.png){kind=icon}
返回
Adaptive range parameter reading method for pointer instruments based on cascaded multi-models
.png){kind=icon}
PRE
AI
DOI：10.1088/1361-6501/ae0dab.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对指针式仪表通用性较弱、复杂场景下性能较差的常见自动读数方法存在的问题，本文提出了一种基于级联多模型的（包括改进的EA-DETR模型、U2-Net模型和PP-OCRv4模型）自适应量程读数方法。改进的EA-DETR模型用于识别图像中的仪表盘、指针、指针旋转中心及刻度等目标区域，并基于其锚框位置对刻度目标区域进行编码。U2-Net模型用于从仪表盘图像中提取刻度线和指针等关键点，并通过渐进式圆探索方法确定长刻度线的端点位置。PP-OCRv4模型用于识别刻度区域值和刻度单位等文本信息。基于三个模型的输出信息，采用动态局部角度法进行仪表读数。为提高EA-DETR模型的目标识别精度和效率，对EA-DETR模型探索了骨干网络重构、基于注意力机制的跨尺度特征交互模型优化及引入新型损失函数等改进方法。消融实验和对比实验表明，相较于原始模型，优化后的模型mAP@0.5–0.95提升至0.736，参数量减少24.86%，计算成本降低11.58%，模型权重减少25.43%，并达到218.4帧/秒的FPS。仪表读数实验显示，采用所提方法的平均相对误差和平均全局误差分别为2.069%和0.241%，验证了所提方法在优越性、有效性和泛化能力方面的优势。
期刊
IF:
3.4
论文数:
2.7K
被引数:
2.3W
机构
引用论文
Auto-PCI: an approach to automated reading of single-pointer meters with adaptive ranges based on YOLOv5s and PP-OCRv3Auto-PCI：一种基于YOLOv5s和PP-OCRv3的自适应量程单指针仪表自动化读取方法
PREAI
分享收藏Machine vision detection of pointer features in images of analog meter displays模拟仪表显示图像中指针特征的机器视觉检测
OAAI
OAAI分享收藏An ID Badge Information Extractor Based on Object Detection and Optical Character Recognition基于目标检测和光学字符识别的ID徽章信息提取器.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏U2-Net: Going deeper with nested U-structure for salient object detectionU2-Net: 基于嵌套U结构的显著性目标检测PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Fusion of multi-scale attention for aerial images small-target detection model based on PARE-YOLO基于pare-yolo的航空图像小目标检测模型的多尺度注意力融合SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏YOLO-FaceV2: A scale and occlusion aware face detectorYOLO-FaceV2: 一种尺度和遮挡感知人脸检测器PATTERN RECOGNITIONOAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Improvement of the reading algorithm for pointer instruments based on deep learning基于深度学习的指针式仪表读数算法改进
IF0
PREAI
分享收藏Pointer meters recognition method in the wild based on innovative deep learning techniquesSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容