[发明专利]一种指针表盘刻度的自动读取方法

权利要求书

1.一种指针表盘刻度的自动读取方法，其特征在于：

包括以下步骤；S00：数据采集，以机器人拍摄图片作为测试集，人工拍摄图像作为训练集；

S10：数据标注：将指针式仪表刻度区域与指针区域作为整体进行像素区域的标注；

S20：端到端的像素识别网络结构设计，包含指针式仪表刻度区域与指针区域的像素识别；

在步骤S20中，端到端的像素识别网络结构设计按网络训练顺序依次包括深度网络特征提取器模型设计、深度网络区域选取器模型设计、深度网络像素Mask分类器模型设计；

在深度网络像素Mask分类器模型设计中，根据所述深度网络特征提取器模型设计中输出的scores做排序，选出分数前2000的bbox，将其认定为分数较高Boxes，对于分数较高Boxes向原图进行映射与缩放，得到固定大小的图像高维特征，经过4层卷积与2层反卷积得到像素级的Mask分类与Boxes的细调节参数。

2.根据权利要求1所述的指针表盘刻度的自动读取方法，其特征在于：

所述深度网络特征提取器模型设计采用Resnet18网络、FPN金字塔结构，金字塔各层输出作为区域选取器与像素Mask分类器的输入。

3.根据权利要求1所述的指针表盘刻度的自动读取方法，其特征在于：

在所述深度网络区域选取器模型设计中，对于金字塔特征构建目标Boxes，后接filter_size为1*1大小的卷积层替代全卷积层，并输出Boxes的粗调节参数。

4.根据权利要求1所述的指针表盘刻度的自动读取方法，其特征在于：

在端到端的像素识别网络结构设计的网络训练顺序流程中增加深度网络误差设计，然后进行模型训练与测试，所述深度网络区域选取器模型设计以及所述深度网络像素Mask分类器模型设计中均增加有所述深度网络误差设计。

5.根据权利要求4所述的指针表盘刻度的自动读取方法，其特征在于：

在深度网络误差设计中包含Box判断误差，Mask像素误差，Box调节参数误差。

6.根据权利要求2所述的指针表盘刻度的自动读取方法，其特征在于：

在步骤S20中，端到端的像素识别网络结构设计的具体流程为，在对图像数据标注之后，图像经过畸变矫正做为输入至所述深度网络特征提取器。

7.根据权利要求6所述的指针表盘刻度的自动读取方法，其特征在于：

在所述深度网络区域选取器模型设计有刻度表指针区域粗选取器，刻度表指针区域粗选取器对标注的区域粗选取，然后根据选取区域剪裁缩放原图像，使图像尺寸固定。

8.根据权利要求7所述的指针表盘刻度的自动读取方法，其特征在于：

对刻度表指针区域细调全卷积层与Mask分类器，根据选取出Mask中的刻度表指针角度计算读数。