[发明专利]指针仪表识别方法、装置、系统、设备、介质及程序产品

权利要求书

1.一种指针仪表识别方法，其特征在于，包括：

获取待识别指针仪表的仪表图像；

利用预设关键点定位模型获取所述仪表图像中的关键点，所述关键点包括表盘刻度起点、表盘刻度终点以及指针特征点，所述指针特征点为表盘刻度与指针的交点；

根据所述关键点确定表盘中心点，以利用所述表盘中心点与所述关键点之间的相对位置关系确定所述待识别指针仪表所对应的当前读数。

2.根据权利要求1所述的指针仪表识别方法，其特征在于，所述根据所述关键点确定表盘中心点，以利用所述表盘中心点与所述关键点之间的相对位置关系确定所述待识别指针仪表所对应的当前读数，包括：

利用三点定心算法，并根据所述表盘刻度起点的起点位置、所述表盘刻度终点的终点位置以及所述指针特征点的特征点位置确定所述表盘中心点的中心点位置；

根据所述表盘刻度起点的起点读数以及所述表盘刻度终点的终点读数确定仪表量程值；

根据所述表盘刻度起点的起点位置、所述表盘刻度终点的终点位置以及所述表盘中心点的中心点位置确定仪表量程角度；

根据所述表盘刻度起点的起点位置、所述指针特征点的特征点位置以及所述表盘中心点的中心点位置确定指针角度；

根据所述仪表量程值、所述仪表量程角度以及所述指针角度确所述当前读数。

3.根据权利要求1或2所述的指针仪表识别方法，其特征在于，在所述利用预设关键点定位模型获取所述仪表图像中的关键点之前，还包括：

利用训练仪表图像集对基于多损失函数的预设神经网络模型进行训练，其中，所述多损失函数包括基础损失函数以及抑制损失函数，其中，所述抑制损失函数用于抑制异常离散的大误差样本所主导梯度更新程度。

4.根据权利要求3所述的指针仪表识别方法，其特征在于，在所述利用训练仪表图像集对基于多损失函数的预设神经网络模型进行训练之前，还包括：

根据预设仪表影响条件对基础仪表图像进行数据增广，以生成增广仪表图像，其中，所述预设仪表影响条件包括影响仪表图像识别度的环境因素；所述训练仪表图像集包括所述基础仪表图像以及所述增广仪表图像。

5.根据权利要求4所述的指针仪表识别方法，其特征在于，所述数据增广包括调整图像亮度、调整图像明暗度、调整图像饱和度、随机裁减图像、拉伸图像、旋转图像、对图像进行仿射变换、对图像进行透视变换镜面对称以及对图像进行马赛克处理中的一项或任意多项组合。

6.根据权利要求3所述的指针仪表识别方法，其特征在于，所述利用训练仪表图像集对基于多损失函数的预设神经网络模型进行训练，包括：

根据预设训练参数，并利用所述训练仪表图像集对所述预设神经网络模型进行多训练周期的训练，其中，所述预设训练参数包括学习率，所述学习率随着训练周期的推移逐步降低。

7.根据权利要求1或2所述的指针仪表识别方法，其特征在于，在所述利用预设关键点定位模型获取所述仪表图像中的关键点之前，还包括：

利用直方图均衡化方式对所述仪表图像进行预处理，以使处理后的所述仪表图像的明暗度符合预设一致性条件。

8.一种指针仪表识别装置，其特征在于，包括：

图像获取模块，用于获取待识别指针仪表的仪表图像；

关键点定位模块，用于利用预设关键点定位模型获取所述仪表图像中的关键点，所述关键点包括表盘刻度起点、表盘刻度终点以及指针特征点，所述指针特征点为表盘刻度与指针的交点；

数据处理模块，用于根据所述关键点确定表盘中心点，以利用所述表盘中心点与所述关键点之间的相对位置关系确定所述待识别指针仪表所对应的当前读数。