摘要
本发明公开了一种基于目标检测的指针仪表定位与识别方法及系统,使用YOLO模型和Faster‑RCNN模型,实现指针仪表的快速定位与准确识别;YOLO型中采用SPP网络增加网络的感受野,PANet保留空间信息来增强实例分割过程,将预测框筛选算法从MNS变为DIOU_NMS,准确地将定位到的表盘根据坐标从图像中提取出来;Faster‑RCNN模型中在执行完RPN后加入一层掩模增强图像中心特征,使得指针识别结果对仪表中心更加敏感,得出的识别结果更加精确;本发明采用模型训练与识别部署分离的架构模式,节约计算资源和磁盘空间,解决了化工企业中传统仪表读数巡检范围局限、效率较低、实时性差、存在人身安全风险等问题。
技术关键词
指针仪表
识别方法
YOLO模型
筛选算法
原始图像数据
图像采集单元
坐标
实例分割
标注工具
校正单元
网络
清洗单元
样本
摄像设备
表盘
系统为您推荐了相关专利信息
城市固废
精细识别方法
深度Q网络
非对称特征
多尺度
图像识别方法
乳腺
特征提取模块
图像特征向量
网络
优化识别方法
断线故障
网络流图
混合整数规划模型
Tarjan算法
织物组织结构
识别方法
特征点
机织物
二值图像处理