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1.1w 收藏 140
点赞数 16
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
本文介绍了一种基于深度学习的仪表盘读数识别方法，使用U2Net进行语义分割，将环形表盘展开成矩形并转换为一维数组。通过处理刻度和指针信息，定位指针相对位置，从而得出表盘的百分比数值。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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

2、表盘展开

通过以图像中心为原点，以一定宽度进行扫描，将仪表盘的刻度和指针展开为矩形的图像。

在这里插入图片描述

3、二维图像转换为一维数组

两张图像

最低0.47元/天 解锁文章
【工业机器视觉】基于深度学习的水表盘读数识别（1-整体方案）
专注上位机开发、机器视觉、机器学习、嵌入式软硬件开发
12-02 1万+
本文旨在详述机器视觉技术在水表自动化读数领域的应用，具体聚焦于通过深度学习与传统图像处理方法相结合的方式，实现对仪表盘上字轮数字及指针位置的精准识别。在此基础上，通过对指针角度的分析进行初次读数校正，并利用最高位小数点后一位（x0.1）的指针读数进一步调整字轮数字的准确性。值得注意的是，本篇讨论仅限于软件开发和算法设计层面，不涉及额外的硬件或配套自动化产品的介绍。对于字轮数字的识别工作已经在后台系统中完成处理。接下来，我们将从。
【工业机器视觉】基于深度学习的水表盘读数识别（4-训练与预测）
专注上位机开发、机器视觉、机器学习、嵌入式软硬件开发
12-11 7441
【工业机器视觉】基于深度学习的仪表盘识读(读数识别)（3）-CSDN博客 Ultralytics YOLO指的是由Ultralytics公司开发的一系列基于YOLO（You Only Look Once）架构的目标检测算法。YOLO是一种实时目标检测系统，它能一次性预测图像中所有对象的边界框和类别概率，因此在速度上有很大的优势。 Ultralytics是YOLOv3、YOLOv5等版本的维护者，并且推出了YOLOv8等一系列改进版本。这些模型通常具有更高的精度和更快的速度，同时保
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。
基于深度学习的指针仪表读数识别系统
Q1744828575的博客
05-11 960
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。
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 5790
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 5257
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。
【深度学习】ECV2023｜仪表盘读数识别冠军方案解读
fengdu78的博客
12-20 1497
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...
毕业设计-基于深度学习的指针式仪表读数识别系统
Hai_Lang_IT的博客
03-18 2113
毕业设计-基于深度学习的指针式仪表读数识别系统：作为测量数据、检测数据和收集数据的有效工具，各种类型的仪表在工业生产、电 力系统、国防科技等各个行业中都发挥着重要作用。根据工作原理，仪表主要可以分为 指针式仪表和数显式仪表两大类。数显式仪表具有精度高，读数方便的优点，在工业生 产中的占用率正在逐渐扩大，但其缺点也很明显，例如对电磁干扰的抵抗力弱，造价高 等。相对而言指针式仪表结构简单，安装方便，对电磁干扰不敏感，可靠性高。因此， 在变电站等环境恶劣的工业现场，指针式仪表仍然是最主要的数据测量和显示工具。 指
13 - 深度学习识别仪表 （目标检测）
March_A的博客
03-17 2161
目标检测中的指针识别。
仪表读数
sunnygirl's house
11-18 555
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...
深度学习数字仪表盘识别_一种改进的卷积神经网络的数显仪表识别方法
weixin_35559171的博客
02-12 2023
数显仪表，就是一种显示数字的仪器，便于人们了解相关信息。目前，数显仪表被广泛的应用于航天、农业、工业等各个行业中，但出于工作条件和成本控制等原因，仍有很多的仪表无法直接获得读数，大多由人工读取。但是人工无法长时间且实时记录，还有些地方工人不方便记录，这些都会对后期工作产生不利影响。随着科学技术的发展，计算机视觉技术可以通过相机拍摄的图片获取有效信息。数显仪表的识别便可以先通过相机对仪表进行拍摄获取...
毕业设计：基于深度学习的仪表盘指针检测与读数系统 计算机视觉 OCR
Hai_Lang_IT的博客
03-28 2021
毕业设计：基于深度学习的仪表盘指针检测与读数系统通过使用深度学习技术，结合计算机视觉算法，该系统可以自动检测仪表盘图像中的指针位置，并准确读取指针所指示的数值。我们将探索不同的深度学习模型和算法，优化模型的结构和参数，以提高系统的检测和识别精度。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，提供了一个具有挑战性和创新性的研究课题。无论您对深度学习技术保持浓厚兴趣，还是希望探索机器学习、算法或人工智能的领域的同学，都能从这个课题中获得灵感和指导。
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 2991
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
深度学习数字仪表盘识别_深度学习入门篇-手写数字识别
weixin_39956350的博客
11-23 577
假期第一篇帖子只收藏不点赞的都是流氓~准备：pip install kerasTips of DeepLearning先检查在训练集上的训练效果，再检查测试集上的训练效果。1、如果在训练集上就表现不好，可以采取以下两种方法：方法1：使用新的激活函数激活函数：连续可导的非线性函数，尽可能简单，导函数的值域在合适的区间。方法2：自适应的学习率①Adagrad ②RMSprop ③Momentum（...
基于深度学习的多类别电表读数识别方案详解
OverlordDuke的博客
01-14 1755
我国电力行业发展迅速，电表作为测电设备经历了普通电表、预付费电表和智能电表三个阶段的发展。虽然智能电表具有通信功能，但环境和设备使得智能电表具有不稳定性，非智能电表仍然无法实现自动采集。采集到的大量电表图片如果能够借助人工智能技术批量检测和识别，将会大幅提升效率和精度。 在本系列项目中，使用Paddle工具库实现一个OCR垂类场景。原始数据集是一系列电度表的照片，类型较多，需要完成电表的读数识别，对于有编号的电表，还要完成其编号的识别。
六、基于深度学习关键点的指针式表计识别
Freeloop_hg的博客
07-27 8567
本方案实现环境数据标注时间本方案60sVS百度方案360s提示所以你还愿意采用标注1张图片需要6分钟的方案吗？一套可靠的方案，让开发、优化、部署、落地都省事。httpshttpshttpshttpshttps。
基于深度学习的指针式仪表倾斜校正方法——论文解读
大胡子大叔的专栏
08-16 1373
针对仪表图像自动识别中倾斜仪表产生的读数误差，提出一种基于深度学习的圆形指针式仪表快速倾斜校正方法，可以实现仪表图像的倾斜校正和旋转校正，该方法利用卷积神经网络提取以表盘刻度数字为中心的关键点并采用最小二乘法对关键点进行椭圆拟合。 结合椭圆变换理论使用透视变换对仪表图像进行第 1 次倾斜校正，再根据一对关于仪表竖直中轴线对称的关键点计算仪表相对于水平方向的旋转角度，以拟合椭圆的几何中心为旋转中心旋转仪表图像实现第 2 次校正。 在变电站真实环境下采集图像数据，验证方法性能，实验结
深度学习，指针式仪表自动读数与识别
nonocao的博客
06-29 5055
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 。
yolov 指针仪表盘
最新发布
02-20
### YOLOv系列模型用于指针仪表盘检测 #### 使用YOLOv5s进行指针仪表盘检测 YOLOv5s由于其较小的网络结构而具备快速处理能力，尽管平均精度（AP）相对较低，但对于大型目标如指针仪表盘而言已经足够精确。通过使用极市官方提供的YOLOv5s训练工具包来进行训练，操作简便，并且能够实现高达99.7%的识别准确率[^1]。 ```python import torch from models.experimental import attempt_load # 加载预训练权重文件 weights_path = 'path/to/yolov5s.pt' model = attempt_load(weights_path, map_location=torch.device('cpu')) ``` #### 基于YOLOv8x-pose的关键点检测方法 对于更复杂的场景，比如不仅限于整体仪表板而是具体到指针位置以及刻度线上的关键点定位，则可以考虑利用YOLOv8x-pose版本来完成这项任务。该模型专门针对姿态估计进行了优化，在捕捉物体内部特征方面表现优异。 ```python import cv2 import numpy as np def draw_keypoints(image, keypoints): for kp in keypoints: x, y = int(kp[0]), int(kp[1]) image = cv2.circle(image, (x,y), radius=5, color=(0, 255, 0), thickness=-1) return image ``` #### 数据集的重要性及其扩展建议 值得注意的是，如果发现当前使用的语义分割数据集中样本数量不足影响到了最终的效果，那么适当增加更多样化的图像资源将是改善性能的有效途径之一。这可以通过收集额外的真实世界图片并标注它们的方式实现[^3]。
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