基于改进的YOLOv4彩色数字仪表读数识别方法

来源：电子测量技术杂志2022年第6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 电气工程学院 武汉 430033

摘要：针对传统数字仪表识别方法计算量大、实时性不够和精度较低的问题，研究了一种深度学习与图像处理相结合的识别方法。为减少计算量，在YOLOv4网络中引入GhostNet作为基础网络，同时在YOLOv4非主干网络中引入深度可分离卷积以及Ghost模块来减少参数，并使用h-swish激活函数提高精度。为了凸显二值化过程中彩色仪表的色彩信息，在数字提取过程，研究了一种基于彩色模型多阈值分割的数字二值化方法，对RGB图像的色彩主色进行增强，然后转化为HSI图像，并且通过多阈值处理将满足条件的像素点保留，从而得到二值化图像，相比于传统图像预处理算法可以更好的提取数字信息。实验结果表明改进的识别方法在测试集上准确率达到87.98mAP, 检测速度提高到37.2FPS，在数字仪表定位识别中效果显著。

关键词：YOLOv4;GhostNet;数字识别;仪表检测[国家基金项目：极区海图基准和导航误差控制理论及其应用研究（41876222）]

基金资助：极区海图基准和导航误差控制理论及其应用研究（41876222）