基于深度学习的仪表读数读取

已于 2022-03-08 14:45:28 修改
阅读量1w 收藏 127
点赞数 13
文章标签： 神经网络 pytorch 深度学习 python 计算机视觉
于 2022-03-08 14:42:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48866452/article/details/123353367
版权

基于深度学习的仪表盘识别

代码：https://github.com/HibikiJie/ReadMeter

权重文件：链接: https://pan.baidu.com/s/1wTPo1wJXrNyEFSu8RrD8Xw 密码: t0p4
将其放置于weight文件夹下，运行test.py，即可测试data\images\val下的图像文件

讲解

  1. 使用语义分割模型，在不同通道上分割出表盘和指针
  2. 环形的表盘展开为矩形图像
  3. 二维图像转换为一维数组
  4. 对刻度数组用均值滤波
  5. 定位指针相对刻度的位置
  6. 输出相对位置

语义分割模型采用的是U2Net

1、分割

在这里插入图片描述

使用U2NET分割得到指针和表盘的图像

最低0.47元/天 解锁文章
「已注销」
关注
  • 13
    点赞
  • 踩
  • 127
    收藏
    觉得还不错? 一键收藏
  • 72
    评论
仪表指针读数
12-29
仪表指针读数-------------天然气仪表数字读取，较强的鲁棒性
python基于opencv的传统指针式仪表读数
12-29
图像预处理：对输入的仪表图像进行灰度化预处理，以提高后续图像识别算法的准确性。 仪表区域定位：基于FLANN的匹配器进行模版...读数：根据得到的指针角度通过标定的刻度、圆心数据，采用圆心角计算法读出当前仪表刻度
基于深度学习的指针仪表读数识别系统
最新发布
Q1744828575的博客
05-11 461
基于深度学习的指针仪表读数识别系统项目简介一、项目背景与意义指针式仪表作为一种常见的测量工具，广泛应用于电力、化工、交通等各个行业中，用于测量电流、电压、温度、压力等参数。然而，传统的指针仪表读数通常依赖于人工目视判断，这种方法不仅效率低下，而且容易受到人为因素的影响，导致读数误差。因此，开发一种能够自动识别和读取指针仪表读数的系统，对于提高生产效率、减少人工错误具有重要意义。深度学习作为机器学习领域的一个重要分支，近年来在图像识别、自然语言处理等领域取得了显著的成果。
仪表读数
sunnygirl's house
11-18 508
参考链接：https://blog.csdn.net/wxgxgp/article/details/88814842 https://blog.csdn.net/a1053904672/article/details/88759335 https://blog.csdn.net/hnsdgxylh/article/de...
【深度学习】ECV2023｜仪表盘读数识别冠军方案解读
fengdu78的博客
12-20 348
本文为ECV2023大赛仪表盘读数识别德国冠军方案解读，包含了对赛题的分析和模型选取构建的思考过程。赛题任务1、仪表识别对于预测仪表框与真实仪表框，计算f1-score，IoU使用0.7，此部分成绩记为score12、刻度点识别对于预测关键点与真实关键点，计算RMSE，此部分成绩记为score23、OCR识别对于预测的数值框，计算f1-score，IoU使用0.5，此部分成绩记为score34、读...
数字仪表数字万用表的读数图像以及标签，高清，高质量，可直接用于CRNN识别
05-21
高清！自制高质量数字仪表数字万用表的读数图像以及标签，可直接用于CRNN读数识别，或应用于其他深度学习算法的原始数据！可用于项目实验等。数字仪表读数图像，考虑了多种光照条件的影响，包括曝光、暗光、光照不均等，可以增强读数识别深度学习模型的鲁棒性，以便适应复杂环境。训练集：验证集=328：82=4：1。
指针仪表读数识别2.0-基于深度学习yolact实例分割网络
qq_27545821的博客
05-07 4802
指针仪表读数识别2.0 文章目录指针仪表读数识别2.0前言一、指针仪表读数识别效果1.程序界面2.程序功能二、使用步骤2.1产品说明2.2使用方法2.2.1模型选择2.2.2文件选择2.2.3参数选择2.2.4运行2.2.5结果显示 前言 之前已经写过一篇指针读数识别的文章了，但是效果比较差，通用性不强，现在完成了第二个版本，跟第一个版本相比最大的特点是使用了深度学习，Yolact实例分割网络。 链接地址： 指针仪表读数识别1.0 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开
基于深度学习的机器视觉表计识别
whalecloud的博客
08-29 3702
针对仪表自动读数问题，新型数字式仪表的读数比较方便，现阶段已经有非常多成熟的方案落地，而针对传统指针式仪表自动读数的现有方案还不够成熟，存在识别不精确、易受环境干扰等问题，是亟待研究和攻克的难题。我们针对指针式仪表的读取设计了一种基于Im-YOLOv4-Tiny的表计识别算法。
13 - 深度学习识别仪表 （目标检测）
March_A的博客
03-17 1607
目标检测中的指针识别。
利用语义分割算法做指针式仪表的读数识别
Enigma_tong的博客
09-22 2363
第一步先打标，打标之前先安装labelme，这里我用的labelme版本是3.16.7 pip install labelme==3.16.7 然后在终端桥labelme 打开labelme的界面 如下： 把表盘的部分和指针的部分分别用pan和zhen来表示，我标注了1700多张图片数据，然后需要把json文件和图片整理成voc的数据格式。这是一段 json_data_label.py的文件，在很多github仓库中都能找到，我用的代码地址是这个github 代码如下： import argparse
已整理标注，汽车仪表盘数据集.zip
07-03
项目需求要对汽车仪表盘的字符识别，从网上选取的仪表盘位置比较清晰的数据集
基于深度学习的图像识别1
08-08
基于深度学习的图像识别 基于深度学习的图像识别是计算机视觉领域中的一个热门研究课题之一。计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更...
基于深度学习的猫狗分类
03-14
2、实现对数据集的加载、读取和划分，转化为相同尺寸，并展示每个类别的前5张图片； 3、利用torch或者tensorflow框架建立卷积神经网络模型并画出网络模型结构图，必要时可以对模型和代码做注释说明； 4、训练模型...
port.rar_C# 地磅_C#地磅_仪表数据读取_地磅_地磅读数
07-13
使用c#编写的代码，其功能主要是用来读取地磅仪表上的数据。
深度学习，指针式仪表自动读数与识别
nonocao的博客
06-29 4493
深度学习的工业应用越来越广，最近用深度学习结合opencv 做了指针仪表识别，鲁棒性很棒，见图 。
python cv2 指针仪表读数
Frank_Storming的博客
05-23 1758
cv2识别指针式仪表（持续更新）问题描述解决方案效果预览python cv2实现1、模板匹配提升准确率的方法参考资料 问题描述 最近遇到一个仪表盘读数的问题，主要要识别三种仪表盘 参考了许多博客论文之后，打算先用一种传统的方法试一下 解决方案 方案一：传统方法 模板匹配 直线拟合 表盘读数 方案二： 深度学习 (后续实现) YOLOX等目标检测方法识别表盘 目标检测方法识别数字、指针、指针旋转原点 欧式距离求相邻数字 字符识别模型识别数字 根据相邻数字求得指针所指数值 效果预览 1、原图 2
基于TensorFlow的手写数字识别
小黄的博客
09-04 1993
本文是使用python语言基于TensorFlow实现手写数字识别，代码已注释 1. LeNet-5介绍 LeNet-5出自论文Gradient-Based Learning Applied to Document Recognition，是一种用于手写体字符识别的非常高效的卷积神经网络。 在讲解LeNet-5之前，让我们先看下CNN。卷积神经网络能够很好的利用图像的结构信息。LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用so
设备仪器仪表盘读数识别算法 yolov5
燧机科技的博客
05-03 1688
设备仪器仪表盘读数识别系统基于YoLov5网络模型分析技术，设备仪器仪表盘读数识别算法模型自动识别指针型仪表读数。Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，核心思想就是利用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别。YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好。在介绍Yolo算法之前，我们回忆下RCNN模型，RCNN
基于matlab指针仪表识别以及读数的代码
05-12
以下是基于Matlab的指针仪表识别以及读数的代码示例： ```matlab % 读取图像 img = imread('test.jpg'); % 将图像转换为灰度图像 gray_img = rgb2gray(img); % 提取边缘 edge_img = edge(gray_img, 'Canny'); % 进行霍夫变换 [H,theta,rho] = hough(edge_img); % 寻找峰值 peaks = houghpeaks(H, 5); % 寻找直线 lines = houghlines(edge_img, theta, rho, peaks); % 计算指针角度 angle = lines(1).theta; % 显示图像和角度 imshow(img); title(['Angle: ', num2str(angle)]); ``` 这段代码可以提取图像中仪表盘的指针，并计算出指针的角度。你可以根据自己的需求进行修改和优化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 72
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值