[发明专利]一种刻度仪表读数智能识别方法及系统

说明书

本发明公开了一种刻度仪表读数智能识别方法及系统，通过对当前基于深度学习的目标检测模型的改进，并结合机器学习聚类、向量运算以及纠错算法，使得模型能够更加准确且实时的识别指针表读数，可大大降低人工抄表的成本，将传统行业信息化，智能化。该技术能够应用到智能巡检机器人中，机器人通过对仪表进行拍照，将照片传回系统后，使用本发明提供的方法进行识别，并实时返回识别结果。

技术领域

本发明涉及仪表识别技术领域，具体涉及一种刻度仪表读数智能识别方法及系统。

背景技术

现有的对压力表等指针型读数的仪表读数识别的方法通常是分为仪表定位+指针识别，仪表定位采用手工提取特征的机器学习方法，或者使用YOLO、FasterRCNN、Mask RCNN等深度学习目标检测框架，而指针线识别则是采用Hough变换或模板匹配的方式。这些方法中，基于手工提取特征的方式泛化能力较差，且容易带来经验偏差；基于传统Hough变换或模板匹配的方式在图像预处理阶段会产生累积误差，且存在一些不易调整的超参数，无法适应由图像倾斜或背景光线变化带来的影响。这些问题使得现有的大多数方法都只能在特定条件下适用。

发明内容

为此，本发明提供一种刻度仪表读数智能识别方法及系统，以解决现有指针型仪表读数识别方法对拍摄角度和背景信息差异较大的仪表图片识别效果差的问题。

为了实现上述目的，本发明提供如下技术方案：

根据本发明实施例的第一方面，提出了一种刻度仪表读数智能识别方法，所述方法包括：

对待识别仪表图片进行目标检测获取包括半指针、表盘中心、刻度条以及刻度值的多个目标的预测框及其分类；

对得到的多个目标的预测框进行非极大值抑制运算，根据置信度和IoU得分对预测框进行筛选得到最优预测框集合；

基于k-means聚类算法对识别到的刻度值进行聚类分组，并获取距离每组刻度值最近的刻度条，通过计算表盘中心与刻度条中心坐标构建的向量和坐标系纵坐标单位向量的夹角大小对分组后的刻度值进行排序；

获取距离半指针尖点最近的两侧的两个刻度条，通过计算表盘中心与两个刻度条中心坐标构成向量的第一夹角、半指针和一侧刻度条与表盘中心的中心坐标构成的第二夹角，根据第一夹角与第二夹角的比值以及两个刻度条对应的刻度值，得到当前指针对应的读数。

进一步地，所述方法还包括：

获取原始仪表图片，通过目标检测对所述原始仪表图片中仪表进行定位，截取仪表所在区域得到待识别仪表图片。

进一步地，所述方法还包括：采用Yolov5目标检测模型。

进一步地，对得到的多个目标的预测框进行非极大值抑制运算，根据置信度和IoU得分对预测框进行筛选得到最优预测框集合，具体包括：

步骤一：构造候选框集合C，初始包含N个候选框；构造最优框集合O，初始没有元素；

步骤二：取出候选框集合C中置信度最高的元素作为当前最优框，将其删除并加入集合O；

步骤三：将取出的元素与候选框集合C剩下的每个元素计算IoU，并分别与阈值进行比较，当IoU大于所述阈值时认为候选框与当前最优框重合，删除超过阈值的元素；

步骤四：重复步骤二和步骤三，直到集合C为空，此时集合O中对应的结果为最终的预测框。

进一步地，基于k-means聚类算法对识别到的刻度值进行聚类分组，具体包括：

在k值的选择上，在一定范围内搜索使得轮廓系数最大的聚类组数。

进一步地，通过计算表盘中心与刻度条中心坐标构建的向量和坐标系纵坐标单位向量的夹角大小对分组后的刻度值进行排序，具体包括：