arrow
返回

Automatic reading recognition algorithm for multi-category pointer meters based on lightweight network

delete2025-09-30
delete0
PRE
AI
卢芳芳 封面图
卢芳芳 (Fangfang Lu)
N
Nan Guo
薛梅 (Mei Xue) *
H
Haoyang Ni
Y
Yijie Huang
DOI:10.1088/2631-8695/adfacbdelete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
自动读数识别算法因其指针式仪表测量的高效性而被广泛应用。然而,现有算法在处理不同量程的指针式仪表时缺乏适应性,且在处理倾斜、模糊、光照不足等低质量图像时准确率较低。为解决这些问题,本研究提出了一种多类别指针式仪表读数识别网络(MMRNet)。首先,采用改进的RetinaNet实现复杂环境下指针式仪表的多类别检测,解决了不同量程指针式仪表的分类问题。其次,增广透视变换模块(APM)校正透视畸变,增强指针式仪表表盘的细节,并提高低质量图像的读数准确率。最后,数字读数模块(DRM)采用改进的霍夫变换检测指针和刻度线,并利用基于角度的方法实现精确的读数识别。为验证本方法的有效性和鲁棒性,我们构建了多类别指针式仪表数据集并进行了大量实验。实验结果表明,MMRNet优于当前先进算法,达到最高的AP50检测精度0.993,且指针式仪表读数的平均误差不超过0.661%。
Keyword:
convolutional neural networks
pointer meter
automatic recognition system
computer vision
perspective transform
lightweight network

期刊

E
Engineering Research Express
IF:
1.6
论文数:
2.1K
被引数:
0

机构

S
Shanghai University of Electric Power
学者数:
5.2K
论文数: 3.4K
被引数: 4.9K
引用论文

引用论文

err分享
err收藏
RANSAC for Robotic Applications: A Survey机器人应用的RANSAC: 调查
errSENSORS
IF3.5
err2022-12-28
err42
errOAAI
errMaria Martinez-Otzeta, Jose; Rodriguez-Moreno, Itsaso; Mendialdua, Inigo; Sierra, Basilio
err分享
err收藏
学者 查看更多内容