[发明专利]一种基于可信AI的指针式压力表示值读取方法及装置

权利要求书

1.一种基于可信AI的指针式压力表值读取方法，其特征在于，包括：

A使用深度学习目标检测模型，识别图像上的压力表，并获得压力表在图像上的位置，裁剪出压力表图像I_meter；

B通过深度学习分割模型，识别出压力表图像上的指针、刻度盘区域；

C在刻度盘区域内，采用机器视觉分割算法提取精确刻度，对精确刻度进行缩格补偿，建立极坐标系O_meter，获得刻度盘压力值P_n与θ_n的对应关系；

D在指针区域内，采用机器视觉分割算法，提取精确指针区域，获得指针角度为θ_pin，变换得到压力示值P_pin；

所述C中对精确刻度进行缩格补偿，建立极坐标系O_meter，得到获得刻度盘压力值P_n与刻度盘角度θ_n的对应关系，具体包括：

设压力表理论测量范围为0～P_e，对于带止销压力表，存在“缩格”使压力表实际测量范围为P_s～P_e，P_s0Pa，在示值读取时，需要估计测量下限以压力表中心为原点、沿径向建立极坐标系，则刻度线起点、终点对应角度分别为θ_s、θ_e；刻度盘角度为θ_n，刻度盘压力示值P_n为：

实际测量下限通过示值非0的刻度线进行估计，设该刻度线示值P_n、角度θ_n，则为：

所述计算P_n的公式和计算的公式就是考虑缩格的压力表读数方法；

所述步骤D中，获得指针角度为θ_pin，变换得到压力示值P_pin，具体为：

其中，θ_s为刻度线起点对应角度、θ_e为刻度线终点对应角度、P_e为压力表测量上限、为压力表测量下限、θ_pin为指针角度。

2.如权利要求1所述的基于可信AI的指针式压力表值读取方法，其特征在于，所述A中识别图像上压力表的深度学习目标检测模型，其中目标检测模型为R-CNN、faster R-CNN二阶段式目标检测模型或YOLO、PYOLO单阶段式目标检测模型；

所述压力表图像上位置以左上点(u_min,v_min)、右下点(u_max,v_max)边界框表示；

在裁剪压力表图像时，可对边界框进行外拓，设外拓水平像素数量σ_u、垂直像素数量σ_v，即左上点(u_min-σ_u,v_min-σ_v)、右下点(u_max+σ_u,v_max+σ_v)。

3.如权利要求1所述的基于可信AI的指针式压力表值读取方法，其特征在于，所述B中识别出压力表图像上指针、刻度盘区域的深度学习分割模型，其中，分割模型为FCN、DeepLab语义分割模型或Mask R-CNN实例分割模型；经过输出获得指针区域二值图像B_pin-DL、刻度盘区域二值图像B_scale-DL。