[发明专利]仪表数值识别方法、装置及相关产品

说明书

本发明公开一种仪表数值识别方法、装置及相关产品，所述方法包括：获取在实际应用场景下采集的样本仪表图像作为样本数据集，并标注；建立用于检测样本仪表图像中的数字和/或指针的目标检测模型并训练；对仪表图像进行识别，得到各个矩形数字框的边框位置信息和/或圆形指针刻度盘的边框位置信息；建立图像处理及数值识别模块，并利用中心点信息对相应的图像进行矫正；对矫正后的仪表图像进行数值识别和/或指针识别。本发明首先通过目标检测模型对矩形数字区域、圆形刻度盘区域进行定位，减少了表盘上由数字组成的仪表型号等背景信息的影响；对发生旋转了的仪表图像进行矫正，极大提高了识别时指针转数值的精度。

【技术领域】

本发明涉及图像识别技术领域，尤其涉及一种仪表数值识别方法、装置及相关产品。

【背景技术】

近年来，随着图像处理技术的进一步发展，已有不少学者针对手工抄表其昂贵的人力成本和时间管理成本这一缺点，提出了成本低、效率高的智能抄表技术。即通过计算机的人工智能识别技术来代替传统的方法进行内容读取，能大大提高工人的生产和劳动效率，但是工业仪表读数的准确率与工业仪表所处的具体环境密切相关，环境条件不同，识别的准确率也难以保证。

尽管现在关于工业仪表数值识别已经有很多研究，但是依然存在一些未解决好的问题。目前关于数字识别的研究大多是采用浅层机器学习模型技术来进行模式识别，比如基于投票策略的数字字符识别方法，是使用Hough变换来定位表盘所在区域，接着使用仿射变换技术来定位表盘读数所在位置，最后使用投票策略对读数进行分类识别。由于浅层网络信息较少，一旦表盘附着大量污物或表盘内有大量的水珠，这会大大影响到表盘图像特征的提取，且表盘图像与模板之间的特征点匹配计算量很大，非常消耗时间。在进行识别的过程中，由于表盘会有反光的情况，所以环境光线也是影响识别效果的一大因素。

鉴于此，实有必要提供一种仪表数值识别方法、装置及相关产品以克服上述缺陷。

【发明内容】

本发明的目的是提供一种仪表数值识别方法、装置及相关产品，旨在解决对表盘的机器识别精度较低的问题，提高机器识别的效率和准确性。

为了实现上述目的，本发明第一方面提供一种仪表数值识别方法，包括以下步骤：

获取在实际应用场景下采集的样本仪表图像作为样本数据集，并对所述样本仪表图像中的矩形数字区域和/或圆形指针刻度盘区域进行标注；其中，所述矩形数字区域的标注信息包括位置与数值，所述圆形指针刻度盘区域的标注信息包括刻度盘位置与指针轮廓；

建立用于检测样本仪表图像中的数字和/或指针的目标检测模型，并通过所述样本数据集对所述目标检测模型进行训练；

通过所述目标检测模型对仪表图像进行识别，得到各个矩形数字框的边框位置信息和/或圆形指针刻度盘的边框位置信息；

建立用于提取各个所述矩形数字框和/或所述圆形指针刻度盘的中心点信息的图像处理及数值识别模块，并利用所述中心点信息对相应的图像进行矫正；

对矫正后的所述仪表图像进行数值识别和/或指针识别。

在一个优选实施方式中，所述建立用于检测样本仪表图像中的数字和/或指针的目标检测模型，并通过所述样本数据集对所述目标检测模型进行训练步骤中包括以下步骤：

将所述样本数据集作为输入对所述目标检测模型进行训练，获取矩形数字框的检测框和/或圆形指针刻度盘的检测框、以及各个检测框的类别信息；其中，所述矩形数字框的类别信息为矩形数字框中的数值；

将所述样本数据集的仪表图像中标注的矩形数字框的位置及数值信息和/或圆形指针刻度盘的位置信息作为标签，训练得到所述目标检测模块的损失，并通过反向传播逐步迭代神经网络模型的权重，完成所述目标检测模型的训练。

在一个优选实施方式中，所述仪表数值识别方法还包括以下步骤：