【技术实现步骤摘要】
本申请涉及图像处理领域，具体而言，涉及一种仪表读数方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、目前常用的仪表读数的大致流程主要为通过目标检测模型或语义分割模型获取仪表盘区域，对仪表盘区域使用分割模型或者实例分割模型获取指针区域，进而读取指针所指读数。虽然这种方式在一定程度上可以实现指针读数的读取。但是，这种读数方式的通常只能针对单一类型的仪表，其通用性差。
技术实现思路
1、有鉴于此，本申请实施例的目的在于提供一种仪表读数方法、装置、电子设备及计算机可读存储介质，能够提高仪表读数方法的通用性。
2、第一方面，本申请实施例提供了一种仪表读数方法，包括：根据仪表图像匹配对应的仪表特征；通过关键点模型，识别所述仪表图像中目标刻度对应的目标刻度关键点坐标和仪表中心关键点坐标；其中，所述关键点模型通过多种类型仪表的所述目标刻度关键点和所述仪表中心关键点训练得到；对所述仪表图像进行多指针关键点检测，得到所述仪表图像中各个指针的多个指针关键点坐标；根据每个指针对应的多个指针关键点坐标、所述目标刻度关键点坐标和所述仪表特征，确定对应仪表的读数。
3、在上述实现过程中，通过基于多种类型仪表的目标刻度关键点和仪表中心关键点进行关键点模型训练，使得到的关键点模型可以针对多种类型仪表的仪表图像进行目标刻度关键点坐标识别和仪表中心关键点坐标识别，可以增加该关键点模型识别的仪表图像类型，提高该仪表读数方法的通用性。另外，通过仪表图像中的仪表量程、目标刻度关键点坐标、仪表中
4、在一个实施例中，所述根据仪表图像匹配对应的仪表特征，包括：通过预设模型，获取所述仪表图像的归一化特征；以及根据所述归一化特征和仪表库中的各个仪表的所述仪表特征确定所述仪表库中与所述仪表图像匹配的仪表身份标识；其中，所述仪表库配置为存储多个仪表的仪表特征，所述仪表特征包括仪表量程；在所述仪表图像匹配到对应的仪表身份标识的情况下，将所述仪表身份标识对应的仪表特征作为所述仪表类型的仪表特征。
5、在上述实现过程中，通过设置仪表库，且该仪表库中存储有不同仪表类型的不同仪表特征。在获取仪表图像对应的仪表特征时，将该仪表图像中仪表的归一化特征与仪表库中的各种仪表特征进行匹配，进而获取到对应的量程范围和刻度角度等仪表特征，仪表特征的确定不受光照、相机角度等的影响，提高了仪表特征的准确性。
6、在一个实施例中，其中，所述预设模型以所述vit-tiny为主干网络；center loss作为所述预设模型训练的损失函数。
7、在上述实现过程中，由于center loss通过结合特征中心的距离进行优化，通过将center loss作为预设模型的损失函数对预设模型进行训练，可以有效提升模型学习特征的判别能力和模型的泛化性能。由于该vit-tiny作可以类比于人脸识别，将该center loss用于训练vit-tiny时，能够有效应对集外样本的问题，简化训练过程，并提高训练效率。另外，通过将vit-tiny作为预设模型的主干网络来进行特征匹配，可以提高匹配准确性，且该模型泛化能力强，该预设模型的实用性、鲁棒性较强，且过拟合较少。
8、在一个实施例中，所述对所述仪表图像进行多指针关键点检测，得到所述仪表图像中各个指针的多个指针关键点坐标，包括：通过repvit-yolov8-pose模型，对所述仪表图像进行多指针关键点检测，得到所述仪表图像中各个指针的多个指针关键点坐标；其中，每个指针的多个指针关键点坐标包括每个指针的指针根部坐标和指针尖部坐标；其中，所述repvit-yolov8-pose模型中包括关键点损失权重和标签平滑。
9、在上述实现过程中，由于该repvit-yolov8-pose模型融合了repvit的速度快、泛化能力高的特点，以及yolov8-pose模型识别准确度高且稳定的特点，通过repvit-yolov8-pose模型对指针关键点进行识别，可以准确识别仪表中的一个或多个指针的关键点信息，不再依据颜色、长短等进行识别，受光照影响较小，识别准确性和稳定性高。
10、在一个实施例中，所述根据仪表图像匹配对应的仪表特征之前，所述方法还包括：通过yolov8-repvit目标检测模型，获取所述仪表图像；其中，所述yolov8-repvit目标检测模型的主干网络为repvit轻量级transformer。
11、在上述实现过程中，通过将yolov8-repvit目标检测模型的主干网络设置为repvit轻量级transformer，可以提高仪表图像获取准确性和效率的同时，提高模型的泛化能力。
12、在一个实施例中，所述根据仪表图像匹配对应的仪表特征之前，所述方法还包括：通过基于repvit的角度回归网络，预测所述仪表图像的旋转角度；按照所述旋转角度沿图像中心旋转所述仪表图像；对旋转后的仪表图像进行预处理；所述通过关键点模型，识别所述仪表图像中目标刻度对应的目标刻度关键点坐标和仪表中心关键点坐标，包括：通过关键点模型，识别预处理后的旋转后的仪表图像中目标刻度对应的目标刻度关键点坐标和仪表中心关键点坐标；所述对所述仪表图像进行多指针关键点检测，得到所述仪表图像中各个指针的多个指针关键点坐标，包括：对预处理后的旋转后的仪表图像进行多指针关键点检测，得到所述仪表图像中各个指针的多个指针关键点坐标。
13、在上述实现过程中，在获取到仪表图像后，基于角度回归网络预测仪表图像的偏移角度，然后根据该偏移角度对仪表图像进行仿射变换旋正，以将仪表图像旋正，得到更加精确的仪表图像，提高仪表图像的精确性。
14、在一个实施例中，其中，所述仪表特征包括目标刻度角度和仪表量程，所述目标刻度角度为目标刻度相对起始时刻的角度；
15、所述根据每个指针对应的多个指针关键点坐标、所述目标刻度关键点和所述仪表特征，确定对应仪表的读数之前，所述方法还包括：基于所述目标刻度与所述仪表中心的距离，以及所述目标刻度角度建立极坐标系；将所述极坐标系映射到笛卡尔坐标系，获得转换后的目标刻度关键点坐标；根据转换后的目标刻度关键点坐标和转换前的目标刻度关键点坐标，确定透视变换矩阵；基于所述透视变换矩阵对旋转后的仪表图像进行透视变换；所述根据每个指针对应的多个指针关键点坐标、所述目标刻度关键点和所述仪表特征，确定对应仪表的读数，包括：根据透视变换后的多个指针关键点坐标、透视变换后的目标刻度关键点坐标和仪表量程，确定对应仪表的读数。
16、在上述实现过程中，由于透视变换可以改变因相机角度造成仪表成像发生形变影响读数的问题，通过基于目标刻度关键点的角度和目标刻度与仪表中心的距离建立极坐标系，从极坐标系映射到笛卡尔坐标系来求解透视变换矩阵，从而实现仪表图像的透视校正，适用于各种类型的仪表，读数更准确。不仅可以兼容单指针、本文档来自技高网...
【技术保护点】
1.一种仪表读数方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据仪表图像匹配对应的仪表特征，包括：
3.根据权利要求2所述的方法，其特征在于，其中，所述预设模型以所述ViT-Tiny为主干网络；Center Loss作为所述预设模型训练的损失函数。
4.根据权利要求1所述的方法，其特征在于，所述对所述仪表图像进行多指针关键点检测，得到所述仪表图像中各个指针的多个指针关键点坐标，包括：
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述根据仪表图像匹配对应的仪表特征之前，所述方法还包括：
6.根据权利要求1-4任意一项所述的方法，其特征在于，所述根据仪表图像匹配对应的仪表特征之前，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，其中，所述仪表特征包括目标刻度角度和仪表量程，所述目标刻度角度为目标刻度相对起始时刻的角度；
8.一种仪表读数装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：处理器、存储器，所述存储器存储有所述处理器可
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的方法的步骤。
...【技术特征摘要】
1.一种仪表读数方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据仪表图像匹配对应的仪表特征，包括：
3.根据权利要求2所述的方法，其特征在于，其中，所述预设模型以所述vit-tiny为主干网络；center loss作为所述预设模型训练的损失函数。
4.根据权利要求1所述的方法，其特征在于，所述对所述仪表图像进行多指针关键点检测，得到所述仪表图像中各个指针的多个指针关键点坐标，包括：
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述根据仪表图像匹配对应的仪表特征之前，所述方法还包括：
6.根据权利要求1-4任意一项所述的方法，其特征...
【专利技术属性】
技术研发人员：刘奎响，宗承治，刘刚，薛远，徐爽，
申请(专利权)人：安徽容知日新科技股份有限公司，
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。