System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于人工智能领域,特别涉及一种基于yolo的仪表读数方法和系统。
技术介绍
1、仪表在石油化工、工业制造和烟草行业等部门等领域中广泛应用,但目前绝大数工厂仍是采用人工巡检。巡检不及时、不准确极有可能会导致设备故障与生产事故,且部分工厂恶劣环境并不适合采用人工的方式。此外,人工巡检不仅需要消耗大量的人力资源,而且读表精度和速度均无法满足要求。
2、当前基于深度学习的图像识别技术发展迅速,深度学习的高性能使其在各个领域得到广泛的应用。现有技术提出多种方法来辅助进行指针式仪表自动读数。但是,在光照过强或过暗,拍摄角度倾斜,图像质量低的情况下,如何仍然自动准确识别其读数,仍然是一个待解决的问题。
技术实现思路
1、为了解决现有技术中存在的不足,本专利技术提供了一种基于yolo的仪表读数方法和系统,以解决现有技术在非均匀光照条件下仪表读数识别的精确度较低、计算量较大、鲁棒性较差等的技术问题。
2、为解决上述技术问题,本专利技术采用如下的技术方案。
3、本专利技术首先公开了一种基于yolo的仪表读数方法,该方法包括以下步骤:
4、步骤1,采集多个原始仪表图像,对所述多个原始仪表图像进行亮度识别,得到原始仪表图像的高亮度区域和低亮度区域,并对所述高亮度区域和低亮度区域分别进行非均匀亮度补偿处理,形成仪表图像数据集;
5、步骤2,利用yolov5目标检测模型将仪表图像数据集中的每个图像进行图像分割,以分割出图像中的仪表表盘子图像
6、步骤3,对deeplab v3+语义分割模型进行优化,采用优化后的deeplab v3+语义分割模型对所述仪表表盘子图像进行语义分割,通过腐蚀运算提取所述仪表表盘子图像中的刻度线、指针和数字信息;
7、步骤4,基于语义分割结果确定刻度线和指针在极坐标展开图像上的位置,通过ocr识别算法提取表盘子图像的仪表量程,根据所述刻度线与指针的相对位置关系以及所述仪表量程,确定仪表读数信息。
8、本专利技术进一步包括以下优选方案:
9、所述对所述高亮度区域和低亮度区域分别进行非均匀亮度补偿处理,进一步包括:
10、针对低亮度区域,进行色彩增强处理,即将低亮度区域图像转换到rgb色彩空间,对每个像素点的r、g、b三通道色彩分量进行比例放大;
11、设i(x,y)为低亮度区域中像素点(x,y)的某一rgb分量值,iz(x,y)为色彩增强后该像素点(x,y)的相应rgb分量值,η为增强比例系数,y(x,y)为像素点(x,y)的实际亮度值,ys为标准亮度值,则色彩增强后的某一rgb分量值为:
12、
13、针对高亮度区域,进行亮度减弱处理,即将高亮度区域图像转换到hsv色彩空间对每个像素点的亮度v值进行比例缩小,保持色度和饱和度不变。
14、所述对deeplab v3+语义分割模型进行优化,进一步包括:
15、将初始deeplab v3+语义分割模型中的骨干网络xception替换为resnet-50。
16、所述腐蚀运算设置为3×3的十字形卷积核,计算公式如下:
17、
18、其中,a为原图刻度线像点集合,b为卷积核点集。
19、所述根据所述刻度线与指针的相对位置关系以及所述仪表量程,确定仪表读数信息,进一步包括:
20、设刻度线总根数为n,指针所在位置为第n到第n+1根刻度线之间,第n到n+1根刻度线之间有p个像素,指针距离第n根刻度线距离为k个像素,则指针所指示数占仪表满刻度的百分比p公式为:
21、
22、对于yolov5模型定位裁剪得到的表盘图像,通过ocr识别算法实现多方向的图像文本检测,从而得到仪表图像中所有文本的包围框和文本内容,依次计算文本包围框中心点与最大量程刻线的最外侧的点的距离,取距离最小的文本包围框对应的数字内容作为仪表最大量程c,得出仪表读数m:
23、m=p×c。
24、本专利技术同时公开了一种利用前述基于yolo的仪表读数方法的基于yolo的仪表读数系统,包括仪表图像数据集构建模块、仪表表盘图像分割模块、仪表信息提取模块和仪表读数计算模块。
25、所述仪表图像数据集构建模块,用于采集多个原始仪表图像,对所述多个原始仪表图像进行亮度识别,得到原始仪表图像的高亮度区域和低亮度区域,并对所述高亮度区域和低亮度区域分别进行非均匀亮度补偿处理,形成仪表图像数据集;
26、所述仪表表盘图像分割模块,用于利用yolov5目标检测模型将仪表图像数据集中的每个图像进行图像分割,以分割出图像中的仪表表盘子图像;
27、所述仪表信息提取模块,用于对deeplab v3+语义分割模型进行优化,采用优化后的deeplab v3+语义分割模型对所述仪表表盘子图像进行语义分割,通过腐蚀运算提取所述仪表表盘子图像中的刻度线、指针和数字信息;
28、所述仪表读数计算模块,用于基于语义分割结果确定刻度线和指针在极坐标展开图像上的位置,通过ocr识别算法提取表盘子图像的仪表量程,根据所述刻度线与指针的相对位置关系以及所述仪表量程,确定仪表读数信息。
29、相应地,本申请还公开了一种图像处理设备,包括监控摄像头、处理器及存储介质;其特征在于:
30、所述监控摄像头用于采集图像;
31、所述存储介质用于存储指令;
32、所述处理器用于根据所述指令进行操作以执行前述基于yolo的仪表读数方法的步骤。。
33、相应地,本申请还公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述基于yolo的仪表读数方法的步骤。
34、本专利技术的有益效果在于,与现有技术相比,本专利技术提供了一种基于yolo的仪表读数方法和系统,通过对非正常亮度区域进行相应的非均匀亮度补偿,能够减少非均匀光照对指针式仪表读数识别的影响,提高后续操作的精度。采用yolov5神经网络模型进行仪表识别,精确识别图像中的仪表并获取分割图像。采用改进的deeplab v3+模型的语义分割技术,对表盘子图像进行语义分割,使得网络的训练更快、更容易收敛,推理速度也获得了提升;采用“腐蚀”的形态学图像处理方法,解决语义分割图中可能会出现刻度线相互粘连的问题。
本文档来自技高网...【技术保护点】
1.一种基于YOLO的仪表读数方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于YOLO的仪表读数方法,其特征在于,所述对所述高亮度区域和低亮度区域分别进行非均匀亮度补偿处理,进一步包括:
3.根据权利要求2所述的基于YOLO的仪表读数方法,其特征在于,步骤3中,所述对DeepLab V3+语义分割模型进行优化,进一步包括:
4.根据权利要求3所述的基于YOLO的仪表读数方法,其特征在于,所述腐蚀运算设置为3×3的十字形卷积核,计算公式如下:
5.根据权利要求4所述的基于YOLO的仪表读数方法,其特征在于,所述根据所述刻度线与指针的相对位置关系以及所述仪表量程,确定仪表读数信息,进一步包括:
6.一种利用权利要求1-5任一项权利要求所述的基于YOLO的仪表读数方法的基于YOLO的仪表读数系统,包括仪表图像数据集构建模块、仪表表盘图像分割模块、仪表信息提取模块和仪表读数计算模块,其特征在于:
7.根据权利要求6所述的基于YOLO的仪表读数系统,其特征在于,所述仪表图像数据集构建模块,进一步用于:
...【技术特征摘要】
1.一种基于yolo的仪表读数方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于yolo的仪表读数方法,其特征在于,所述对所述高亮度区域和低亮度区域分别进行非均匀亮度补偿处理,进一步包括:
3.根据权利要求2所述的基于yolo的仪表读数方法,其特征在于,步骤3中,所述对deeplab v3+语义分割模型进行优化,进一步包括:
4.根据权利要求3所述的基于yolo的仪表读数方法,其特征在于,所述腐蚀运算设置为3×3的十字形卷积核,计算公式如下:
5.根据权利要求4所述的基于yolo的仪表读数方法,其特征在于,所述根据所述刻度线与指针的相对位置关系以及所述仪表量程,确定仪表读数信息,进一步包括:
6.一种利用权利要求1-5任一项权利要求所述的基于yolo的仪表读数方法的基于yolo的仪表读数系统,包括仪表图像数据集构建...
【专利技术属性】
技术研发人员:杨启明,戴文彬,赵子宁,黄政宇,蒋振国,董晓峰,潘晓明,夏东,刘冬,王玉莹,
申请(专利权)人:国网江苏省电力有限公司苏州供电分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。