[发明专利]一种数字式仪表定位和数字识别方法、装置和计算机设备

说明书

本发明公开了一种数字式仪表定位和数字识别方法、装置和计算机设备，首先利用Imgaug图像数据增强库对现场图像数据进行扩增，获得多角度、亮度和雨雪环境下的图像；然后利用YOLOv4算法检测数字式仪表，获得数字式仪表的仪表盘图像数据；再对仪表盘图像数据进行数字的检测和识别，获得表盘上所有数字的位置与类别；最后基于聚类的思想获得仪表盘上数字的行数，选定所需行数的所有数字框确定小数点的位置，得到最终的数字识别结果。采用本发明能够定位和识别带有多行数字且具有小数点的高精度数字式仪表示数，具有较高的准确率和较强的鲁棒性。

技术领域

本发明属于图像处理和深度学习技术领域，具体涉及一种数字式仪表定位和数字识别方法、装置和计算机设备。

背景技术

近年来，随着计算机算力的极大提升和大数据时代的到来，人工智能领域迎来了前所未有的发展机遇。深度学习作为人工智能领域的重要技术，在图像处理、自然语言处理、语音识别等领域大放异彩。在图像处理领域，利用深度学习技术处理分析各种各样应用场景下的图像，为人们的生活和工业生产制造带来了极大的便利，节省了大量的人力物力，为智能化城市、智能化工厂的建设夯实了技术基础。

随着数字电子技术的发展，数字式仪表作为工业生产中一种不可或缺的测量仪器，因其结构简单、读数精准、操作容易、低成本低功耗等优点被广泛应用于油气田、电力、化工等领域。数字式仪表的传统读数方法是依靠人工肉眼读取仪表上的数据进行记录，该方法存在工作量大、效率低、受人为因素影响较大等缺点。同时，如果仪表处在高温、高压或高辐射等恶劣环境中，工人长期在这种环境下工作对其身体损害极大。因此，机器人智能巡检技术应运而生。

机器人智能巡检代替人工巡检，通过相机采集图像信息进行数字式仪表的定位和自动读数，在实际工地上定期作业，降低人工巡检的危险成本，提高了巡检效率，实现了自动化监管。虽然机器人智能巡检具有全天候、不受恶劣环境影响等优势，但是现有的对数字式仪表定位和数字识别方法仍旧存在很多问题。例如基于字符分割和模板匹配的识别方法，无法有效应对倾斜图像，同时要求输入图像清晰度高，因此方法受环境噪声影响较大。而且目前很多高精度数字式仪表必然会存在小数点且其出现位置不固定，也可能一个仪表上出现多行数字。因此，如何让机器人在多变的自然环境下，高效精准的定位仪表位置、自动识别数字和定位小数点、包括识别多行数字仪表中的数字信息是机器人执行巡检工作中亟待解决的问题。

发明内容

针对现有技术存在的不足，本发明所要解决的技术问题是，提出一种能够用于智能巡检中应对多种拍摄环境和角度的数字式仪表定位和数字识别方法。该方法实现数字式仪表定位，并能够对具有单行或多行带小数点数字的仪表提取数字信息，方法具有较高准确率和较强鲁棒性的优点。

为达到上述目的，本发明所述一种数字式仪表定位和数字识别方法，包括以下步骤：

步骤1、采集包含各种仪表的现场图像数据；

步骤2、利用训练得到的仪表检测模型对图像中的数字式仪表进行定位，获得数字式仪表的仪表盘图像数据；

步骤3、利用训练得到的数字检测和识别模型对仪表盘图像数据进行七段码数字的定位和识别，获得表盘上所有数字的位置与类别；

步骤4、利用获得的所有数字的位置进行聚类，选定所需的某行数字进行小数点位置的检测，确定小数点的位置得到数字式仪表的数字识别结果。

进一步的，步骤2包括以下步骤：

步骤2.1、对现场图像数据，利用目标检测标注工具标注各种仪表的位置框和类别，类别标签分别为pointer、digital、gate、level、glasslevel和ballvalve，分别对应指针式仪表、数字式仪表、门阀式仪表、液体式仪表、玻璃式仪表和球阀式仪表；

步骤2.2、使用数据增强的方法对包含各种仪表的现场图像数据进行扩增，获得多种角度、亮度、雨雪环境下的现场图像数据；