基于深度学习的指针式仪表自动读数方法

来源：电子测量技术杂志2023年第5期北京时间：

作者：杨诗琪，吴佳仪，陈墨楠，付陈修，赵宁，王婧

单位：1.河北大学质量技术监督学院 保定 071002; 2.河北大学网络空间安全与计算机学院 保定 071002; 3.北京康斯特仪表科技股份有限公司 北京 100094; 4.河北白沙烟草有限责任公司保定卷烟厂 保定 071000

摘要：指针式仪表广泛应用于石油化工、工业制造和烟草行业动力部门等领域。鉴于人工巡检频率较低、部份仪表安装环境恶劣等因素，致使工厂生产过程存在安全隐患，巡检人员人身安全难以保障。本文基于现有的工业生产过程的监控摄像系统提出了一种基于YOLO V3目标检测与DeepLab V3+图像分割技术的指针式仪表读数自动识别方法。通过引入YOLO V3目标检测模型检测并切割出仪表表盘子图像。结合图像特点与实际需求，改进了DeepLab V3+模型，加入腐蚀操作，有效提取了子图像中的刻度线与指针信息。通过OCR技术提取子图像仪表量程，根据刻度线与指针的相对位置关系，计算得到仪表读数。实验结果表明该方法平均相对误差为2.17%，算法稳定可靠且处理速度快。

关键词：目标检测;语义分割;YOLO V3;DeepLab V3+;指针式仪表

基金资助：国家自然科学基金(62173122)、国家级大学生创新创业训练计划项目(202210075012)、河北省自然科学基金(F2021201031)项目资助