[发明专利]一种基于深度学习的双指针仪表读数方法

权利要求书

1.一种基于深度学习的双指针仪表读数方法，该方法具体步骤如下：

步骤一：对目标图像进行仪表检测，利用训练好的yolo v3目标检测模型将仪表框从原图中分割出；

步骤二：对仪表图像进行霍夫圆检测，同时进行椭圆连通域筛选，结合两种方法得到仪表圆形表盘，并进行表盘矫正，在对仪表图像进行霍夫圆检测之前，先对该仪表图像进行灰度化、去噪、增强处理，并检测边缘，其中进行表盘矫正的具体方法为利用椭圆长短轴的极点坐标做透视变换以矫正表盘，当霍夫圆检测无法检测到圆形时，对所分割的仪表图像进行二值化处理，再对其二值图进行形态学闭运算，并筛选最大连通域，在最大连通域区域内检测椭圆表盘；

步骤三：对矫正后的表盘图像进行去噪，灰度化，图像增强，二值化，形态学闭运算处理；

步骤四：根据表盘图像上指针的初始信息，粗筛选指针连通域，并对该指针连通域做外接矩形；

步骤五：根据得到的指针连通域，对其外接矩形区域进行灰度直方图统计，并拟合得到波峰值；

步骤六：选取灰度阈值，对表盘低灰度区域进行灰度拉伸，进行自适应阈值二值化图像操作，并再次筛选双指针与刻度连通域；

步骤七：对以上筛选得到的二值连通域图像，和表盘原图做二进制‘与’运算操作，初步从原图像中分割出指针和刻度区域；

步骤八：利用训练好的Maskrcnn算法识别并分割出准确的双指针和刻度像素级区域；

步骤九：根据得到的刻度连通域，确定最小最大量程角度，同时拟合两根指针连通域线段，计算角度并利用角度比例换算最终读数。

2.如权利要求1所述的一种基于深度学习的双指针仪表读数方法，其特征在于：步骤一中，存在误检仪表框时，对所有检测出的仪表框两两之间进行IOU计算，存在漏检仪表框时，转至步骤二。

3.如权利要求1所述的一种基于深度学习的双指针仪表读数方法，其特征在于：步骤三中，对表盘图像进行形态学闭运算后，再对表盘图像外围进行泛洪填充。

4.如权利要求1所述的一种基于深度学习的双指针仪表读数方法，其特征在于：步骤四中，指针的初始信息包括有指针形状、指针位置。

5.如权利要求1所述的一种基于深度学习的双指针仪表读数方法，其特征在于：步骤五中，拟合得到的波峰值有三个，分别为真实指针灰度值、指针阴影灰度值和表盘背景灰度值。

6.如权利要求5所述的一种基于深度学习的双指针仪表读数方法，其特征在于：步骤六中，通过在真实指针灰度值和指针阴影灰度值之间遍历来选取灰度阈值。