基于深度学习的指针式仪表检测与识别研究

• 作者: 吴怀宇 喻汉 徐发兵 陈志环
• 来源期刊: 高技术通讯
• 关键词: 深度学习 指针式仪表识别 卷积神经网络 改进场景文本检测器(EAST)算法
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 1206-1215
• 页数: 10页
• 字数: 6036字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2019.12.006

摘要

为了解决变电站指针式仪表读数识别中指针区域提取困难、指针中心线定位误差大以及识别精度较差等问题,针对变电站中常见的刻度分布均匀的指针式仪表,提出了一种基于深度学习的指针式仪表自动检测与识别方法.首先,利用卷积神经网络模型检测当前视野下仪表目标的包围框位置,得到仪表目标图像;然后,利用改进有效和准确的场景文本检测器(EAST)算法对检测到的仪表目标图像进行文本检测,检测出仪表图像中的文本图像,利用设计的印刷体数字识别模型对文本图像进行识别,筛选出仪表刻度数字,得到仪表刻度数字的位置信息与数值;最后,通过仪表刻度数字的位置信息提取出仪表指针直线与仪表中心,通过识别出的数值结合角度法完成仪表读数识别.通过大量实验对所提出的指针式仪表读数检测与识别方法进行验证,实验结果表明,本文所提出的仪表识别方法的平均准确率高于98.5％,对于复杂背景下指针式仪表的自动检测与识别任务具有良好的准确性与稳定性,可满足变电站实际应用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴怀宇	武汉科技大学信息科学与工程学院	100	816	14.0	23.0
2	徐发兵	武汉科技大学信息科学与工程学院	2	0	0.0	0.0
3	陈志环	武汉科技大学信息科学与工程学院	2	3	1.0	1.0
4	喻汉	武汉科技大学信息科学与工程学院	2	0	0.0	0.0