基于DQN和K-means聚类算法的天然气站场仪表智能识别研究

来源：计算机测量与控制杂志2023年第5期北京时间：

作者：黄知坤,文炜,刘明,张香怡,刘凯书,黄腾,顾继俊

摘要：天然气站场中的仪表是工人和设备交互的窗口，可以反映工厂的运行状况。但是站场很多老式仪表不能远程读取示数，采用人工方法读取则浪费人力，需要对其进行智能化的读数研究。针对上述问题，采用了一种基于四足机器人作为载体运动控制，并通过深度强化学习（DQN）进行目标追踪任务和图像处理来读取仪表示数的新方法。首先通过改进的 DQN 算法的深度网络模型，根据仿真的环境中机器人学习效果，设计并调整动作奖励函数，设计机器人顶层决策控制系统。实现一维与二维状态参数输入下的仪表目标追踪任务。其次在仪表定位和仪表配准的基础上，通过K-means聚类二值化处理得到刻度分明的表盘；将图像进行内切圆处理，再在图像中间添加一根指针进行旋转，旋转过程中精确计算指针与表盘重合度最高的角度来得到对应刻度。经过实验表明，此算法可实现运动过程中仪表目标的精准追踪和降低计算时间，并大大提高了仪表追踪与识别的精度和效率，为天然气站场的仪表安全监控提供了有效保障。

关键词：DQN;目标追踪;仪表读数;K-means聚类;仪表安全监控