[发明专利]基于深度学习的指针仪表读数方法及系统

说明书

本申请公开了一种基于深度学习的指针仪表读数方法及系统，其涉及仪表智能读数技术领域，该方法包括如下步骤：采集指针仪表的图像信息；通过神经网络模型在所述图像信息中定位存在所述指针仪表的读数区域；对所述读数区域进行二值化处理和Blod分析，确定所述指针仪表的指针圆心位置和刻度位置；基于所述刻度位置和所述指针圆心位置确定所述指针仪表的指针位置，并计算得到刻度角度范围和指针角度；基于所述刻度角度范围和所述指针角度并通过局部搜索法计算得到所述指针仪表的仪表读数。本申请具有不进行参数调整可以对多类型仪表进行读数的效果。

技术领域

本申请涉及仪表智能读数技术领域，尤其是涉及一种基于深度学习的指针仪表读数方法及系统。

背景技术

电厂和变电站都是电力系统的重要组成部分，电厂为电力系统提供电压和电流，变电站对电力系统中的电压和电流进行变换并进行分配。在电厂和变电站的输电过程中，为了实时监测获取各项数据，需要安装大量的指针仪表，再通过对所有指针仪表的读数分析电厂或变电站整体的运行状态。

近年来出现了一些利用机器进行仪表读数的方案，相较于人工读数，利用机器进行仪表读数将会节省大量的读数时间，例如通过SURF特征点检测仪表，通常先采集到仪表的图像信息，再对图像信息中的仪表图像进行抓取，再基于同一类型仪表的仪表特征对仪表图像进行图像处理分析，并最终得到仪表图像中指针仪表的读数。

针对上述中的相关技术，发明人认为存在有以下缺陷：相关技术中的仪表读数方法需要提前获取待测仪表类型的表盘特征，再根据表盘特征配置处理参数，再基于处理参数对待测仪表的仪表图像进行图像分析处理，然而不同类型仪表的表盘特征也不同，当需要对不同类型的仪表进行读数前，还需要提前调整处理参数，因此在对多类型的仪表进行读数时具有局限性。

发明内容

为了改善对多类型的仪表进行读数时具有局限性的缺陷，本申请提供一种基于深度学习的指针仪表读数方法及系统。

第一方面，本申请提供一种基于深度学习的指针仪表读数方法，该方法包括如下步骤：

采集指针仪表的图像信息；

通过神经网络模型在所述图像信息中定位存在所述指针仪表的读数区域；

对所述读数区域进行二值化处理和Blod分析，确定所述指针仪表的指针圆心位置和刻度位置；

基于所述刻度位置和所述指针圆心位置计算得到刻度角度范围和指针角度；

基于所述刻度角度范围和所述指针角度并通过局部搜索法计算得到所述指针仪表的仪表读数。

通过采用上述技术方案，采集指针仪表的图像信息后，可以通过神经网络模型深度提取图像信息中指针仪表的图像特征，从而可以在图像信息中定位出任意类型指针仪表所在的读数区域，再对读数区域进行二值化处理，以突出读数区域内的指针特征和刻度特征，即使不同类型指针仪表的指针长度、最大量程、刻度位置或刻度大小均不相同，也可以通过Blod分析确定出指针圆心位置和刻度位置，并根据指针圆心位置和刻度位置计算出刻度角度范围和指针角度，刻度角度范围决定指针仪表的最大量程，而指针角度表示当前指针仪表的读数，因此通过局部搜索法可以计算得到指针仪表当前的仪表读数。

可选的，所述通过神经网络模型在所述图像信息中定位存在所述指针仪表的读数区域包括如下步骤：

调整所述图像信息的尺寸，得到标准尺寸的标准图像信息；

利用去除全连接层的backbone主干网络对所述标准图像信息进行特征提取，得到所述标准图像信息的图像特征；

通过残差结构对所述图像特征进行卷积操作，得到所述标准图像信息的特征张量；

根据所述特征张量在所述标准图像信息中定位存在所述指针仪表的读数区域。