基于深度学习的配电柜指针仪表示值识读研究

来源：计算机测量与控制杂志2023年第9期北京时间：

作者：周燕菲,张运楚,刘一铭,张欣毅

单位：山东建筑大学信息与电气工程学院

摘要：为准确读取配电柜指针式仪表的示值，保证巡检机器人作出相应决策，提出一种结合改进YOLOv5和PSPNet模型的指针仪表检测及示值识读方法。首先利用主干网络替换为轻量化网络MobileNetv3的YOLOv5算法检测定位表盘区域；然后采用特征提取网络替换为MobileNetv2的PSPNet算法对表盘的刻度线区域和指针进行分割，并通过最小二乘法圆拟合和霍夫直线检测法得到指针回转中心及指针的偏转角度；最后结合指针偏转角度和相邻主刻度线与回转中心连线的偏转角度，通过公式法求取仪表示值。实验结果表明，该算法能够准确提取配电柜上的指针仪表表盘，并对表盘中的刻度和指针进行精准分割，在误差允许的范围内指针仪表示值识读相对误差最大为6.5%，满足实际工程应用的需求。

关键词：指针式仪表;深度学习;仪表检测;语义分割;金字塔场景分析网络;示值识读

基金资助：国家自然科学基金(62003191)