记图像仅包含一个，识别唯一的指针标记，确定指针横坐标xp。
42、作为本专利技术所述的一种基于深度学习实现指针式工业仪本文档来自技高网...
【技术保护点】
1.一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：包括，
2.如权利要求1所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述预处理包括取待检测的指针式仪表图像，使用工厂和园区的监控摄像头实时传输监控画面，通过图像处理系统从监控视频流中截取包含仪表的图像，确保图像清晰且包含完整的仪表信息；
3.如权利要求2所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述检测圆形仪表盘结合OpenCV技术和ORC技术，计算圆心坐标(a,b)和圆心半径r0，识别仪表上标注的最大值Vmax和最小值Vmin，得到仪表的量程信息L＝Vmax-Vmin；
4.如权利要求3所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述坐标转换包括将分割后的仪表图像结果进行极坐标转换，将每个像素点坐标(x,y)转换为直线坐标(θ,r)，得到矩形标记图像，坐标转换公式表示为，
5.如权利要求4所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述矩阵转换包括对像素点进行矩阵转换，将图像分别转换为两个
6.如权利要求5所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述提取横坐标数组包括对矩阵进行处理，过滤y轴信息，得到仅包含横坐标x的数组[x0,x1,...,xEnd]；
7.如权利要求6所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述计算仪表读数包括计算指针下标在刻度下标数组中第n个值xsn与第n+1个值xs(n+1)间的占比，公式表示为，
8.一种基于权利要求1-7任一所述的一种基于深度学习实现指针式工业仪表读数的方法的系统，其特征在于：包括预处理模块、图像检测与分割模块和读数计算模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：包括，
2.如权利要求1所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述预处理包括取待检测的指针式仪表图像，使用工厂和园区的监控摄像头实时传输监控画面，通过图像处理系统从监控视频流中截取包含仪表的图像，确保图像清晰且包含完整的仪表信息；
3.如权利要求2所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述检测圆形仪表盘结合opencv技术和orc技术，计算圆心坐标(a,b)和圆心半径r0，识别仪表上标注的最大值vmax和最小值vmin，得到仪表的量程信息l＝vmax-vmin；
4.如权利要求3所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述坐标转换包括将分割后的仪表图像结果进行极坐标转换，将每个像素点坐标(x,y)转换为直线坐标(θ,r)，得到矩形标记图像，坐标转换公式表示为，
5.如权利要求4所述的一种基于深度学习实现指针式工业仪表读数的方法，其特征在于：所述矩阵转换包括对像素点进行矩阵转换，将图像分别转换为两个像素点横纵坐标(x,y)的矩...
【专利技术属性】
技术研发人员：陈松，袁存发，陶玉程，宋金峰，李辉，耿天涛，卞志刚，
申请(专利权)人：朗坤智慧科技股份有限公司，
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。