[发明专利]一种表计读数识别方法及系统

权利要求书

1.一种表计读数识别方法，其特征在于，包括：

S1，接收包含机械表计图像的表计图片，将所述表计图片输入到训练好的卷积神经网络中，获取所述表计图片中表计的刻度信息和表计指针的位置信息；

S2，根据所述表计的刻度信息和表计中指针的位置信息，计算获得所述表计图片中表计的读数；

其中，所述表计的刻度信息至少包括表计的0刻度位置点，所述表计指针的位置信息至少包括指针顶端的位置点和指针在所述表计表盘上的指针固定点；

其中，所述步骤S1之前还包括，

采集多张表计图片，对所述表计图片中的多个特征点进行标注，构建训练样本集；

通过所述训练样本集，采用误差反向传播算法，对所述卷积神经网络进行训练；

其中，所述表计图片中的特征点至少包括表计的0刻度位置点、表计中的指针固定点和表计中指针顶端位置点；

所述步骤S2中具体包括：

S21，计算所述指针固定点到表计0刻度位置点之间的线段和所述指针固定点到所述指针顶端的位置点的线段的测量夹角；

S22，根据所述测量夹角的角度和表计的总量程的角度的比值，与表计的总量程相乘，获得所述表计图片中表计的读数。

2.根据权利要求1所述的方法，其特征在于，所述采用误差反向传播算法，对所述卷积神经网络进行训练具体包括：

将所述表计图片作为输入数据输入到所述卷积神经网络中，在全连接层输出所述多个特征点的坐标信息；

将所述多个特征点的坐标信息，与所述表计图片中标注的特征点的均方误差作为目标函数，对所述卷积神经网络进行训练。

3.根据权利要求2所述的方法，其特征在于，所述神经网络的结构包含7个卷积层和一个全连接层；

其中每个卷积层后面还包含一个Batch Normalization层和一个激励层。

4.一种表计读数识别系统，其特征在于，包括：

图像识别模块，用于接收包含机械表计图像的表计图片，将所述表计图片输入到训练好的卷积神经网络中，获取所述表计图片中表计的刻度信息和表计指针的位置信息；

表计读数计算模块，用于根据所述表计的刻度信息和表计中指针的位置信息，计算获得所述表计图片中表计的读数；

其中，所述表计的刻度信息至少包括表计的0刻度位置点，所述表计指针的位置信息至少包括指针顶端的位置点和指针在所述表计表盘上的指针固定点；

其中，所述系统还包括神经网络训练模块，用于：

采集多张表计图片，对所述表计图片中的多个特征点进行标注，构建训练样本集；

通过所述训练样本集，采用误差反向传播算法，对所述卷积神经网络进行训练；

其中，所述表计图片中的特征点至少包括表计的0刻度位置点、表计中的指针固定点和表计中指针顶端位置点；

所述表计读数计算模块具体包括：

角度计算子模块，用于计算所述指针固定点到表计0刻度位置点之间的线段和所述指针固定点到所述指针顶端的位置点的线段的测量夹角；

读数计算子模块，用于根据所述测量夹角的角度和表计的总量程的角度的比值，与表计的总量程相乘，获得所述表计图片中表计的读数。