基于深度学习的模糊指针式仪表矫正读数方法

来源：电子测量技术杂志2023年第9期北京时间：

作者：侯卓成，欧阳华，胡鑫，尹洋

单位：海军工程大学 武汉 430033

摘要：变电站户外巡检任务中，由于大风，大雾，路面不平等复杂环境影响，巡检机器人容易出现抖动和视角偏差，导致所获取的仪表图片出现模糊，倾斜等问题，难以保证指针式仪表识别读数的准确性。为解决此问题，结合YOLOX目标检测，DeblurGAN-v2图像增强，DeepLabV3+语义分割神经网络算法，研究了模糊指针式仪表矫正读数识别方法。首先改进YOLOX网络实现仪表表盘、指针区域和仪表文字信息提取，并获取仪表参数，其次增强DeblurGAN-v2网络的特征提取能力，去除图像模糊影响，然后使用DeepLabV3+网络分割表盘和指针。仪表图像矫正过程采用透视变换和文本矩形轮廓矫正实现仪表高精度矫正。实验证明，该方法在检测任务中更能适应复杂环境影响，检测准确率高达9755%，满足工业上自动化检测要求。

关键词：图像处理;指针式仪表;YOLOX;DeblurGAN-v2;DeepLabV3+

基金资助：国家优秀青年科学基金（42122025）、国家自然科学基金（41974005）项目资助