[发明专利]一种仪表读数神经网络识别方法

说明书

本发明公开了一种仪表读数神经网络识别方法，属于视觉识别与自动化领域，包括：(1)指针仪表图像获取：指针仪表图像进行拍摄并记录；(2)校正基准获取；(3)将不同位置的仪表盘图像与数字显示读数结果进行神经网络训练训练运用前馈算法进行参数学习；(4)仪表读数识别检测：输入指针仪表摄像图像，神经网络模型给出相应仪表读数识别结果与置信区间。本发明克服现有仪表读数提取方法的不足，充分利用人工神经网络模型的参数学习能力，基于人工神经网络模型的学习能力和误差前馈的物理意义，通过对拍摄图像的处理，对指针仪表读数进行精确检测，具有实时性强、准确率高等特点，具有较好的实用价值。

技术领域

本发明属于视觉识别与自动化领域，具体涉及一种仪表读数神经网络识别方法。

背景技术

在测量系统的应用里自动化仪表读数是一种广泛的方法。例如水表抄表计费等。仪表的定时定期读数时也有在监控系统的应用。目前，仪表读数有以下的一些方法：

1)人工读取，例如水电燃气数据的人工抄表，依然采用人工的方法。这种方法无法实现自动化，费时费力。

2)测量仪表数字化，直接获取数字化的读数，将原有的仪表进行数字化替换，减小人工开销，提高读数效率。但是前期投入成本较高，例如将水表进行拆卸，更换为数字化水表，前期投入较大，维护成本也不低，同时需要用户加以配合。另外，部分机械表具有数字化表难以替代的优势，例如机械压力表测量精准，成本优势大，而且相比数字化表无需电源，稳定性好。

3)摄像头拍摄仪表图，运用计算机视觉识别仪表读数。无需更换原有仪表，成本不高，可以即时使用。

指针仪表使用方便，价格低廉，在电气、化工、机械等行业中得到了广泛的使用。在一些测试地点，例如对人员具有伤害的场所不适合进行人工读数。在数据量需求较大，条件恶劣的工作环境当中，准确和效率需要得到保证。现在基于计算机视觉的图像识别技术自动化识别，能提高读数精度，降低人力成本，提高效率。

现在的指针仪表的图像自动识别方式主要分为三部分，包括表盘区域，指针位置，刻度识别

1)表盘提取方法目前主要使用模板特征匹配，在背景较复杂时准确率不高，效率低下。

2)指针位置识别的方法有两种：

分割区域提取表盘特征，运用消影法获得指针图像，二值化处理指针图像，直线提前方法提取指针对应直线。此方法要求表盘与摄像头位置稳定。

对图像进行去噪滤波、形态学滤波以提取指针图像，二值化处理指针图像，直线提前方法提取指针对应直线。此方法成像质量要求比较高。

3)刻度视觉识别的读取的方法有以下几种：

将摄像头与仪表固定，根据两者位置关系，由指针偏转角度得到读数。这种方法因表盘位置相对固定，实际应用会受到限制。

对图像进行去噪滤波、形态学滤波以提取刻度图像，二值化处理指针图像，直线提前方法提取刻度对应直线，根据指针直线与刻度的对应关系得到参数。这种方法需要能提取刻度线。

对刻度数字进行识别，得到刻度线对应读数。这种方法需要进行数字识别对表盘的清晰度有要求，仪表光照与污垢可能会造成自动化读数失败。

建立仪表模板，运用指针和刻度线特征，在仪表图像识别区域，提取指针和刻度线，将模板图中的刻度线角度，圆心位置保存在模板库当中，通过指针直线与刻度线的对应关系进行计算得到读数。这种方法需要提前建立庞大的数据库，工作量大且较为繁琐。

发明内容

针对现有技术的缺陷，本发明提供一种基于神经网络的仪表校正方法，由此解决现有的指针仪表读数识别在摄像机固定位置不确定，人工读数不稳定性，指针仪表自身不准的问题。