基于级联卷积神经网络的指针式仪表远程读数方法和系统

摘要

为了解决电力系统指针式仪表读数场景中人工读表效率低、成本高、危险系数大等问题,本文在电力系统现有的仪表基础上,使用非接触式的图像采集设备、网络传输设备和边缘计算设备构建了一套远程仪表读数识别系统并提出了一个级联式的机器视觉智能读数方法。本文提出的智能读数方法基于深度学习目标检测算法。首先,本文以单阶段通用目标检测器YOLOv5为基础构建并训练了表盘检测模型,能够在复杂环境中实时检测出图像中的所有表盘,然后在无锚框目标检测器CenterNet的头部添加角度预测分支构成并训练旋转目标检测器,能够识别出表盘图像中不同类别的指针位置、尺寸和角度,最后使用角度法将指针角度换算为读数值,完成智能读数功能。本文提出的基于深度学习的远程指针式仪表读数方法和系统在稳定、鲁棒、高效地完成远程读表功能前提下,能够低成本、低难度地部署实施。