煤矿巡检机器人仪表识别技术的研究

为实现煤矿巡检机器人的无人化和智能化,保障巡检机器人能够读取各类仪表仪器的显示数据,设计了一种基于深度学习的多类型仪表视觉识别系统。该系统利用YOLOv3网络模型进行仪表类型判别以及定位,同时采用改进的径向灰度法结合Hough变换和Canny边缘检测算法来读取指针式仪表的数据;并使用EasyOCR获取数字式仪表的读数。测试结果表明该系统在仪表识别方面有较好的准确性,三类仪表的读数相对误差均小于3.8%。该系统为煤矿巡检机器人的视觉系统提供了一种实际有效的解决方案。