[发明专利]一种针对残缺电力指针的表计图片识别方法

权利要求书

1.一种针对残缺电力指针的表计图片识别方法，其特征在于，其步骤如下：

步骤一：利用目标检测模型对待处理表计图片处理，提取电力表的表盘区域；

步骤二：通过表计识别分类模型对表盘区域进行识别，获取表计的基本参数信息；

步骤三：通过语义分割模型提取表盘区域中的主刻度、次刻度和指针；

步骤四：将步骤三处理后的包含刻度区域的图像进行矩形化展开得到矩形图；

步骤五：将矩形图进行加权线性压缩转化为一维数组，求取压缩均值确定表计中刻度和指针的位置；

步骤六：比较步骤五提取的刻度数量与表计真实刻度数量，判断主刻度和次刻度是否残缺，若次刻度残缺、主刻度不残缺，以主刻度方式读数；若次刻度完全残缺、主刻度部分残缺，补全残缺主刻度进行读数；若次刻度部分残缺，补全次刻度进行指针读数；若初始刻度残缺，人工进行补偿标记后重新判断主刻度和次刻度是否残缺。

2.根据权利要求1所述的针对残缺电力指针的表计图片识别方法，其特征在于，所述步骤一中目标检测模型为MobileNetV3骨干网络的PPYOLOTiny模型，选取出表盘的置信度最高的预测框；所述目标检测模型的训练数据集的制作方法为：收集表计样本图像，采用labelme标注软件对表盘区域进行标注；所述步骤二中表计识别分类模型为darknet53骨干网络的YOLOV3图像分类深度学习模型，表计识别分类模型介意识别出表盘区域的图片的表计种类，根据表计种类查询数据结构得到表计的基本参数信息；训练表计识别分类模型的数据集为对目标检测模型所获取的预测框中的图像进行分类后得到的；所述语义分割模型为基于快速分割卷积神经网络的Fast-SCNN模型，制作语义分割模型的训练数据集的方法为：将分类后的表计图片调整至固定大小为1024*1024，使用labelme标注软件将表盘区域中主刻度与次刻度分别标注，刻度标注为line格式，指针标注为polygon格式，标注完成后生成对应的json文件，再将json文件转化为对应的SEG图片。

3.根据权利要求2所述的针对残缺电力指针的表计图片识别方法，其特征在于，所述数据结构表示表计的量程、分度值、单位和圆心位置；所述主刻度的标签设置为maxScale，次刻度的标签设置为scale，标注为主刻度的区域的数组元素的值设置为1，次刻度的区域的数组元素的值设置为2，指针区域的数组元素的值设置为3，其他区域为背景数组元素、数值设置为0。

4.根据权利要求1或3所述的针对残缺电力指针的表计图片识别方法，其特征在于，所述步骤四中矩形图为二维矩阵，且表盘半径为二维矩阵的行数、表盘周长为二维矩阵的列数；将首次圆心定位结果存储数据结构中，后续同类型表盘通过查表寻找表盘圆心的方法获取该表盘的参数信息后得到圆心位置。

5.根据权利要求4所述的针对残缺电力指针的表计图片识别方法，其特征在于，所述表盘半径的计算方法为：从语义分割模型得到的包含表盘刻度区域的图片中抽取关键点，寻找三个关键点，以图片的左下角为原点建立坐标系，将x坐标最小点、x坐标最大点和y轴坐标最小点作为三个关键点，将相邻关键点进行连线，其连线的中垂线交点即为表盘的圆心；通过遍历存储各个元素点位置的信息表，计算与圆心的距离，取均值为表盘半径；所述表盘周长为2*π*表盘半径；

所述查表寻找表盘圆心的方法为：建立两个数组：Key为一个字符串一维数组存放表计名称，value为一个自定义类一维数组存放表计信息，自定义类里包括表计的量程、次刻度数量、主刻度数量、次刻度分度值、主刻度分度值和圆心坐标；将表计名称通过ASCII码转化为关键字Key，将关键字Key通过哈希表中除留取余法计算得到表计对应的地址名，利用地址名将圆心位置存储到该地址单元；由表计分类模型识别出当前图片中电力表的类型后，返回一个数字，通过该数字对应自定义类里的字符串获取当前表计对应的表计名称，再根据表计名称获取当前表盘的圆心位置的信息，再通过存储的圆心位置以及采集的表计图片相对于存储信息的偏差值计算出真实的圆心位置。