CN111382738A - 一种指针式仪表的读数方法及装置 - Google Patents
一种指针式仪表的读数方法及装置 Download PDFInfo
- Publication number
- CN111382738A CN111382738A CN202010087078.7A CN202010087078A CN111382738A CN 111382738 A CN111382738 A CN 111382738A CN 202010087078 A CN202010087078 A CN 202010087078A CN 111382738 A CN111382738 A CN 111382738A
- Authority
- CN
- China
- Prior art keywords
- pointer
- instrument
- pointer instrument
- reading
- read
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种指针式仪表的读数方法,所述方法包括:将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,以识别指针所处的位置;根据所述指针所处的位置建立坐标系,并根据所述指针在所述坐标系中的位置,计算出所述指针在所述坐标系中偏转的角度;根据预先获取的所述指针式仪表的参数信息以及所述指针在所述坐标系中偏转的角度,确定出所述待读数的指针式仪表图像的读数。由于本申请实施例是依据指针式仪表的参数信息与指针在坐标系中偏转的角度进行读数,所以本申请实施例可以适用于多种类型的指针式仪表进行读数,并可以满足更多用户的使用需求。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种指针式仪表的读数方法及装置。
背景技术
在现代社会的生产生活中,指针式刻度仪表是广泛应用于各种领域的测量仪表,其价格便宜,数量巨大,种类繁多。精确读取指针式刻度仪表对工业生产有着十分重要的作用。
在许多企业中,存在着大量的仪表,若均靠人来完成读数,这样工作量非常大,不仅成本高,而且误差率也较高。因此现有技术通常通过指针式仪表识别技术来降低工人的劳动强度,同时提高仪表刻度数读取的自动化程度。但现有技术中,指针式仪表的读数方法存在不足,无法满足用户使用需求。
发明内容
有鉴于此,本申请实施例提供了一种指针式仪表的读数方法及装置,用于解决现有技术中指针式仪表的读数方法存在不足,无法满足用户使用需求的问题。
本申请实施例采用下述技术方案:
本申请实施例提供一种指针式仪表的读数方法,所述方法包括:
将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,以识别指针所处的位置;
根据所述指针所处的位置建立坐标系,并根据所述指针在所述坐标系中的位置,计算出所述指针在所述坐标系中偏转的角度;
根据预先获取的所述指针式仪表的参数信息以及所述指针在所述坐标系中偏转的角度,确定出所述待读数的指针式仪表图像的读数。
进一步的,所述将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型前,所述方法还包括:
获取多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置;
根据Openpose网络建立初始的指针式仪表指针检测模型;
根据多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置训练初始的指针式仪表指针检测模型,得出符合预设条件的指针式仪表指针检测模型。
进一步的,所述根据多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置训练初始的指针式仪表指针检测模型,得出符合预设条件的指针式仪表指针检测模型,具体包括:
将多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置构建数据集,并按照预先设定的比例将所述数据集划分为训练集与验证集;
将训练集中的指针式仪表图像以及指针式仪表图像对应的指针所处的位置输入至初始的指针式仪表指针检测模型,得到多个预选的指针式仪表指针检测模型;
将验证集中的指针式仪表图像分别输入至多个预选的指针式仪表指针检测模型中,计算出每个预选的指针式仪表指针检测模型对应的指针所处的位置;
对比每个预选的指针式仪表指针检测模型对应的指针所处位置与所述验证集中指针的所处位置的差异情况;
根据对比结果,在多个预选的指针式仪表指针检测模型中选出符合预设条件的指针式仪表指针检测模型。
进一步的,所述将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,检测出指针所处的位置,具体包括:
将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,根据所述指针式仪表指针检测模型中的特征提取网络提取特征图;
将所述特征图分别输入至关键点定位模块以及矢量场定位模块,对应得到离散化的候选关键点信息以及矢量场信息;
根据矢量场信息,在所述候选关键点信息中确定出相互关联的指针首端关键点与指针尾端关键点;
在待读数的指针式仪表指针图像中将相互关联的指针首端关键点与指针尾端关键点直线连接,以确定出指针所在的位置。
进一步的,所述将所述特征图分别输入至关键点定位模块以及矢量场定位模块,对应得到离散化的候选关键点信息以及矢量场信息,具体包括:
将所述特征图输入至关键点定位模块,根据非极大值抑制算法得到离散化的候选关键点信息,其中,所述候选关键点信息包括关键点的位置信息;
将所述特征图输入至矢量场定位模块,得出2D矢量场信息,其中,矢量场信息表示指针首端关键点与指针尾端关键的位置关系。
进一步的,所述得到离散化的候选关键点信息后,所述方法还包括:
对每个候选关键点分配对应的标识信息;
所述在待读数的指针式仪表指针图像中将相互关联的指针首端关键点与指针尾端关键点直线连接,具体包括:
根据候选关键对应的标识信息在待读数的指针式仪表指针图像中将相互关联的指针首端关键点与指针尾端关键点直线连接。
进一步的,所述矢量场信息表示在待读数的指针式仪表指针图像中指针的数量。
进一步的,所述参数信息包括所述仪表的计量单位、刻度含义以及仪表的量程。
进一步的,所述根据预先获取的所述指针式仪表的参数信息以及所述指针式仪表指针在所述坐标系中偏转的角度,读取出所述待读数的指针式仪表图像的读数,具体包括:
根据预先获取的所述指针式仪表的参数信息,建立指针偏转的角度与仪表读数的映射关系;
根据指针偏转的角度与仪表读数的映射关系与所述指针式仪表指针在所述坐标系中偏转的角度,确定出所述指待读数的指针式仪表图像的读数。
本申请实施例还提供一种指针式仪表的读数装置,所述装置包括:
检测单元,用于将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,以识别指针所处的位置;
计算单元,用于根据所述指针所处的位置建立坐标系,并根据所述指针在所述坐标系中的位置,计算出所述指针在所述坐标系中偏转的角度;
读数单元,用于根据预先获取的所述指针式仪表的参数信息以及所述指针在所述坐标系中偏转的角度,确定出所述待读数的指针式仪表图像的读数。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本申请实施例通过将待读数的指针式仪表图像输入至指针式仪表指针检测模型,检测出指针所处的位置,由于本申请实施例的指针式仪表指针检测模型为预先训练的检测模型,所以由该模型检测出的指针所处位置较为准确;此外,在待读数的指针式仪表图像进行读数时,可以根据指针所处的位置建立坐标系,进而计算出指针在坐标系中偏转的角度,最终可以根据该指针式仪表的参数信息与指针在坐标系中偏转的角度,读取出待读数的指针式仪表图像的读数大小,由于本申请实施例是依据指针式仪表的参数信息与指针在坐标系中偏转的角度进行读数,所以本申请实施例可以适用于多种类型的指针式仪表进行读数,并可以满足更多用户的使用需求。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例一提供的一种指针式仪表的读数方法的流程示意图;
图2为本说明书实施例二提供的一种指针式仪表的读数方法的流程示意图;
图3为本说明书实施例二提供的偏转角度计算示意图;
图4为本说明书实施例二提供的指针在表盘中的偏转角度示意图;
图5为本说明书实施例二提供的表盘可读与量程参数示意图;
图6为本说明书实施例三提供的一种指针式仪表的读数装置的结构示意图。
具体实施方式
因此现有技术通常通过指针式仪表识别技术来降低工人的劳动强度,同时提高仪表刻度数读取的自动化程度。但现有技术中,指针式仪表识别算法只针对固定类型的指针式仪表,如果指针式仪表的形状等特征发生变换还需要设计新的算法,扩展性不好。
此外,在现有技术中,还可以采用基于深度学习目标检测与现有算法相融合的方法进行指针式仪表读数,首先检测到视野中的指针式仪表,然后对检测结果抠图,再对图片中的目标采用该方法进行读数识别,该种方法依赖于目标检测算法,如果目标检测算法失败,整个检测都会失败,并且随着视野中指针式仪表数量的增多,需要对每一个图片进行算法的识别,使得算法周期会延长。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例一提供的一种指针式仪表的读数方法的流程示意图。
本说明书实施例可以由指针式仪表的读数系统执行下述步骤,具体包括:
步骤S101,指针式仪表的读数系统将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,以识别指针所处的位置。
步骤S102,指针式仪表的读数系统根据所述指针所处的位置建立坐标系,并根据所述指针在所述坐标系中的位置,计算出所述指针在所述坐标系中偏转的角度。
步骤S103,指针式仪表的读数系统根据预先获取的所述指针式仪表的参数信息以及所述指针在所述坐标系中偏转的角度,确定出所述待读数的指针式仪表图像的读数。
本申请实施例通过将待读数的指针式仪表图像输入至指针式仪表指针检测模型,检测出指针所处的位置,由于本申请实施例的指针式仪表指针检测模型为预先训练的检测模型,所以由该模型检测出的指针所处位置较为准确;此外,在待读数的指针式仪表图像进行读数时,可以根据指针所处的位置建立坐标系,进而计算出指针在坐标系中偏转的角度,最终可以根据该指针式仪表的参数信息与指针在坐标系中偏转的角度,读取出待读数的指针式仪表图像的读数大小,由于本申请实施例是依据指针式仪表的参数信息与指针在坐标系中偏转的角度进行读数,所以本申请实施例可以适用于多种类型的指针式仪表进行读数,并可以满足更多用户的使用需求。
与上述实施例一对应的,图2为本说明书实施例二提供的一种指针式仪表的读数方法的流程示意图。
本说明书实施例可以由指针式仪表的读数系统执行下述步骤,具体包括:
步骤S201,指针式仪表的读数系统获取多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置。
步骤S202,指针式仪表的读数系统根据Openpose网络建立初始的指针式仪表指针检测模型。
步骤S203,指针式仪表的读数系统根据多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置训练初始的指针式仪表指针检测模型,得出符合预设条件的指针式仪表指针检测模型。
在本说明书实施例的步骤S203中,本步骤具体包括:将多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置构建数据集,并按照预先设定的比例将所述数据集划分为训练集与验证集,训练集与验证集的比例可以为2:8;
将训练集中的指针式仪表图像以及指针式仪表图像对应的指针所处的位置输入至初始的指针式仪表指针检测模型,得到多个预选的指针式仪表指针检测模型;
将验证集中的指针式仪表图像分别输入至多个预选的指针式仪表指针检测模型中,计算出每个预选的指针式仪表指针检测模型对应的指针所处的位置;
对比每个预选的指针式仪表指针检测模型对应的指针所处位置与所述验证集中指针的所处位置的差异情况;
根据对比结果,在多个预选的指针式仪表指针检测模型中选出符合预设条件的指针式仪表指针检测模型。
步骤S204,指针式仪表的读数系统将待读数的指针式仪表图像输入至指针式仪表指针检测模型,以识别指针所处的位置。
在本说明书实施例的步骤S204中,本步骤具体包括:将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,根据所述指针式仪表指针检测模型中的特征提取网络提取特征图;
将所述特征图分别输入至关键点定位模块以及矢量场定位模块,对应得到离散化的候选关键点信息以及矢量场信息,具体的,将所述特征图输入至关键点定位模块,根据非极大值抑制算法得到离散化的候选关键点信息,将所述特征图输入至矢量场定位模块,得出2D矢量场信息,其中,所述候选关键点信息包括关键点的位置信息,矢量场信息表示指针首端关键点与指针尾端关键的位置关系,候选关键点的位置信息可以为指针首端位置坐标与指针尾端位置坐标,指针首端位置坐标与指针尾端位置坐标所处的坐标系可以是以指针式仪表图的左上角为坐标原点建立的十字坐标系;
根据矢量场信息,在所述候选关键点信息中确定出相互关联的指针首端关键点与指针尾端关键点;
在待读数的指针式仪表指针图像中将相互关联的指针首端关键点与指针尾端关键点直线连接,以确定出指针所在的位置。
进一步的,在本说明书实施例的步骤S204中,所述得到离散化的候选关键点信息后,所述方法还包括:
对每个候选关键点分配对应的标识信息;
所述在待读数的指针式仪表指针图像中将相互关联的指针首端关键点与指针尾端关键点直线连接,具体包括:
根据候选关键对应的标识信息在待读数的指针式仪表指针图像中将相互关联的指针首端关键点与指针尾端关键点直线连接。
进一步的,在本说明书实施例的步骤S204中,所述矢量场信息表示在待读数的指针式仪表指针图像中指针的数量。
步骤S205,指针式仪表的读数系统根据所述指针所处的位置建立坐标系,并根据所述指针在所述坐标系中的位置,计算出所述指针在所述坐标系中偏转的角度。
在本说明书实施例的步骤S205中,检测出指针所处的位置后,参见图3,以指针尾端的关键点为原点建立十字坐标系,根据指针在十字坐标系中的位置,指针尾端的关键点坐标(x0,y0),指针首端的关键点坐标(x1,y1),计算出指针在十字坐标系中的偏转角度θ=arctan(x0-x1)/(y0-y1)。
步骤S206,指针式仪表的读数系统根据预先获取的所述指针式仪表的参数信息以及所述指针在所述坐标系中偏转的角度,确定出所述待读数的指针式仪表图像的读数。
在本说明书实施例的步骤S206中,本步骤具体包括:根据预先获取的所述指针式仪表的参数信息,建立指针偏转的角度与仪表读数的映射关系;
根据指针偏转的角度与仪表读数的映射关系与所述指针式仪表指针在所述坐标系中偏转的角度,确定出所述指待读数的指针式仪表图像的读数。
在本说明书实施例的步骤S206中,生产环境下指针式仪表种类繁多,每种指针刻度、量程等参数各不相同,上述的指针检测获得的仅仅是基于指针尾部关键点作为原点的坐标系中的指针偏转角度;为了将指针偏转角度转换到具体的读数,需要针对要检测的特定指针式仪表收集仪表的参数,参数信息仪表的计量单位、刻度含义、仪表的量程等参数信息,并根据这些信息建立指针偏转角与表盘读数的映射关系。如图4为某种指针式仪表示意图,圆圈代表某种指针式仪表的表盘,箭头表示指针,在圆圈中的指针尾端建立了十字坐标系,指针的偏转角度为45度;如图5为该种仪表的刻度、量程、计量单位等信息;可以很容易的找到指针偏转角度与仪表读数的映射关系,45度指针表示0.25mA的读数,另外如果此时算法检测到指针垂直向上表示读数为0.5mA。
需要说明的是,在本说明书实施例中,在读取指针式仪表的读数时,首先要做的是对仪表中的指针进行检测,这里的检测并不是目标检测任务中对图像中的仪表的指针做分类与定位,而是在分类出仪表参数信息的同时还需要给出指针首端与指针尾端在图像中的具体位置坐标。只有获得指针的首尾位置坐标才可以计算出指针的偏转角度。
从人体骨骼关键点检测得到启发,考虑通过基于深度学习的关键点定位的思路实现对指针首端关键点与尾端关键点进行定位,确定指针在图像中首端关键点与尾端关键点的具体的位置坐标,从而计算出指针偏转角。
Openpose网络是应用于人体骨骼关键点检测的网络结构,对人体骨骼关键点的检测精度较高,而且不受人体个数的增加而延长检测周期。因此,基于openpose网络进行指针式仪表指针检测的训练,得出仪表式仪表指针检测模型,使得该模型能够检测出指针首端关键点与尾端关键点。
由于指针式仪表所处的生产环境比较复杂,为了更好的提取特征,可以利用VGG-19卷积神经网络的前10层作为特征提取网络,得到特征图,接下来特征图作为多阶段输入,每一个阶段分为两部分,一部分是关键点定位模块,用于做指针关键点定位,另一部分是矢量场定位模块,用于筛选候选关键点。在关键点定位模块中,第一阶段对输入的特征图经过非极大值抑制(NMS)算法得到离散化的候选关键点和每个候选关键点的置信图(Confidence map),每一个关键点的置信图分为x和y两个方向上的向量,包括x方向上的向量信息和y方向上的向量信息,两个方向上的合向量表示该关键点的置信度(Confidence),另外,还包含对每个关键点的位置信息。在矢量场定位模块中,第一阶段对输入的特征图进行编码,得到首端关键点与尾端关键点位置关系的2D矢量场。在随后每一个阶段中,来自前一阶段的关键点定位模块、量场定位模块的预测结果,以及特征图作为该阶段的数据输入生成新的候选关键点和2D矢量场。
通过训练好的仪表式仪表指针检测模型输出可以指针首端关键点、指针尾端关键点的置信图与描述指针首端关键点、指针尾端关键点位置关系的2D矢量场信息。
对指针首端关键点、指针尾端关键点的置信图进行非极大值抑制,得到候选关键点信息,每个候选关键点的信息包括坐标信息以及每个关键点的概率得分。
为了确定候选关键点信息中哪两个关键点是配对的,也就是说哪两个关键点是指针的首端关键点以及指针的末端关键点,需要依据矢量场信息,矢量场信息描述了两个关键点之间的关联方向,也就是描述了关键点之间的配对信息,通过该配对信息我们可以确定哪些关键点可以组合成指针,也就是有效的关键点连接对。
在确定了有效的关键点连接对后,我们便可以把连接对中的关键点坐标连接起来,组合成指针并进行绘制,即检测出指针所处的位置。
本申请实施例通过将待读数的指针式仪表图像输入至指针式仪表指针检测模型,检测出指针所处的位置,由于本申请实施例的指针式仪表指针检测模型为预先训练的检测模型,所以由该模型检测出的指针所处位置较为准确;此外,在待读数的指针式仪表图像进行读数时,可以根据指针所处的位置建立坐标系,进而计算出指针在坐标系中偏转的角度,最终可以根据该指针式仪表的参数信息与指针在坐标系中偏转的角度,读取出待读数的指针式仪表图像的读数大小,由于本申请实施例是依据指针式仪表的参数信息与指针在坐标系中偏转的角度进行读数,所以本申请实施例可以适用于多种类型的指针式仪表进行读数,并可以满足更多用户的使用需求。
与上述实施例二对应的,图6为本说明书实施例三提供的一种指针式仪表的读数装置的结构示意图,具体包括:检测单元1、计算单元2、读数单元3。
检测单元1用于将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,以识别指针所处的位置。
计算单元2用于根据所述指针所处的位置建立坐标系,并根据所述指针在所述坐标系中的位置,计算出所述指针在所述坐标系中偏转的角度。
读数单元3用于根据预先获取的所述指针式仪表的参数信息以及所述指针在所述坐标系中偏转的角度,确定出所述待读数的指针式仪表图像的读数。
本申请实施例通过将待读数的指针式仪表图像输入至指针式仪表指针检测模型,检测出指针所处的位置,由于本申请实施例的指针式仪表指针检测模型为预先训练的检测模型,所以由该模型检测出的指针所处位置较为准确;此外,在待读数的指针式仪表图像进行读数时,可以根据指针所处的位置建立坐标系,进而计算出指针在坐标系中偏转的角度,最终可以根据该指针式仪表的参数信息与指针在坐标系中偏转的角度,读取出待读数的指针式仪表图像的读数大小,由于本申请实施例是依据指针式仪表的参数信息与指针在坐标系中偏转的角度进行读数,所以本申请实施例可以适用于多种类型的指针式仪表进行读数,并可以满足更多用户的使用需求。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种指针式仪表的读数方法,其特征在于,所述方法包括:
将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,以识别指针所处的位置;
根据所述指针所处的位置建立坐标系,并根据所述指针在所述坐标系中的位置,计算出所述指针在所述坐标系中偏转的角度;
根据预先获取的所述指针式仪表的参数信息以及所述指针在所述坐标系中偏转的角度,确定所述待读数的指针式仪表图像的读数。
2.根据权利要求1所述的指针式仪表的读数方法,其特征在于,所述将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型前,所述方法还包括:
获取多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置;
根据Openpose网络建立初始的指针式仪表指针检测模型;
根据多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置,训练初始的指针式仪表指针检测模型,得出符合预设条件的指针式仪表指针检测模型。
3.根据权利要求2所述的指针式仪表的读数方法,其特征在于,所述根据多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置训练初始的指针式仪表指针检测模型,得出符合预设条件的指针式仪表指针检测模型,具体包括:
将多个指针式仪表图像以及每个指针式仪表图像对应的指针所处的位置构建数据集,并按照预先设定的比例将所述数据集划分为训练集与验证集;
将训练集中的指针式仪表图像以及指针式仪表图像对应的指针所处的位置输入至初始的指针式仪表指针检测模型,得到多个预选的指针式仪表指针检测模型;
将验证集中的指针式仪表图像分别输入至多个预选的指针式仪表指针检测模型中,计算出每个预选的指针式仪表指针检测模型对应的指针所处的位置;
对比每个预选的指针式仪表指针检测模型对应的指针所处位置与所述验证集中指针的所处位置的差异;
根据对比结果,在多个预选的指针式仪表指针检测模型中选出符合预设条件的指针式仪表指针检测模型。
4.根据权利要求1所述的指针式仪表的读数方法,其特征在于,所述将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,检测出指针所处的位置,具体包括:
将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,根据所述指针式仪表指针检测模型中的特征提取网络,提取特征图;
将所述特征图分别输入至关键点定位模块以及矢量场定位模块,对应得到离散化的候选关键点信息以及矢量场信息;
根据矢量场信息,在所述候选关键点信息中确定出相互关联的指针首端关键点与指针尾端关键点;
在待读数的指针式仪表指针图像中将相互关联的指针首端关键点与指针尾端关键点直线连接,以确定出指针所在的位置。
5.根据权利要求4所述的指针式仪表的读数方法,其特征在于,所述将所述特征图分别输入至关键点定位模块以及矢量场定位模块,对应得到离散化的候选关键点信息以及矢量场信息,具体包括:
将所述特征图输入至关键点定位模块,根据非极大值抑制算法得到离散化的候选关键点信息,其中,所述候选关键点信息包括关键点的位置信息;
将所述特征图输入至矢量场定位模块,得出2D矢量场信息,其中,矢量场信息表示指针首端关键点与指针尾端关键的位置关系。
6.根据权利要求4所述的指针式仪表的读数方法,其特征在于,所述得到离散化的候选关键点信息后,所述方法还包括:
对每个候选关键点分配对应的标识信息;
所述在待读数的指针式仪表指针图像中将相互关联的指针首端关键点与指针尾端关键点直线连接,具体包括:
根据候选关键对应的标识信息在待读数的指针式仪表指针图像中,将相互关联的指针首端关键点与指针尾端关键点直线连接。
7.根据权利要求4-6任一项所述的指针式仪表的读数方法,其特征在于,所述矢量场信息表示在待读数的指针式仪表指针图像中指针的数量。
8.根据权利要求1所述的指针式仪表的读数方法,其特征在于,所述参数信息包括所述仪表的计量单位、刻度含义以及仪表的量程。
9.根据权利要求1所述的指针式仪表的读数方法,其特征在于,所述根据预先获取的所述指针式仪表的参数信息以及所述指针式仪表指针在所述坐标系中偏转的角度,读取出所述待读数的指针式仪表图像的读数,具体包括:
根据预先获取的所述指针式仪表的参数信息,建立指针偏转的角度与仪表读数的映射关系;
根据指针偏转的角度与仪表读数的映射关系与所述指针式仪表指针在所述坐标系中偏转的角度,确定所述指待读数的指针式仪表图像的读数。
10.一种指针式仪表的读数装置,其特征在于,所述装置包括:
检测单元,用于将待读数的指针式仪表图像输入至预先训练的指针式仪表指针检测模型,以识别指针所处的位置;
计算单元,用于根据所述指针所处的位置建立坐标系,并根据所述指针在所述坐标系中的位置,计算出所述指针在所述坐标系中偏转的角度;
读数单元,用于根据预先获取的所述指针式仪表的参数信息以及所述指针在所述坐标系中偏转的角度,确定出所述待读数的指针式仪表图像的读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010087078.7A CN111382738A (zh) | 2020-02-11 | 2020-02-11 | 一种指针式仪表的读数方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010087078.7A CN111382738A (zh) | 2020-02-11 | 2020-02-11 | 一种指针式仪表的读数方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111382738A true CN111382738A (zh) | 2020-07-07 |
Family
ID=71219693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010087078.7A Pending CN111382738A (zh) | 2020-02-11 | 2020-02-11 | 一种指针式仪表的读数方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382738A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560983A (zh) * | 2020-12-24 | 2021-03-26 | 济南信通达电气科技有限公司 | 一种仪表识别方法及装置 |
CN112966711A (zh) * | 2021-02-01 | 2021-06-15 | 北京大学 | 基于卷积神经网络的指针式仪表示数识别方法及系统 |
CN113191352A (zh) * | 2021-03-23 | 2021-07-30 | 浙江理工大学 | 一种基于目标检测和二值图像检测的水表指针读数识别方法 |
CN113469178A (zh) * | 2021-07-05 | 2021-10-01 | 安徽南瑞继远电网技术有限公司 | 一种基于深度学习的电力表计识别方法 |
CN113780273A (zh) * | 2021-07-19 | 2021-12-10 | 浙江理工大学 | 一种基于目标检测和关键点检测的水表指针读数读取方法 |
CN115265620A (zh) * | 2022-09-28 | 2022-11-01 | 明度智云(浙江)科技有限公司 | 一种仪器显示数据的获取录入方法、装置和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN110110733A (zh) * | 2019-05-15 | 2019-08-09 | 深圳供电局有限公司 | 指针式仪表读数方法、装置、计算机设备和存储介质 |
CN110543878A (zh) * | 2019-08-07 | 2019-12-06 | 华南理工大学 | 一种基于神经网络的指针仪表读数识别方法 |
-
2020
- 2020-02-11 CN CN202010087078.7A patent/CN111382738A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN110110733A (zh) * | 2019-05-15 | 2019-08-09 | 深圳供电局有限公司 | 指针式仪表读数方法、装置、计算机设备和存储介质 |
CN110543878A (zh) * | 2019-08-07 | 2019-12-06 | 华南理工大学 | 一种基于神经网络的指针仪表读数识别方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560983A (zh) * | 2020-12-24 | 2021-03-26 | 济南信通达电气科技有限公司 | 一种仪表识别方法及装置 |
CN112560983B (zh) * | 2020-12-24 | 2023-09-08 | 济南信通达电气科技有限公司 | 一种仪表识别方法及装置 |
CN112966711A (zh) * | 2021-02-01 | 2021-06-15 | 北京大学 | 基于卷积神经网络的指针式仪表示数识别方法及系统 |
CN113191352A (zh) * | 2021-03-23 | 2021-07-30 | 浙江理工大学 | 一种基于目标检测和二值图像检测的水表指针读数识别方法 |
CN113469178A (zh) * | 2021-07-05 | 2021-10-01 | 安徽南瑞继远电网技术有限公司 | 一种基于深度学习的电力表计识别方法 |
CN113469178B (zh) * | 2021-07-05 | 2024-03-01 | 安徽南瑞继远电网技术有限公司 | 一种基于深度学习的电力表计识别方法 |
CN113780273A (zh) * | 2021-07-19 | 2021-12-10 | 浙江理工大学 | 一种基于目标检测和关键点检测的水表指针读数读取方法 |
CN115265620A (zh) * | 2022-09-28 | 2022-11-01 | 明度智云(浙江)科技有限公司 | 一种仪器显示数据的获取录入方法、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111382738A (zh) | 一种指针式仪表的读数方法及装置 | |
CN107274442B (zh) | 一种图像识别方法和装置 | |
EP3608822A1 (en) | Method and apparatus for detecting model security and electronic device | |
CN110689010A (zh) | 一种证件识别方法及装置 | |
TWI736765B (zh) | 圖像處理方法、裝置、設備及儲存媒體 | |
CN111238450B (zh) | 视觉定位方法及装置 | |
CN110650531B (zh) | 一种基站坐标标定方法、系统、存储介质及设备 | |
CN112966711A (zh) | 基于卷积神经网络的指针式仪表示数识别方法及系统 | |
CN113109851A (zh) | 一种异常检测方法、装置、存储介质及电子设备 | |
CN112912889B (zh) | 图像模板的更新方法、设备及存储介质 | |
CN110530398B (zh) | 一种电子地图精度检测的方法及装置 | |
CN110059569B (zh) | 活体检测方法和装置、模型评估方法和装置 | |
CN111353417A (zh) | 一种目标检测的方法及装置 | |
CN114972774A (zh) | 特定区域的图像描述生成方法、装置、设备及存储介质 | |
CN113674424B (zh) | 一种电子地图绘制的方法及装置 | |
CN114494381A (zh) | 模型训练及深度估计方法、装置、存储介质及电子设备 | |
CN111460084A (zh) | 一种简历结构化抽取模型训练方法及系统 | |
CN106153038B (zh) | 一种建立地磁指纹地图的方法及装置 | |
CN114297326A (zh) | 一种地址的验证方法及装置 | |
CN114187355A (zh) | 一种图像标定方法及装置 | |
CN114511376A (zh) | 基于多模型的信用数据处理方法及装置 | |
CN114332189A (zh) | 一种高精地图构建方法、装置、存储介质及电子设备 | |
CN113706606A (zh) | 确定隔空手势位置坐标的方法及装置 | |
CN103206953A (zh) | 在定位时用来产生一地理方位的方法、及使用该方法的定位系统 | |
CN113312484B (zh) | 对象标签处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200707 |
|
RJ01 | Rejection of invention patent application after publication |