[发明专利]一种数字式仪表读数的识别方法

权利要求书

1.一种数字式仪表读数的识别方法，包括仪表图片集训练阶段和待测仪表图片识别阶段；其特征在于，

所述仪表图片集训练阶段包括：

步骤一：利用图像拼接得到实际仪表中数字连续跳变的连续图片；

步骤二：选择仪表模板图，制作出实际仪表的单个数字框，得到单个数字模板图片，并获得相应参数；

步骤三：将各个单个数字框置于连续图片的顶部，从顶向下滑动数字框，依次得到相应的连续图片及其标签值，即为仪表图片集；

步骤四：将仪表图片集作为训练样本，进行卷积神经网络训练；

所述待测仪表图片识别阶段包括：

步骤一：获得待测的实际仪表图片，获取相应的仪表型号，获得单个数字框参数；

步骤二：运用模板匹配进行模板图匹配对齐，按单个数字框参数切分得到若干单个数字图片，并与单个数字模板图片进行规定化处理；

步骤三：将规定化处理后的单个数字图片放入已经训练好的卷积神经网络得到连续型回归结果；

步骤四：对回归结果四舍五入，从而得到数字识别结果；

其中，各个数字连续跳变的多张连续图片表示从数字0依次到数字9再到数字0的连续图片。

2.根据权利要求1所述的一种数字式仪表读数的识别方法，其特征在于，所述利用图像拼接得到实际仪表中各个数字连续跳变的多张连续图片包括：

1)以固定焦距拍摄包含仪表数字的仪表图片；

2)将仪表图片均衡化，并进行自适应阈值处理，从而将数字与背景分割开；

3)获取最大连通域，即为中央的数字区域，分割出对应数字区域，将分割出的数字图片以数字连续跳变的方式进行排列，按照仪表类型间隔相同距离排布背景图上，最终得到各个数字连续跳变的多张连续图片。

3.根据权利要求1所述的一种数字式仪表读数的识别方法，其特征在于，仪表图片集的获取方式包括以仪表数字区域大小的窗口，在连续图片上进行滑动，每隔固定距离N选取一张图片，并修改标签值，即当前窗口图片的示数。

4.根据权利要求1所述的一种数字式仪表读数的识别方法，其特征在于，卷积神经网络的训练包括卷积神经网络结构包括顺次连接的2个卷积层以及1个全连接层，层与层之间均通过最大池化层进行分隔，所有隐含层的激活单元都采用线性整流函数。

5.根据权利要求4所述的一种数字式仪表读数的识别方法，其特征在于，所述卷积神经网络的训练具体包括：

利用第一卷积层的卷积核采用卷积层公式对大小为(n_p,m_p)的输入图像进行卷积；将卷积后的结果经过最大池化层池化后输出为((n_p-n_c+1)/2)*((m_p–m_c+1)/2)*k₁的输出神经元；再依次经过第二卷积层和第二最大池化层最后输出变成((n_p-3n_c+3)/4)*((m_p-3m_p+3)/4)*k₂的输出神经元；将该输出神经元作为第一全连接层的输入，第一全连接层对其每一个输入的神经元进行加权求和得到其输出神经元的值，再将第一全连接层输出的输出神经元经过一个第二全连接层，最终得到一个输出神经元；经过迭代更新加权求和中的权值，直至其损失最小；其中，k₁表示第一卷积层的卷积核个数；k₂表示第二卷积层的卷积核个数；n_p表示输入图像的宽，m_p表示输入图像的高；n_c表示卷积层卷积核的宽，m_c表示卷积层卷积核的高。