[发明专利]一种表计读数识别方法及系统

说明书

本发明提供一种表计读数识别方法及系统，所述方法包括：接收包含机械表计图像的表计图片，将所述表计图片输入到训练好的卷积神经网络中，获取所述表计图片中表计的刻度信息和表计指针的位置信息；根据所述表计的刻度信息和表计中指针的位置信息，计算获得所述表计图片中表计的读数；其中，所述表计的刻度信息至少包括表计的0刻度位置，所述表计指针的位置信息至少包括指针顶端位置点和指针在所述表计表盘上的固定点。本发明提供的方法，利用神经网络进行了图片中表计特征的自动提取，通过提取的图像中的特征，计算获得表计的读数，实现了对机械表计读数的自动识别，不需要人工参与，而且模型对光照不敏感，鲁棒性较高。

技术领域

本发明涉及计算机处理领域，更具体地，涉及一种表计读数识别方法及系统。

背景技术

现有的表计识别方法主要采用传统的模式识别，通过图像预处理、目标区域检测、指针识别、读数计算等一系列的步骤实现表计读数，现有的方法虽然具体实施步骤有所不同，但整体流程、使用的技术都大同小异。

例如在申请号为201510345598.2的中国专利申请中提出了一种基于图像配准的机械式表计识别方法，该方法通过对表记的标准图像的刻度点进行手工标定，利用图像处理的方法将待识别图像与标准图像的特征点进行匹配，然后对待识别图像做透视变换，完成待识别表计图像的配准，最后通过对表盘中特定区域的灰度值比较识别指针的位置，计算出电表的读数。

许丽在文献《巡检机器人中的指针式仪表读数识别系统》中，通过目标分割方法提取指针区域，然后通过hough变换定位指针，最后对图像进行二值化处理，利用指针中心线相对于仪表量程初始刻度的角度和量程的关系识别仪表的读数。

在现有的表计识别中，识别表计读数包括预处理图像、目标区域检测、指针识别等步骤，步骤繁琐，而且需要大量的先验知识，对算法设计人员的专业知识要求较高，同时传统识别中需要针对不同的表计设计不同的算法，增大了表计读数识别的难度。

发明内容

本解决现有技术中对表计读数的识别需要针对不同的表计设计不同的算法，对算法设计人员要求较高，对表计读数识别难度较大的问题，提供一种表计读数识别方法及系统。

根据本发明的一个方面，提供一种表计读数识别方法，所述方法包括：

S1，接收包含机械表计图像的表计图片，将所述表计图片输入到训练好的卷积神经网络中，获取所述表计图片中表计的刻度信息和表计指针的位置信息；

S2，根据所述表计的刻度信息和表计中指针的位置信息，计算获得所述表计图片中表计的读数；

其中，所述表计的刻度信息至少包括表计的0刻度位置点，所述表计指针的位置信息至少包括指针顶端的位置点和指针在所述表计表盘上的指针固定点。

其中，所述步骤S2中具体包括：

S21，计算所述指针固定点到表计0刻度位置点之间的线段，和所述指针固定点到所述指针顶端的位置点的线段的测量夹角；

S22，根据所述测量夹角的角度和表计的总量程的角度的比值，与表计的总量程相乘，获得所述表计图片中表计的读数。

其中，所述步骤S1之前还包括，

采集多张表计图片，对所述表计图片中的多个特征点进行标注，构建训练样本集；

通过所述训练样本集，采用误差反向传播算法，对所述卷积神经网络进行训练；

其中，所述表计图片中的特征点至少包括表计的0刻度位置点、表计中的指针固定点和表计中指针顶端位置点。

其中，所述采用误差反向传播算法，对所述卷积神经网络进行训练具体包括：