一种多形态指针表读数智能识别方法及装置与流程

技术特征：
1.一种多形态指针表读数智能识别方法，其特征在于，包括：获取多形态指针表的图像；调用已训练好的目标检测模型，检测出所述图像中的指针表表盘和指针；对识别出的指针表表盘中的不规则指针表表盘进行矫正；录入各指针表表盘中指针读数的顺、逆时针信息以及表盘刻度信息；针对无刻度表盘，设定最小标记位为0，最大标记位为1，最小标记位和最小标记位之间按照比例换算为百分比数值；根据指针读数的顺、逆时针信息以及表盘刻度信息，确定指针的角度与表盘刻度信息之间的线性关系式；识别指针的实时角度；将所述指针的实时角度代入所述线性关系式，换算出指针在指针表表盘上所指示的实时表盘刻度信息，将所述实时表盘刻度信息输出为指针表读数结果；在图像中标注出所述指针表读数结果。2.如权利要求1所述的一种多形态指针表读数智能识别方法，其特征在于，所述目标检测模型的训练方式如下：采集多形态指针表的图像作为训练用的样本集；人工对样本集中的指针表表盘和指针进行标注，其中指针位于指针的标注框的对角线位置；将样本集按照9:1的比例划分为训练集和验证集，其中训练集送入yolov4网络模型进行训练，验证集用于训练过程的精度计算；测试模型训练效果，并对模型进行调优。3.如权利要求1所述的一种多形态指针表读数智能识别方法，其特征在于，对识别出的指针表表盘中的不规则指针表表盘进行矫正，包括：建立不规则指针表表盘的不规则形状与标准圆形的数学关系；将不规则指针表表盘按照所述数学关系映射为标准圆形指针表表盘，使指针表表盘上的刻度呈现均匀分布。4.如权利要求1所述的一种多形态指针表读数智能识别方法，其特征在于，根据指针读数的顺、逆时针信息以及表盘刻度信息，确定指针的角度与表盘刻度信息之间的线性关系式，包括：确定指针表表盘的最大刻度与指针的最大角度、指针表表盘的最小刻度与指针的最小角度的对应关系；根据所述对应关系确定指针和指针表表盘的刻度的数学线性关系。5.一种多形态指针表读数智能识别装置，其特征在于，包括：获取单元，用于获取多形态指针表的图像；检测单元，用于调用已训练好的目标检测模型，检测出所述图像中的指针表表盘和指针；矫正单元，用于对识别出的指针表表盘中的不规则指针表表盘进行矫正；录入单元，用于录入各指针表表盘中指针读数的顺、逆时针信息以及表盘刻度信息；针对无刻度表盘，设定最小标记位为0，最大标记位为1，最小标记位和最小标记位之间按照比
例换算为百分比数值；确定单元，用于确定指针的角度与表盘刻度信息之间的线性关系式；识别单元，用于识别指针的实时角度；换算单元，用于将所述指针的实时角度代入所述线性关系式，换算出指针在指针表表盘上所指示的实时表盘刻度信息，将所述实时表盘刻度信息输出为指针表读数结果；标注单元，用于在图像中标注出所述指针表读数结果。6.如权利要求5所述的一种多形态指针表读数智能识别装置，其特征在于，所述目标检测模型的训练方式如下：采集多形态指针表的图像作为训练用的样本集；人工对样本集中的指针表表盘和指针进行标注，其中指针位于指针的标注框的对角线位置；将样本集按照9:1的比例划分为训练集和验证集，其中训练集送入yolov4网络模型进行训练，验证集用于训练过程的精度计算；测试模型训练效果，并对模型进行调优。7.如权利要求5所述的一种多形态指针表读数智能识别装置，其特征在于，所述矫正单元，包括：建立单元，用于建立不规则指针表表盘的不规则形状与标准圆形的数学关系；映射单元，用于将不规则指针表表盘按照所述数学关系映射为标准圆形指针表表盘，使指针表表盘上的刻度呈现均匀分布。8.如权利要求5所述的一种多形态指针表读数智能识别装置，其特征在于，所述确定单元，用于确定指针表表盘的最大刻度与指针的最大角度、指针表表盘的最小刻度与指针的最小角度的对应关系；根据所述对应关系确定指针和指针表表盘的刻度的数学线性关系。

技术总结
本发明公开一种多形态指针表读数智能识别方法及装置。本发明提供的一种多形态指针表读数智能识别方法，采用单阶段基于深度学习的目标检测方法，精确定位表盘和指针的位置，再通过不规则表盘校正和线性变换等数学方法，将识别的指针表角度映射到刻度盘刻度；单阶段基于深度学习的目标检测方法，任务过程得到简化，可降低内存占用和硬件要求，在指针表刻度盘无刻度字符的情况下也能够识别指针表读数，在部分表盘出现比较严重的变形的情况下，能够提升识别出的指针表读数的准确性。提升识别出的指针表读数的准确性。提升识别出的指针表读数的准确性。


技术研发人员：李庆光 尹哲 杨建波 刘晓平 王丽玲
受保护的技术使用者：北京中拓新源科技有限公司
技术研发日：2022.08.02
技术公布日：2022/9/6