[发明专利]一种指针式仪表图像数据合成方法

说明书

本发明公开了一种指针式仪表图像数据合成方法，包括：1)构建表盘定位数据集和准备待增强数据集，训练表盘检测网络，使用网络输出表盘图像；2)量程量纲数据集的构建，训练字符识别网络，使用网络输出量程量纲的文字信息；3)下载不同风格字符数据集，训练字符生成GAN网络，使用网络输出新的量程量纲图像替换原量程量纲图像，输出量程量纲增强表盘图像；4)指针刻度数据集的构建，训练Mask R‑CNN网络，使用网络输出指针刻度的掩模，对指针和刻度进行形态学变换，对指针进行旋转，生成新的指针图像和刻度图像，输出指针刻度增强表盘图像，嵌入原仪表图像表盘位置。本发明具有多样性、灵活性以及在不同背景下有更好的泛化能力，扩增可供读数仪表数据。

技术领域

本发明涉及图像处理与神经网络的技术领域，尤其是指一种指针式仪表图像数据合成方法。

背景技术

仪表作为一种监测装置，主要有压力仪表、温度仪表、流量仪表、电工仪表、电子测量仪表，它也被广泛应用于工业生产和社会生活的各个方面，为生产生活提供了极大的便利。通过图像采集设备采集仪表图像进行检测分类读数，相较于人工分类读数方法具有适用范围广、分类读数效率高的优势，随着图像处理技术和神经网络技术的发展，这种方法也在逐步成为主流，该方法中的关键环节就包括仪表的定位与识别，仪表图像数据集的质量对于仪表的定位和分类网络的训练具有重要影响。

目前对于仪表分类方法的研究与实现，主要集中在使用神经网络网络对不同类型的仪表图像进行分类训练，这种方法需要一定量的训练集对神经网络进行训练，需要识别的仪表图像都需要训练，不同类型的仪表在图像数据不足一直是神经网络中的一个热点问题，缺乏优质数据集时神经网络对不同的仪表的识别分类性能并不理想。目前对于仪表数据增强的方法的研究与实现，主要集中在传统图像处理技术的应用上，具体通过翻转、旋转、缩放、颜色扰动一系列图像处理技术实现数据集的增强，这种方法虽然简单易行，但是泛化能力不足，对于仪表的数据增强效果并不明显，并且指针式仪表并不适用于翻转、旋转的变换。随着近年来GAN(Generative Adversarial Networks)技术和图像处理技术的迅猛发展，使得使用神经网络对抗生成图像扩增数据集产生可能。

综合以上论述，发明一种具备多样性的指针式仪表数据合成方法具有较高的实际应用价值。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种指针式仪表图像数据合成方法，主要利用神经网络和图像处理技术设计实现对指针式仪表仪表图像数据的合成，从而扩增数据集，该方法具有多样性、灵活性以及在不同背景下有更好的泛化能力，可大大增加指针式仪表读数系统的训练、测试数据，提高人工智能在仪表检测、识别、读数的能力，提升网络的鲁棒性，有效推动自动化仪表识别的发展。

为实现上述目的，本发明所提供的技术方案为：一种指针式仪表图像数据合成方法，包括以下步骤：

1)对仪表图像上的表盘进行标注构建表盘定位数据集及准备待增强数据集，装载训练参数使用表盘定位数据集训练表盘检测网络，训练完毕后得到最优的表盘检测网络，将待增强仪表数据集输入最优的表盘检测网络，输出表盘图像并将表盘图像裁剪出来；其中，所述表盘检测网络采用YOLO网络，并将YOLO网络的骨干网络改进为mobilenet轻量化网络以减少网络参数和计算量，提高运算速度；

2)将步骤1)标注的表盘图像裁剪出来，对表盘图像上的量程量纲进行标注，标注内容为量程量纲的位置和文字信息，构建量程量纲数据集，装载训练参数使用量程量纲数据集训练字符识别网络，训练完毕后得到最优的字符识别网络，将步骤1)输出的表盘图像输入字符识别网络，输出表盘图像上的量程量纲的文字信息；其中，所述字符识别网络采用YOLO网络，并将YOLO网络的骨干网络改进为mobilenet轻量化网络以减少网络参数和计算量，提高运算速度；