[发明专利]基于one-shot机制的仪表检测方法

说明书

本发明提供了一种基于one‑shot机制的仪表检测方法。首先，利用尺寸变换和透视变换对采集的仪表图像数据集进行增强处理；然后，构建基于one‑shot机制的仪表检测网络模型，包括一个基于ResNet‑18的特征提取孪生网络模块、RPN模块、ROIAlign池化层和基于Grid Head交换特征融合网络模块；接着，利用增强后的图像数据集对网络模型进行训练，得到训练好的网络；最后，利用训练好的网络对待检测仪表图像进行处理，得到最终的检测结果。本发明具有检测任意四边形仪表表盘位置的能力，且具有较高的仪表检测精度。

技术领域

本发明属计算机视觉、目标检测技术领域，具体涉及一种基于one-shot机制的仪表检测方法。

背景技术

仪表检测定位技术，在引入深度学习之前，主要使用图像匹配的方式，利用仪表模板实现对仪表的准确定位，然而该方法严重依赖图像匹配的准确性，基于SIFT(Scale-invariant feature transform，尺度不变特征变换)等传统特征对于复杂条件下，比如光照变化、图像清晰度变化、不同厂家仪表外观变化等难以适应，导致在部分场景条件下定位失败。而使用基于HOG(Histogram of Oriented Gradient，方向梯度直方图)和SVM(Support Vector Machine，支持向量机)的检测方法，精度难以与现有卷积神经网络相匹配。因此，研究基于卷积神经网络的仪表检测定位技术具有十分重要的现实意义。

利用计算机视觉技术进行仪表检测定位的难点主要有两方面：第一，仪表检测任务往往需要准确获取仪表的表盘位置，对其矫正成矩形后方便后续读数识别等，特别是在监控设备下获取的仪表图片，往往是发生了角度的倾斜，需要进行透视变换后才能获取仪表的矩形表盘，因此，算法要具备可以预测任意四边形位置的能力，而通用目标检测技术通常仅仅需要预测目标的最小包围框，对于仪表表盘的检测定位任务而言其定位的效果难以满足后续任务的要求，无法仅仅利用仪表表盘的最小包围框位置信息进一步将仪表表盘矫正成正视角度下的仪表表盘。此外，即便使用实例分割技术，可以获取仪表表盘的位置掩码，但面临如何减少利用位置掩码进行透视变换时引入误差的问题；第二，在不同生产环境中，具有相同功能仪表的外观具有一定相似性，但是由于不同的仪表厂商，不同出厂批次或者版本型号的不同会使得仪表的外观发生一定变化，当前基于深度学习的检测算法依赖训练集的数据分布，当实际测试的仪表数据发生显著变化时，即训练集的仪表外观与测试集的仪表外观不同，会对测试的效果产生在较大的影响。

发明内容

为了克服现有技术的不足，本发明提供一种基于one-shot机制的仪表检测方法。首先，利用尺寸变换和透视变换对采集的仪表图像数据集进行增强处理；然后，构建基于one-shot机制的仪表检测网络模型，包括一个基于ResNet-18的特征提取孪生网络模块、RPN模块、ROI Align池化层和基于Grid Head交换特征融合网络模块；接着，利用增强后的图像数据集对网络模型进行训练，得到训练好的网络；最后，利用训练好的网络对待检测仪表图像进行处理，得到最终的检测结果。本发明具有检测任意四边形仪表表盘位置的能力，能够使用预测的四边形位置信息方便地将仪表转换成正视角下的矩形仪表表盘；此外，通过one-shot机制，使得检测算法可以利用模板图片的信息，能够提高当仪表外观发生变化时的仪表检测精度。

一种基于one-shot机制的仪表检测方法，其特征在于步骤如下：

步骤1：对监控设备采集到的每一幅仪表图像分别进行尺寸增强和透视变换增强处理，增强处理前后的图像共同构成仪表图像数据集；对采集到的仪表图像中包含的仪表设备的模板图像进行透视变换增强处理，得到仪表模板图像数据集；