基于Faster-RCNN及一维曲线分析的表计指针识读方法

• 作者: 钟力强 屈娟娟 姜新丽 黄炎
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 表计识别 指针 快速傅里叶变换 神经网络 Faster-RCNN
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 电力人工智能|Electric Artifical Intelligence
• 页码范围: 27-35
• 页数: 9页
• 分类号: TM63|TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2022.002.004

摘要

针对机器人部署调试中表计需逐个配置的问题,提出基于神经网络学习及一维曲线分析的表盘指针、刻度识别方法.基于Faster-RCNN(faster region-based convolutional network),初步识别刻度盘位置,从而确定指针运动圆心.将图像以圆心为中心进行极坐标展开后,通过分析一维曲线的频域特征筛选刻度所在区域,统计不同区域灰度峰谷值的形式确定刻度和指针的真实位置.最后对几种典型表计进行实验分析,验证所提方法的有效性.实验结果显示,该方法对表计样本量较多的表计类型,可成功实现自动读数功能.