[发明专利]一种指针式仪表读数识别方法及装置

说明书

本发明提供的指针式仪表读数识别方法及装置，首先是通过深度学习的GAN算法，从图片或视频中提取仪表盘及指针信息，然后再通过深度学习的分类算法，直接获取最终结果，深度学习的GAN算法，通过同时提高一对生成和判断模型来实现图片或视频的处理，不同于传统算法的人工设计特征算法，深度学习是通过不断的修正参数，自行寻找特征，因此能适用于复杂环境中的所有类型指针，通过GAN算法提取指针和表盘后，再通过深度学习的分类算法，一步到位直接获取表盘读数，不需要人工看表，节省人力，简化了处理步骤，提高了精度。

技术领域

本发明涉及图像处理领域，特别涉及一种指针式仪表读数识别方法及装置。

背景技术

指针式仪表是目前生产过程中非常普遍的测量仪表之一，不仅种类多，而且数量大。目前，国内对这类仪表的检定工作多采用人工观测仪表盘指针读数，这种传统方法受检测人员的操作经验、工作态度、业务水平和精神状态等其他主观因素的影响，存在劳动强度大、生产效率低、检测误差大、可靠性差等问题。另外，在高温、辐射、野外等比较恶劣的工作环境下，通常不适于人工监测指针式仪表的读数，这种情况下，图像识别得到了越来越多的应用。传统的算法多是针对较为简单的情况，对人工预处理(比如把表盘放到图片中间，并放大到整张图片，去掉周围的背景等等)过的图片进行操作，并且只能识别特定形状的指针，不能很好的满足目前的工作需要。

发明内容

本发明实施例提供了一种指针式仪表读数识别方法及装置，简化处理步骤，节省人力，也可以提高识别精度。

本发明提供一种指针式仪表读数识别方法，所述方法包括：

获取所需数量的指针式仪表的表盘图像数据，所述表盘图像数据具有多张表盘图片；

对所述表盘图片进行图像处理得到具有指针的第一裸表盘图片，将每张第一裸表盘图片与相应的表盘图片组成图片对；

利用所述图片对建立第一训练集，并使用GAN算法对所述第一训练集进行训练得到裸表盘图像模型；

采集不同读数的第二裸表盘图片，利用所述第二裸表盘图片建立第二训练集，利用卷积神经网络对所述第二训练集进行训练得到读数识别模型，其中，不同读数对应不同的类别；

实时获取目标指针式仪表的待读表盘图像，将所述待读表盘图像输入所述裸表盘图像模型得到待读裸表盘图片，将所述待读裸表盘图片输入所述读数识别模型进行分类得到所述目标指针式仪表的读数。

作为一种可选的方案，所述利用所述图片对建立第一训练集，并使用GAN算法对所述第一训练集进行训练得到裸表盘图像模型，包括：

通过偏移、旋转或增加噪音的方式将所述图片对的数量进行扩充形成第一训练集，利用Pix2Pix算法对所述第一训练集进行训练得到裸表盘图像模型。

作为一种可选的方案，所述采集不同读数的第二裸表盘图片，利用所述第二裸表盘图片建立第二训练集，利用卷积神经网络对所述第二训练集进行训练得到读数识别模型，包括：

对指针式仪表不同度数时对应的第二裸表盘图片进行采集，根据读数进行类的划分，每一类中至少采集一张第二裸表盘图片，通过偏移、旋转或增加噪音的方式将所述第二裸表盘图片进行扩充得到第二训练集，利用卷积神经网络对所述第二训练集进行训练得到读数识别模型。

作为一种可选的方案，所述实时获取目标指针式仪表的待读表盘图像，将所述待读表盘图像输入所述裸表盘图像模型得到待读裸表盘图片，将所述待读裸表盘图片输入所述读数识别模型进行分类得到所述目标指针式仪表的读数，包括：

实时获取目标指针式仪表的待读表盘图像，将所述待读表盘图像输入所述裸表盘图像模型，利用所述Pix2Pix算法和所述裸表盘图像模型得到待读裸表盘图片，将所述待读裸表盘图片输入所述读数识别模型进行分类得到所述目标指针式仪表的读数。