基于MobileNetV2的圆形指针式仪表识别系统

针对目前指针式仪表识别任务在使用深度学习算法时存在模型参数量大、计算量大、准确率较低的问题,提出一种基于改进预训练MobileNetV2网络模型与圆形Hough变换相结合的圆形指针式仪表智能检测和识别系统。首先,采用Hough变换解决复杂场景内非圆形区域的干扰问题;然后,提取圆形区域以构建数据集;最后,使用基于改进预训练MobileNetV2网络模型对圆形指针式仪表进行识别。为客观反映所提模型的性能优劣,采用平均混淆矩阵来衡量模型性能。实验结果表明,该系统在圆形指针式仪表识别任务中的识别率达到99.76%。同时,将所提模型与其他5种不同的网络模型进行对比的结果表明,该模型与ResNet50的准确率最高,但在模型参数量和模型计算量方面,所提网络模型相较于ResNet50分别降低了90.51%和92.40%,可见该模型有助于进一步在移动端或嵌入式设备中部署和实现工业级的实时圆形指针式仪表检测和识别。

一种圆形指针式仪表倾斜检测方法

圆形指针式仪表的倾斜,不利于仪表数字参数区域字符图像的定位和识别。提出一种基于检测仪表名称倾斜的方法来获得圆形指针式仪表的倾斜角度。该方法将仪表表盘上的仪表名称看成一个整体,结合Canny算子、形态学与Hough变换算子来检测其倾斜角度,然后根据该倾斜角度绕仪表表盘中心点对表盘进行旋转校正,使仪表参数区域字符回到固定位置,方便仪表数字参数区域字符的定位与提高数字字符识别的正确率。实验结果表明:该算法能快速准确地检测出圆形指针式仪表图像的倾斜角度,有一定的实用价值。