CN115546795B 一种基于深度学习的圆形指针式仪表自动读数方法 （华南理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115546795B(45)授权公告日2025.07.04

(21)申请号202211144633.0

(22)申请日2022.09.20

(65)同一申请的已公布的文献号申请公布号CN115546795A

(43)申请公布日2022.12.30

(73)专利权人华南理工大学

地址510640广东省广州市天河区五山路

381号

(72)发明人杜启亮安毅王昭霖曲烽瑞

田联房

(74)专利代理机构广州市华学知识产权代理有限公司44245

专利代理师冯炳辉

(51)Int.CI.

GO6V30/148(2022.01)

GO6V10/25(2022.01)

GO6V30/19(2022.01)

(56)对比文件

CN114549981A,2022.05.27CN112818988A,2021.05.18审查员董雪

权利要求书4页说明书11页附图6页

(54)发明名称

一种基于深度学习的圆形指针式仪表自动读数方法

(57)摘要

CN115546795B本发明公开了一种基于深度学习的圆形指针式仪表自动读数方法，包括：利用实例分割深度学习模型从场景图像中分割表盘、利用实例分割得到的图像掩膜和超分辨率重建深度学习模型、双边滤波等技术对表盘图像进行图像增强和校正、利用表盘字符信息提取模块获取表盘字符信息、利用关键点检测深度学习模型获取仪表指针信息；最终基于一种改进的角度法计算出圆形指针式仪表图像的读数。本发明具有很好的通用性和准确性，不依赖待检测仪表先验信息，同时

CN115546795B

十联义可

CN115546795B权利要求书1/4页

2

1.一种基于深度学习的圆形指针式仪表自动读数方法，其特征在于，包括以下步骤：

1)通过可见光相机获取巡检现场的图像，称为场景图像；

2)使用一个基于深度学习实例分割技术开发的表盘区域提取模块对场景图像中的仪表表盘区域进行检测，将仪表表盘图像从场景图像中分割提取出来，去除背景部分，得到的仅包含仪表表盘的部分，称为表盘ROI图像；

3)通过综合表盘ROI图像的尺寸和模糊度，得到一个度量仪表可读性的指标，称为仪表可读性指数，根据该指数的计算结果，匹配对应的图像增强模块对表盘ROI图像进行图像增强；

4)使用一个基于图像变换技术开发的表盘倾斜校正模块解决拍摄过程中由于相机非正对仪表所在平面拍摄导致的表盘倾斜问题，经过图像增强和表盘校正之后的表盘图像称为高质量表盘ROI图像；

5)利用深度学习技术提取仪表表盘信息，分别使用基于深度学习0CR技术开发的表盘字符信息提取模块获取高质量表盘ROI图像的字符信息和基于深度学习关键点检测技术开发的表盘指针信息提取模块获取高质量表盘ROI图像的指针信息；

6)使用一个指针刻度区间匹配模块从上述仪表表盘信息的提取结果中获取仪表读数的有效信息，所述仪表读数的有效信息分别指：指针末端点、指针旋转中心点、指针所在刻度区间的上下界刻度数字；

7)使用一个仪表读数模块，基于上述仪表读数的有效信息计算仪表读数；所述仪表读数模块是由角度法改进得到，公式表达如下：

式中，Reading表示最终得到的仪表读数；max_scale、min_scale分别表示指刻度区间上界数字和刻度区间下界数字的数字字符文本内容，匹配确定上下界刻度数字之后能够直接获得；ang_end表示指针旋转中心点和刻度区间下界数字之间的角度；ang_interval表示刻度区间上界数字和刻度区间下界数字之间的角度；对任意不共线三点坐标的角度计算，如下：

利用勾股定理公式计算两点之间的线段长度：

a′=√(x,-x。)2+(y?-v。)2

式中，a表示线段的长度，(x?,y)和(x。,y)分别为线段两端的端点坐标，基于上述公式能够计算出任意不共线三点组成的三角形三条边长度；

利用解三角形的任意角度计算公式由边长计算角度：

式中，a为待求角所在顶点的对边线段长度，b、c分别为待求角所在顶点的邻边线段长度，A1为待求角的角度；

上述公式计算得到的结果即为圆形指针式仪表自动读数识别的最终结果。

2.根据权利要求1所述的一种基于深度学习的圆形指针式仪表自动读数方法，其特征在于：在步骤2)中，所述表盘区域提取模块为一个经过训练的实例分割深度学习模型，通