CN114120309A - 一种仪表读数识别方法、装置及计算机设备 - Google Patents
一种仪表读数识别方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN114120309A CN114120309A CN202210096947.1A CN202210096947A CN114120309A CN 114120309 A CN114120309 A CN 114120309A CN 202210096947 A CN202210096947 A CN 202210096947A CN 114120309 A CN114120309 A CN 114120309A
- Authority
- CN
- China
- Prior art keywords
- line segment
- target
- detection line
- image
- preset
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种仪表读数识别方法、装置及计算机设备。该方法包括:识别仪表图像中的全部基础组件以及各基础组件对应的属性信息,其中,基础组件包括一个指针组件;根据各目标检测框中各关键像素点的坐标,确定指针组件的目标旋转角度以及任意两个基础组件之间的相对位置关系;基于各基础组件对应的属性信息以及任意两个基础组件之间的相对位置关系,从预设图数据库中选取与仪表图像的匹配度最大的目标图像;根据目标图像关联的标准规格信息识别指针组件的目标旋转角度对应的读数。本申请根据仪表图像中各基础组件间的位置关系和属性信息,查询匹配的目标图像对应的标准规格信息,基于标准规格信息进行识别,识别的准确度高、抗干扰性强。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种仪表读数识别方法、装置及计算机设备。
背景技术
仪表图像识别也称为“视觉抄表”,是一种通过终端设备对水表、电表和气表等拍照后,利用图像识别算法自动识别仪表图像对应的读数的智能抄表方案,具有使用范围广、安装简单、易于使用等特点。图像识别算法是视觉抄表中至关重要的一环,算法识别率低、硬件成本高和通信基础设施不完善等诸多原因,视觉抄表一直没有大规模普及。
现有的仪表图像识别方案中,需要通过预训练仪表图像特征模型将待识别的仪表类型进行分类,或者直接对仪表图像进行近似度匹配以获取该仪表的类型。而且,在拍摄的仪表图像有污损遮挡或者仪表较为老旧的情况下,会造成识别到的仪表面板元素有缺失。此时上述方案可能无法直接匹配出仪表的类型或读数。
因此,现有的仪表图像识别方案容易产生识别误差并且需要预先对大量的仪表图像进行标注和分类训练,会造成较大的工作量。
发明内容
为了解决上述技术问题,本发明提供了一种仪表读数识别方法、装置及计算机设备,具体方案如下:
第一方面,本申请实施例提供了一种仪表读数识别方法,所述仪表读数识别方法包括:
识别仪表图像中的全部基础组件以及各基础组件对应的属性信息,其中,所述属性信息包括各所述基础组件对应的类型以及各所述基础组件对应的目标检测框中各关键像素点的坐标,所述基础组件包括一个指针组件;
根据各所述目标检测框中各所述关键像素点的坐标,确定所述指针组件的目标旋转角度以及任意两个所述基础组件之间的相对位置关系;
基于所述仪表图像中各所述基础组件对应的所述属性信息以及任意两个所述基础组件之间的所述相对位置关系,从预设图数据库中选取与所述仪表图像的匹配度最大的目标图像;
根据所述目标图像关联的标准规格信息识别所述指针组件的目标旋转角度对应的读数。
根据本申请公开的一种具体实施方式,根据各所述目标检测框中各所述关键像素点的坐标,确定所述指针组件的目标旋转角度以及任意两个所述基础组件之间的相对位置关系的步骤,包括:
根据各所述基础组件对应的目标检测框的几何中点的坐标,确定任意两个所述基础组件之间的相对位置关系;
针对所述指针组件,选取所述指针组件对应的目标检测框的最长中线为目标检测线段;
根据所述目标检测线段与预设检测线段对应的各所述像素点的坐标,确定所述目标检测线段与预设检测线段之间的所述目标旋转角度。
根据本申请公开的一种具体实施方式,所述基础组件的类型包括所述指针组件对应的转轴和所述指针组件对应的转轴,根据所述目标检测线段与预设检测线段对应的各所述像素点的坐标,确定所述目标检测线段与预设检测线段之间的所述目标旋转角度的步骤,包括:
基于所述转轴将所述目标检测线段分为长轴线段和短轴线段;
从所述目标检测线段与所述预设检测线段之间的全部夹角中,按照预设旋转方向,选取所述长轴线段与所述预设检测线段之间的夹角为所述目标旋转角度。
根据本申请公开的一种具体实施方式,所述基础组件的类型包括多个刻度线组件,所述预设检测线段的确定步骤,包括:
将各所述刻度线组件按照预设旋转方向排序,得到参考刻度线组件序列;
从所述参考刻度线组件序列中选取起始位置对应的所述刻度线组件为参考检测线段;
将所述参考检测线段向所述转轴对应的方向延长预设距离,得到所述预设检测线段。
根据本申请公开的一种具体实施方式,从预设图数据库中选取与所述仪表图像的匹配度最大的目标图像的步骤,包括:
将预设图数据库中各第一参考图像按照与所述仪表图像的匹配度进行降序排列,得到参考序列;
选取所述参考序列中的前i个所述第一参考图像为第二参考图像,其中i为正整数;
将i个所述第二参考图像分别与所述仪表图像进行图像近似度检测,确定最大的所述图像近似度对应的所述第二参考图像为所述目标图像。
第二方面,本申请实施例提供了一种仪表读数识别装置,所述仪表读数识别装置包括:
组件识别模块,用于识别仪表图像中的全部基础组件以及各基础组件对应的属性信息,其中,所述属性信息包括各所述基础组件对应的类型以及各所述基础组件对应的目标检测框中各关键像素点的坐标,所述基础组件包括一个指针组件和多个刻度线组件;
位置确定模块,用于根据各所述目标检测框中各所述关键像素点的坐标,确定所述指针组件的目标旋转角度以及任意两个所述基础组件之间的相对位置关系;
图像匹配模块,用于基于所述仪表图像中各所述基础组件对应的所述属性信息以及任意两个所述基础组件之间的所述相对位置关系,从预设图数据库中选取与所述仪表图像的匹配度最大的目标图像;
读数识别模块,用于根据所述目标图像关联的标准规格信息识别所述指针组件的目标旋转角度对应的读数。
根据本申请公开的一种具体实施方式,所述位置确定模块具体用于:
根据各所述基础组件对应的目标检测框的几何中点的坐标,确定任意两个所述基础组件之间的相对位置关系;
针对所述指针组件,选取所述指针组件对应的目标检测框的最长中线为目标检测线段;
根据所述目标检测线段与预设检测线段对应的各所述像素点的坐标,确定所述目标检测线段与预设检测线段之间的所述目标旋转角度。
根据本申请公开的一种具体实施方式,所述基础组件的类型包括所述指针组件对应的转轴,所述位置确定模块具体用于:
基于所述转轴将所述目标检测线段分为长轴线段和短轴线段;
从所述目标检测线段与所述预设检测线段之间的全部夹角中,按照预设旋转方向,选取所述长轴线段与所述预设检测线段之间的夹角为所述目标旋转角度。
第三方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上执行时实现第一方面中任一项实施例所述的仪表读数识别方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序在处理器上执行时实现第一方面中任一项实施例所述的仪表读数识别方法。
相对于现有技术而言,本申请具有以下有益效果:
本申请根据仪表图像中各基础组件间的位置关系和属性信息,从预设图数据库中查询匹配的目标图像对应的标准规格信息,基于标准规格信息对仪表图像进行识别。本申请通过图数据库技术,减少了传统的基于图像特征和卷积神经网络技术进行识别的过程中的噪声干扰,同时利用仪表本身的视觉特征和属性特征,实现对仪表图像的读数识别,以提高识别的效率与准确率,不需要反复重新训练识别模型。对于型号不同,但是显示界面类似的仪表图像,也可以基于相同的标准规格信息进行读数识别。而且,对于老旧仪表或仪表图像有污损或者遮挡,造成识别处的基础组件有缺失的非理想情况,本申请可最大限度地检测仪表类型并获取读数,识别的准确度高、抗干扰性强。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1为本申请实施例提供的一种仪表读数识别方法的流程示意图;
图2为本申请实施例提供的一种仪表读数识别方法涉及的仪表图像的示意图之一;
图3为本申请实施例提供的一种仪表读数识别方法涉及的仪表图像的示意图之二;
图4为本申请实施例提供的一种仪表读数识别方法涉及的三元组的存储示意图;
图5为本申请实施例提供的一种仪表读数识别方法涉及的第一参考图像的示意图;
图6为本申请实施例提供的一种仪表读数识别装置的模块框图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互结合。
参见图1,图1为本申请实施例提供的一种仪表读数识别方法的流程示意图。如图1所示,所述仪表读数识别方法主要包括:
步骤S101,识别仪表图像中的全部基础组件以及各基础组件对应的属性信息,其中,所述属性信息包括各所述基础组件对应的类型以及各所述基础组件对应的目标检测框中各关键像素点的坐标,所述基础组件包括一个指针组件。
可以通过包括各类包括摄像模组的移动终端设备获取待识别仪表盘的仪表图像。获取对应仪表盘的完整仪表图像后,可以对仪表图像进行图像预处理,图像预处理包括但不限于灰度化、高斯滤波、K-Means二值化和倾斜矫正等。图像预处理用于消除仪表图像中无关的信息、恢复有用的真实信息、增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、图像分割、匹配和识别等后续处理过程的可靠性。
可以通过目标检测技术,如YOLO-V5检测仪表图像中的全部基础组件以及各基础组件的位置。参见图2,图2为本申请实施例提供的一种仪表读数识别方法涉及的仪表图像的示意图之一。图2中,黑粗线部分即为目标检测框,各目标检测框对应的区域即为基础组件,如图2中A1所示。通过各基础组件对应的目标检测框中各关键像素点的坐标,即可确定各基础组件在仪表图像中的位置。其中,关键点可以是目标检测框中任一像素点,例如目标检测框的四个角点和几何中点等。关键点的选取可以由用户根据实际使用需求或者具体应用场景自定义,这里不做具体限定。
在检测仪表图像中的全部基础组件以及各基础组件的位置后,可以对仪表图像中各基础组件进行目标分类。具体地,可以通过目标检测分类模型对各基础组件进行分类。其中,基础组件的类型包括但不限于:指针、数字、分割符、电子显示框和文本框。
步骤S102,根据各所述目标检测框中各所述关键像素点的坐标,确定所述指针组件的目标旋转角度以及任意两个所述基础组件之间的相对位置关系。
可以根据各所述基础组件对应的目标检测框的几何中点的坐标,确定任意两个所述基础组件之间的相对位置关系。例如,检测到仪表图像中存在B、C和D三个基础组件,那么需要对任意两个基础组件之间的相对位置关系进行判断,即分别对B-C、B-D、C-D这三组基础组件进行遍历,判断相对位置关系。具体实施时,是通过不同的目标检测框检测对应的各基础组件,那么必然可以得到目标检测框的几何中点,可以通过这个几何中点的坐标对基础组件之间的进行相对位置关系判断。即通过这个几何中点表征基础组件的位置,不管这个基础组件的类型是线段还是数字等。需要说明的是,所述“几何中点”可以由用户根据实际使用需求或者具体应用场景替换为其他任何可以用于表征目标检测框的位置的关键点,例如角点等,这里不做进一步限定。
针对指针组件,选取指针组件对应的目标检测框的最长中线为目标检测线段。根据目标检测线段与预设检测线段对应的各像素点的坐标,确定目标检测线段与预设检测线段之间的目标旋转角度。
参见图3,图3为本申请实施例提供的一种仪表读数识别方法涉及的仪表图像的示意图之二。针对指针组件,可以选取指针组件对应的目标检测框的最长中线为目标检测线段,即图3中所示“表针检测线”。可以根据目标检测线段与预设检测线段对应的各像素点的坐标,确定目标检测线段与预设检测线段之间的目标旋转角度。具体实施时,可以将仪表图像进行横纵坐标的划分,基于表针检测线与预设检测线段对应的各像素点的坐标,可以得到表针检测线与预设检测线段在仪表图像中对应的方程式,以进行表针检测线与预设检测线段对后续处理。
具体地,预设检测线段是指用于表征仪表初始状态时,指针组件对应的初始位置。由于不同应用场景下,初始状态的定义有所偏差,本申请实施例提供几种“预设检测线段”的确定方法:
1.预设检测线段可以是仪表图像中,根据用户实际使用需求或者具体应用场景自定义的任一位置对应的线段;
2.基础组件的类型包括多个刻度线组件,预设检测线段的确定步骤,包括:
将各刻度线组件按照预设旋转方向排序,得到参考刻度线组件序列;
从参考刻度线组件序列中选取起始位置对应的刻度线组件为参考检测线段;
将参考检测线段向转轴对应的方向延长预设距离,得到预设检测线段。
参见图3,仪表图像中包括了多个刻度线组件,例如“0.02”和“0.04”。可以将全部刻度线组件按照预设旋转方向排序,得到参考刻度线组件序列。其中,预设旋转方向可以根据用户实际使用需求或者具体应用场景自定义,例如“0→0.02→0.06→...”。可以从参考刻度线组件序列中选取起始位置对应的刻度线组件即第一个刻度线组件为参考检测线段。由于参考检测线段在仪表图像中的长度较短,可以将参考检测线段向转轴对应的方向延长预设距离,得到预设检测线段,即图3中所示的“起始刻度角度”对应的线段。预设距离需要能使预设检测线段和表针检测线相交,在满足前述条件的前提下,可以根据用户根据实际使用需求或者具体应用场景自定义,这里不做进一步限定。
所述基础组件的类型包括所述指针组件对应的转轴和所述指针组件对应的转轴,根据所述目标检测线段与预设检测线段对应的各所述像素点的坐标,确定所述目标检测线段与预设检测线段之间的所述目标旋转角度的步骤,包括:
基于所述转轴将所述目标检测线段分为长轴线段和短轴线段;
从所述目标检测线段与所述预设检测线段之间的全部夹角中,按照预设旋转方向,选取所述长轴线段与所述预设检测线段之间的夹角为所述目标旋转角度。
参见图3,具体实施时,目标检测线段与预设检测线段,即表针检测线与起始刻度角度之间的夹角不止一个,需要从全部夹角中选取可以用于进一步计算仪表读数的目标旋转角度。可以根据指针组件对应的转轴将目标检测线段分为长轴线段和短轴线段,按照前文所述的预设旋转方向,选取长轴线段与预设检测线段之间的夹角为目标旋转角度。具体地,可以根据目标检测线段两端的像素点以及转轴这三点对应的坐标,计算目标检测线段两端的像素点与转轴的距离,进一步将目标检测线段分为长轴线段和短轴线段。
步骤S103,基于所述仪表图像中各所述基础组件对应的所述属性信息以及任意两个所述基础组件之间的所述相对位置关系,从预设图数据库中选取与所述仪表图像的匹配度最大的目标图像。
可以将预设图数据库中各第一参考图像按照与仪表图像的匹配度进行降序排列,得到参考序列。选取参考序列中的前i个第一参考图像为第二参考图像,其中i为正整数。将i个第二参考图像分别与仪表图像进行图像近似度检测,确定最大的图像近似度对应的第二参考图像为目标图像。
可以将步骤S103分为两个子步骤:
1.检索仪表类型并匹配。
可以基于仪表图像中各基础组件对应的属性信息以及任意两个基础组件之间的相对位置关系等,例如基础组件的类型和数量、基础组件间的相对位置关系和距离,在预设图数据库中通过多轮检索,寻找匹配度较高的仪表类型对应的第一参考图像。
2.通过图像技术二次筛选仪表类型。
根据已经检索出的多个仪表类型对应的第一参考图像,采用图像近似度检测技术,二次筛选匹配选择匹配度最高的仪表类型对应的第二参考图像为目标图像。
具体实施时,可以在预设图数据库中,进行第一次检索,然后在结果中用多重条件筛选出较为精确的结果。通过人工标注或者历史积累的仪表识别模板,即前文所述的第一参考图像会存储在预设图数据库中,每个仪表识别模板都包含该仪表上面的基础组件、各基础组件的属性信息,以及任意两个基础组件之间的位置关系。
具体地,在预设图数据库中,基础组件会按照“三元组”的形式进行存储。其中,三元组包括点、边和属性数据,点即为仪表图像中的基础组件,属性数据即为属性信息,边是指不同基础组件之间的相对位置关系,即边是具有指向性的。参见图4,图4为本申请实施例提供的一种仪表读数识别方法涉及的三元组的存储示意图。元素A、B和C分别表示前文所述的不同的基础组件,图4表示:
元素B在元素A的右方,元素A在元素B的左方;
元素C在元素A的上方,元素A在元素C的下方;
元素C在元素B的上方,元素B在元素C的下方。
其中,对应图4的第一参考图像如图5所示,图5为本申请实施例提供的一种仪表读数识别方法涉及的第一参考图像的示意图。
第一次检索时会根据待识别的仪表图像中已经识别出的基础组件的数量和种类,判断这一数量和种类的第一参考图像有哪些。然后继续采用更精确的方法从全部第一参考图像中继续筛选,例如已经识别出的基础组件中,文字是MPa,可以增加筛选条件,在第一参考图像中,继续筛选出包含MPa的第二参考图像。同理,还可以进一步筛选出包含文字元素“0”、“2”、“4”、“6”、“8”的第二参考图像。
为了进一步提高识别的精度,还可以通过图像近似度技术对第二参考图像进行二次筛选。例如,可以把第二参考图像和待识别的仪表图像分别表示成一个向量,通过计算向量之间的余弦距离来表征第二参考图像和待识别的仪表图像的图像相似度,确定最大的图像近似度对应的第二参考图像为目标图像。
通过确定最大的图像近似度对应的第二参考图像为目标图像,而不是设定一个具体的阈值来筛选出目标图像,即使第二参考图像与仪表图像的图像相似度较低,但是仪表盘整体布局类似的情况下,同样到达后续识别仪表图像中的读数的目的。换言之,只要仪表图像和预设图数据库中已经存储的任何一个第二参考图像的基础组件的位置类似,也可以通过本申请检索出来,并尝试识别。
步骤S104,根据所述目标图像关联的标准规格信息识别所述指针组件的目标旋转角度对应的读数。
具体实施时,标准规格信息包括单位、最小刻度值和最小刻度值对应的最小旋转角度。通过将目标旋转角度与最小旋转角度进行比较或相除,即可得到指针组件的目标旋转角度对应的读数。
本申请根据仪表图像中各基础组件间的位置关系和属性信息,从预设图数据库中查询匹配的目标图像对应的标准规格信息,基于标准规格信息对仪表图像进行识别。本申请通过图像数据库技术,减少了传统的基于图像特征和卷积神经网络技术进行识别的过程中的噪声干扰,同时利用仪表本身的视觉特征和属性特征,实现对仪表图像的读数识别,以提高识别的效率与准确率,不需要反复重新训练识别模型。对于型号不同,但是显示界面类似的仪表图像,也可以基于相同的标准规格信息进行读数识别。而且,对于老旧仪表或仪表图像有污损或者遮挡,造成识别处的基础组件有缺失的非理想情况,本申请可最大限度地检测仪表类型并获取读数,识别的准确度高、抗干扰性强。
与上述方法实施例相对应,参见图6,本发明还提供的一种仪表读数识别装置600,所述仪表读数识别装置600包括:
组件识别模块601,用于识别仪表图像中的全部基础组件以及各基础组件对应的属性信息,其中,所述属性信息包括各所述基础组件对应的类型以及各所述基础组件对应的目标检测框中各关键像素点的坐标,所述基础组件包括一个指针组件和多个刻度线组件;
位置确定模块602,用于根据各所述目标检测框中各所述关键像素点的坐标,确定所述指针组件的目标旋转角度以及任意两个所述基础组件之间的相对位置关系;
图像匹配模块603,用于基于所述仪表图像中各所述基础组件对应的所述属性信息以及任意两个所述基础组件之间的所述相对位置关系,从预设图数据库中选取与所述仪表图像的匹配度最大的目标图像;
读数识别模块604,用于根据所述目标图像关联的标准规格信息识别所述指针组件的目标旋转角度对应的读数。
具体实施时,所述位置确定模块602具体用于:
根据各所述基础组件对应的目标检测框的几何中点的坐标,确定任意两个所述基础组件之间的相对位置关系;
针对所述指针组件,选取所述指针组件对应的目标检测框的最长中线为目标检测线段;
根据所述目标检测线段与预设检测线段对应的各所述像素点的坐标,确定所述目标检测线段与预设检测线段之间的所述目标旋转角度。
具体实施时,所述基础组件的类型包括所述指针组件对应的转轴,所述位置确定模块602具体用于:
基于所述转轴将所述目标检测线段分为长轴线段和短轴线段;
从所述目标检测线段与所述预设检测线段之间的全部夹角中,按照预设旋转方向,选取所述长轴线段与所述预设检测线段之间的夹角为所述目标旋转角度。
此外,还提供一种计算机设备,计算机设备包括处理器和存储器,存储器存储有计算机程序,计算机程序在处理器上执行时实现上述仪表读数识别方法。
此外,还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序在处理器上执行时实现上述仪表读数识别方法。
本申请所提供的配件需求的仪表读数识别装置、计算机设备和计算机可读存储介质的具体实施过程,可以参见上述实施例提供的仪表读数识别方法的具体实施过程,在此不再一一赘述。
本申请提供配件需求的仪表读数识别装置、计算机设备和计算机可读存储介质,可以根据仪表图像中各基础组件间的位置关系和属性信息,从预设图数据库中查询匹配的目标图像对应的标准规格信息,基于标准规格信息对仪表图像进行识别。本申请通过图像数据库技术,减少了传统的基于图像特征和卷积神经网络技术进行识别的过程中的噪声干扰,同时利用仪表本身的视觉特征和属性特征,实现对仪表图像的读数识别,以提高识别的效率与准确率,不需要反复重新训练识别模型。对于型号不同,但是显示界面类似的仪表图像,也可以基于相同的标准规格信息进行读数识别。而且,对于老旧仪表或仪表图像有污损或者遮挡,造成识别处的基础组件有缺失的非理想情况,本申请可最大限度地检测仪表类型并获取读数,识别的准确度高、抗干扰性强。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种仪表读数识别方法,其特征在于,所述仪表读数识别方法包括:
识别仪表图像中的全部基础组件以及各基础组件对应的属性信息,其中,所述属性信息包括各所述基础组件对应的类型以及各所述基础组件对应的目标检测框中各关键像素点的坐标,所述基础组件包括一个指针组件;
根据各所述目标检测框中各所述关键像素点的坐标,确定所述指针组件的目标旋转角度以及任意两个所述基础组件之间的相对位置关系;
基于所述仪表图像中各所述基础组件对应的所述属性信息以及任意两个所述基础组件之间的所述相对位置关系,从预设图数据库中选取与所述仪表图像的匹配度最大的目标图像;
根据所述目标图像关联的标准规格信息识别所述指针组件的目标旋转角度对应的读数。
2.根据权利要求1所述的仪表读数识别方法,其特征在于,根据各所述目标检测框中各所述关键像素点的坐标,确定所述指针组件的目标旋转角度以及任意两个所述基础组件之间的相对位置关系的步骤,包括:
根据各所述基础组件对应的目标检测框的几何中点的坐标,确定任意两个所述基础组件之间的相对位置关系;
针对所述指针组件,选取所述指针组件对应的目标检测框的最长中线为目标检测线段;
根据所述目标检测线段与预设检测线段对应的各所述像素点的坐标,确定所述目标检测线段与预设检测线段之间的所述目标旋转角度。
3.根据权利要求2所述的仪表读数识别方法,其特征在于,所述基础组件的类型包括所述指针组件对应的转轴,根据所述目标检测线段与预设检测线段对应的各所述像素点的坐标,确定所述目标检测线段与预设检测线段之间的所述目标旋转角度的步骤,包括:
基于所述转轴将所述目标检测线段分为长轴线段和短轴线段;
从所述目标检测线段与所述预设检测线段之间的全部夹角中,按照预设旋转方向,选取所述长轴线段与所述预设检测线段之间的夹角为所述目标旋转角度。
4.根据权利要求2所述的仪表读数识别方法,其特征在于,所述基础组件的类型包括所述指针组件对应的转轴和多个刻度线组件,所述预设检测线段的确定步骤,包括:
将各所述刻度线组件按照预设旋转方向排序,得到参考刻度线组件序列;
从所述参考刻度线组件序列中选取起始位置对应的所述刻度线组件为参考检测线段;
将所述参考检测线段向所述转轴对应的方向延长预设距离,得到所述预设检测线段。
5.根据权利要求1所述的仪表读数识别方法,其特征在于,从预设图数据库中选取与所述仪表图像的匹配度最大的目标图像的步骤,包括:
将所述预设图数据库中各第一参考图像按照与所述仪表图像的匹配度进行降序排列,得到参考序列;
选取所述参考序列中的前i个所述第一参考图像为第二参考图像,其中i为正整数;
将i个所述第二参考图像分别与所述仪表图像进行图像近似度检测,确定最大的所述图像近似度对应的所述第二参考图像为所述目标图像。
6.一种仪表读数识别装置,其特征在于,所述仪表读数识别装置包括:
组件识别模块,用于识别仪表图像中的全部基础组件以及各基础组件对应的属性信息,其中,所述属性信息包括各所述基础组件对应的类型以及各所述基础组件对应的目标检测框中各关键像素点的坐标,所述基础组件包括一个指针组件和多个刻度线组件;
位置确定模块,用于根据各所述目标检测框中各所述关键像素点的坐标,确定所述指针组件的目标旋转角度以及任意两个所述基础组件之间的相对位置关系;
图像匹配模块,用于基于所述仪表图像中各所述基础组件对应的所述属性信息以及任意两个所述基础组件之间的所述相对位置关系,从预设图数据库中选取与所述仪表图像的匹配度最大的目标图像;
读数识别模块,用于根据所述目标图像关联的标准规格信息识别所述指针组件的目标旋转角度对应的读数。
7.根据权利要求6所述的仪表读数识别装置,其特征在于,所述位置确定模块具体用于:
根据各所述基础组件对应的目标检测框的几何中点的坐标,确定任意两个所述基础组件之间的相对位置关系;
针对所述指针组件,选取所述指针组件对应的目标检测框的最长中线为目标检测线段;
根据所述目标检测线段与预设检测线段对应的各所述像素点的坐标,确定所述目标检测线段与预设检测线段之间的所述目标旋转角度。
8.根据权利要求7所述的仪表读数识别装置,其特征在于,所述基础组件的类型包括所述指针组件对应的转轴,所述位置确定模块具体用于:
基于所述转轴将所述目标检测线段分为长轴线段和短轴线段;
从所述目标检测线段与所述预设检测线段之间的全部夹角中,按照预设旋转方向,选取所述长轴线段与所述预设检测线段之间的夹角为所述目标旋转角度。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上执行时实现权利要求1至5中任一项所述的仪表读数识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序在处理器上执行时实现权利要求1至5中任一项所述的仪表读数识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210096947.1A CN114120309A (zh) | 2022-01-27 | 2022-01-27 | 一种仪表读数识别方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210096947.1A CN114120309A (zh) | 2022-01-27 | 2022-01-27 | 一种仪表读数识别方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114120309A true CN114120309A (zh) | 2022-03-01 |
Family
ID=80361280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210096947.1A Pending CN114120309A (zh) | 2022-01-27 | 2022-01-27 | 一种仪表读数识别方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114120309A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972709A (zh) * | 2023-09-25 | 2023-10-31 | 天津金色方圆仪器仪表有限公司 | 一种钢卷尺检定误差分析方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160379359A1 (en) * | 2015-06-25 | 2016-12-29 | Gregory J. Gozdowiak | Method and System for Automated Meter Reading |
WO2018012958A1 (en) * | 2016-07-13 | 2018-01-18 | George Kent (Malaysia) Berhad | Method for testing a meter |
ES2669555A1 (es) * | 2016-11-25 | 2018-05-28 | Gas Natural Redes Distribucion Gas Sdg, S.A. | Procedimiento y sistema para lectura de contadores |
WO2019119391A1 (zh) * | 2017-12-22 | 2019-06-27 | 深圳前海达闼云端智能科技有限公司 | 云端抄表方法及装置 |
CN109948469A (zh) * | 2019-03-01 | 2019-06-28 | 吉林大学 | 基于深度学习的巡检机器人仪表自动检测识别方法 |
CN112966725A (zh) * | 2021-02-08 | 2021-06-15 | 深圳市优必选科技股份有限公司 | 匹配模板图像的方法、装置及终端设备 |
CN113537075A (zh) * | 2021-07-19 | 2021-10-22 | 中国电信股份有限公司 | 指针式仪表读数识别方法及装置、存储介质及电子设备 |
-
2022
- 2022-01-27 CN CN202210096947.1A patent/CN114120309A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160379359A1 (en) * | 2015-06-25 | 2016-12-29 | Gregory J. Gozdowiak | Method and System for Automated Meter Reading |
WO2018012958A1 (en) * | 2016-07-13 | 2018-01-18 | George Kent (Malaysia) Berhad | Method for testing a meter |
ES2669555A1 (es) * | 2016-11-25 | 2018-05-28 | Gas Natural Redes Distribucion Gas Sdg, S.A. | Procedimiento y sistema para lectura de contadores |
WO2019119391A1 (zh) * | 2017-12-22 | 2019-06-27 | 深圳前海达闼云端智能科技有限公司 | 云端抄表方法及装置 |
CN109948469A (zh) * | 2019-03-01 | 2019-06-28 | 吉林大学 | 基于深度学习的巡检机器人仪表自动检测识别方法 |
CN112966725A (zh) * | 2021-02-08 | 2021-06-15 | 深圳市优必选科技股份有限公司 | 匹配模板图像的方法、装置及终端设备 |
CN113537075A (zh) * | 2021-07-19 | 2021-10-22 | 中国电信股份有限公司 | 指针式仪表读数识别方法及装置、存储介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
徐发兵等: "基于深度学习的指针式仪表检测与识别研究", 《高技术通讯》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972709A (zh) * | 2023-09-25 | 2023-10-31 | 天津金色方圆仪器仪表有限公司 | 一种钢卷尺检定误差分析方法及系统 |
CN116972709B (zh) * | 2023-09-25 | 2023-12-19 | 天津金色方圆仪器仪表有限公司 | 一种钢卷尺检定误差分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108920580B (zh) | 图像匹配方法、装置、存储介质及终端 | |
JP6143111B2 (ja) | 物体識別装置、物体識別方法、及びプログラム | |
KR101617681B1 (ko) | 히스토그램들을 갖는 다중 층 연결 요소들을 사용하는 텍스트 검출 | |
Lee et al. | Object detection with sliding window in images including multiple similar objects | |
CN104217203B (zh) | 复杂背景卡面信息识别方法及系统 | |
WO2014092979A1 (en) | Method of perspective correction for devanagari text | |
EP2660753B1 (en) | Image processing method and apparatus | |
CN111881757B (zh) | 一种行人重识别方法、装置、设备及介质 | |
CN108073926B (zh) | 一种车牌识别方法及装置 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN108021837B (zh) | 一种条形码检测方法、条形码检测装置及电子设备 | |
CN106874901B (zh) | 一种行驶证识别方法及装置 | |
JPWO2014030400A1 (ja) | 物体識別装置、物体識別方法、及びプログラム | |
CN111783805A (zh) | 图像检索方法及装置、电子设备、可读存储介质 | |
CN107436906A (zh) | 一种信息检测方法及装置 | |
KR101742115B1 (ko) | 건물 인식을 위한 멀티뷰 영상에서의 인라이어 선택 및 잉여 제거 방법 | |
CN111383246A (zh) | 条幅检测方法、装置及设备 | |
CN114120309A (zh) | 一种仪表读数识别方法、装置及计算机设备 | |
CN113516597B (zh) | 图像校正方法、装置和服务器 | |
CN116704490B (zh) | 车牌识别方法、装置和计算机设备 | |
CN110826551B (zh) | 一种机动车vin码拓印模图像的智能甄别方法 | |
CN111126436B (zh) | 视觉匹配方法及装置 | |
CN110135412B (zh) | 名片识别方法和装置 | |
CN113657378B (zh) | 车辆跟踪方法、车辆跟踪系统和计算设备 | |
JPH08190690A (ja) | ナンバープレート決定方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220301 |