方形指针表图像识别

看效果

这是方形指针表的原图（随便网上找的一张图片）

识别结果图：

原图片本来就有点模糊，看不太清。
这也是网上找的图片测试的识别结果。

以下是识别结果

大致思路

1.yolov5目标检测。
训练完成tensorrt加速识别结果（每次识别一个表）。

2.图像矫正。
用传统方法进行的矫正，应该也可以用深度学习，通过分割或者关键点检测。懒得训练了，直接用传统方法做的。随便找几张看下效果如下：

上边是yolo检测结果。

这是矫正结果。

3.接下来是指针角度识别。
我没有用paddlocr的思路去识别数字，网上搜了很多资料，很多都是要ocr识别数字，或者要用检测或者分割去分割数字，或者用关键点检测去检测指针的两端以及数字的中心，有的是识别每个刻度线；我看也有用传统方法去分割指针的，我感觉图片比较单一或者很清楚的条件下可以那么做，目前情况是，有各种各样的方形指针表，有的指针表上还有脏东西干扰，纯用传统方法不适用。
但是这种指针表的范围是不一样的，有的是0-3kA,单位各种不一样，有v、A、kA、kV等各种单位，刻度的范围也各种不一样，有最大是3的，有100的，400的等各种范围，有很多还是刻度不均匀的情况。如果要做的比较通用的话，要收集各种数据标注刻度，数字甚至单位。目前没有收集那么多数据，所以想做个比较通用的算法，只是识别指针的角度，通过角度转换为对应的刻度即可。
tensorrt加速后分割效果：

通过判断起始点和终点计算出角度，然后根据角度转换为对应的刻度，有一个计算公式，可以参考： https://blog.csdn.net/qq_46035581/article/details/131903104 如下：

再记录一下整个流程：
通过海康sdk登录nvr，控制多个相机转到之前设定好的指定的预置点并进行抓拍图像（多线程执行）。
把各自拍好的图片给各自的算法（每张图像中的表是不一样的，有压力表，油位计，压板，数字表等。java已经配好了每个预置点调用哪些算法，调用巡检任务之前已经传给算法并解析）。
算法端作为服务端，接收到要巡检任务（去那些摄像头的哪些预置点拍照）后将识别结果通过http服务再返回给java,最终将识别数字以及状态等信息显示在页面上（报警或者正常）。

完事。写c++蛋疼。。。。。。。。。。。。。。。。。。

圆形双指针表以及sf6压力表

下次整理一下圆形双指针表以及sf6压力表的读数思路。都是大同小异，检测加分割，计算角度然后转成刻度值。

这是识别结果 可以看到黑指针识别结果为26.63，和真实结果还是存在误差的。

这里还不知道客户那边要输出什么结果，先按黑指针占整个刻度的百分比来做吧，后期有变动也好改。
结果被挡住了，实际我的结果是77.7%