[发明专利]一种基于深度学习的指针式仪表读数方法

权利要求书

1.一种基于深度学习的指针式仪表读数方法，其特征在于，包括以下步骤：

步骤1，标注数据集：首先用可见光摄像机拍摄一定数量包含仪表的图片(包含不同背景、光照条件、不同尺度下的图片)，再人为手工对每张图像的表盘区域和指针区域进行标注；

步骤2，模型训练：利用步骤1标注好的数据集，放入Mask-RCNN模型中进行训练，Mask-RCNN模型实质是通过在Faster-RCNN(目标检测网络)的基础上添加一个分支网络，在实现目标检测的同时，把目标中感兴趣区域像素分割出来，训练完成得到模型和权重；

步骤3，获取图像的分类、回归、分割坐标：输入测试图片，根据步骤2中Mask-RCNN模型和已经训练好的权重对测试图片分类，同时获得表盘区域坐标(W_i，Q_i)，i＝1，2，3...n和指针区域坐标(G_j，P_j)，j＝1，2，3...q，n和q分别表示表盘区域和指针区域的坐标点数量；

步骤4，判断仪表类型输入对应仪表参数：依据步骤3获得的仪表分类信息，前往数据库调用仪表的基本参数，仪表参数有最小值v_min、最大值v_max、最小角度θ_min、最大角度θ_max；

步骤5，透视变换仪表校正：从步骤3获得的表盘坐标做最小外接椭圆和最小外接圆处理，接着根据仪表椭圆到圆的坐标关系求得透视变换矩阵M，最后运用透视变换矩阵M得到校正后的指针区域坐标(x_j′，y_j′)，j＝1，2，3...q，q表示校正后指针区域的坐标点数量；

步骤6，对指针坐标直线拟合：依据步骤5获得的指针透视变换后的二维坐标(x_j′，y_j′)，j＝1，2，3...q，运用PCA(Principal Component Analysis，主成分分析)算法对仪表指针进行直线拟合，得到直线斜率为K；

步骤7，判断指针方向：利用步骤3中得到的表盘坐标(W_i，Q_i)，i＝1，2，3...n，拟合出表盘的最小外接圆，外接圆的圆心坐标作为表盘的圆心坐标(C_x，C_y)，依据步骤3中得到的指针坐标(G_j，P_j)，j＝1，2，3...q，拟合出指针的最小斜外接矩形，外接矩形的中心坐标作为指针的中点坐标(M_x，M_y)，再根据坐标(C_x，C_y)和(M_x，M_y)的位置关系判断指针方向θ；

步骤8，角度法计算指针读数：依据步骤4获得的仪表基本参数θ_min、θ_max、v_min、v_max，步骤6的指针斜率K和步骤7获得的指针方向θ，运用角度法计算仪表读数v。