[发明专利]一种基于深度神经网络的指针式仪表读数方法和读数系统

说明书

本发明公开了一种基于深度神经网络的指针式仪表读数方法和读数系统，其中读数方法包括：S1、构建训练样本集：采集指针式仪表表盘图像，对采集的图像统一图像尺寸、进行转正处理并添加读数标签，构成训练样本集；S2、构建基于深度神经网络的读数模型，所述读数模型的输入为指针式仪表表盘图像，输出为读数标签；S3、采用训练样本集对读数模型进行训练；S4、获取待读数指针式仪表表盘图像进行转正处理，转正后的图像输入训练好的读数模型中，根据读数模型的输出获取各小指针表盘的读数，并计算得到最终的读数。该方法能够对任意旋转角度的指针式仪表图像进行自动检测和准确读数。

技术领域

本发明属于智能仪表技术领域，具体涉及一种基于深度神经网络的指针式仪表读数方法和系统。

背景技术

在目前阶段，利用计算机视觉实现自动抄表来替代人工抄表在智能仪表领域应用越来越多。将深度学习应用于计算机视觉能够提高仪表读数的准确度和速度，但是通常深度学习依赖于大量样本的训练，训练样本图像直接影响了深度学习获取读数的准确度。如申请号为2019100905675的中国专利申请，公开了一种基于深度学习的指针式水表读数检测方法，其中将训练样本图像中水表的旋转角度限制在±30°内；由此训练的检测模型对旋转角度超出±30°的水表进行读书时，势必影响到读数的准确性。申请号为2018106081299的中国专利申请公开了一种指针式水表的检测与识别方法，其中水表图像可以任意旋转角度，但是对于识别后的各小指针圆盘需要根据先验知识按序组合后才能得到完整读数结果(见图4)，因此准确的读数结果依赖于对小指针圆盘的排序。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于深度神经网络的指针式仪表读数方法和系统，能够对任意旋转角度的指针式仪表图像进行自动检测和准确读数。

技术方案：本发明一方面公开了一种基于深度神经网络的指针式仪表读数方法，包括：

S1、构建训练样本集：采集指针式仪表表盘图像，对采集的图像统一图像尺寸、进行转正处理并添加读数标签，构成训练样本集；所述读数标签由指针式仪表中每个小指针表盘的读数组成；所述转正处理包括：

S11、获取各个小指针表盘的中心；

S12、将小指针表盘中心首尾依次连接，得到一个N边形，N为指针式仪表中小指针表盘的个数；

S13、将N边形中最长的边作为底边；旋转所述底边，使所述底边为水平方向，且所述底边的两个端点为N边形所有顶点中最接近图像下边缘的顶点；计算所述底边的旋转角度θ；

S14、按照角度θ旋转图像，得到转正后的图像；

S2、构建基于深度神经网络的读数模型，所述读数模型的输入为指针式仪表表盘图像，输出为读数标签；

S3、采用训练样本集对读数模型进行训练；

S4、获取待读数指针式仪表表盘图像并按照步骤S11-S14进行转正处理，转正后的图像输入训练好的读数模型中，根据读数模型的输出获取各小指针表盘的读数，并计算得到最终的读数。

进一步地，所述步骤S1还包括对采集的图像进行预处理，所述预处理包括图像去雾和/或低照度增强。

进一步地，所述步骤S1还包括对采集的图像进行透视变换以矫正因相机镜头平面与表盘平面不平行造成的图像畸变。

本发明中，读数模型为YOLO深度神经网络。

所述步骤S4中最终的读数为每个小指针表盘读数与其权重系数乘积的累加和。

另一方面，本发明还公开了实现上述读数方法的读数系统，包括：