基于卷积神经网络的指针电表读数检测方法研究

摘要

目前针对指针仪表盘的识别方法大多基于传统图像处理技术,需要对图像提取表盘的特征,由于表盘差异较大特征提取难度大,为有效解决指针式仪表盘中指针中轴所在直线提取难特点和识别精度不够高的特点,本文引入深度学习,借助卷积神经网路实现表盘的检测和识别。该方法首先用 FasterRCNN 检测仪表盘的位置,然后在根据找到的仪表盘的位置,对图像进行二值化、细化和霍夫变换,最后通过最小二乘拟合得到关于表盘的最终读数。本文论述的方法可以对表盘的智能读取提供一定的思路和方法借鉴。