基于单目深度估计的旋钮开关状态识别

一、概述

配电房旋钮开关可以控制设备进入不同的工作模式，通过对旋钮开关位置状态的识别，可以及时了解设备当前的工作模式。常见的旋钮开关如下图所示：

对于旋钮开关位置状态的识别，一般可以分为两个步骤，一个是旋钮开关的检测和定位，即找出旋钮开关在图像中的具体坐标位置，另一个是旋钮开关位置状态的判别，即判断旋钮开关当前处于哪种位置。在具有足够多训练数据的情况下，可以将其当做一个目标检测任务，利用目标检测算法对训练数据进行训练，得到的模型能够直接输出旋钮开关位置的状态。但除了需要大量经过标注的训练图片外，目标检测算法还有个不便之处在于，需要事先列举出所有待识别的旋钮开关类型，并准备好相应的训练图片，一旦新增了待识别的旋钮开关类型，则要重新添加相应的训练图片，并重新训练相应的模型，也就是说，目标检测算法对于已知的旋钮开关有很好的识别效果，但通常无法识别新增的、未知的旋钮开关，泛化扩展能力比较有限。

本文提出一种基于单目深度估计的旋钮开关位置状态识别算法，不仅不需要依赖大量的训练数据，而且能够识别处理多种不同类型的旋钮开关，具有良好的泛化扩展能力。

二、单目深度估计算法Deep-Anything-V2

所谓单目深度估计算法，指通过单个摄像头获取的图像来估计场景中物体的深度信息。Deep-Anything-V2是2024年6月份最新开源的SOTA单目深度估计算法，它使用了大规模的无标注的数据（约6200万张图片）来训练模型，这些数据来自于不同的领域和场景。通过该算法，可以对任意普通的图片进行深度估计，Deep-Anything-V2单目深度估计效果如下：

从上图中可以看出，模型能够将图片中不同物体的深度信息用不同的颜色标识出来，具有较好的深度估计效果。

对于旋钮开关来说，其显著的特征在于旋钮部分会明显突出于面板之上，距离摄像头会更近，具有不同的深度信息，因此可以利用深度估计算法对旋转开关图片进行预测，得到相应的深度信息图片，然后对该图片进行相应的图像处理，即可识别出旋钮开关的不同位置状态。

三、基于Deep-Anything-V2的旋钮开关状态识别

利用Deep-Anything-V2识别旋钮开关状态主要过程如下：

1、将原图输入Deep-Anything-V2模型，推理得到深度估计图，该深度估计图的像素明暗程度表征了不同的深度信息；

2、对深度估计图进行二值化处理，得到二值图，从而可以删除无关背景部分，保留开关前景部分；

3、对二值图进行轮廓检测，并求每个轮廓的最小旋转矩形包围框，该旋转矩形的旋转角度即可作为旋钮开关的旋转角度；

4、将旋转矩形框及旋转角度标示在原图中，得到检测结果图；

5、根据旋转角度进行判断，从而得到旋钮开关的位置状态；

	例图1	例图2
原图
深度估计图
二值图
检测结果图

四、旋钮开关状态识别可视化效果

五、小结

本文介绍了一种基于单目深度估计的配电房旋钮开关状态识别方法，考虑到旋钮开关具有明显凸起的特点，将SOTA的单目深度估计算法Deep-Anything-V2应用于旋钮开关状态的识别过程，测试结果显示，算法能够有效输出深度图信息，可以准确识别出各种旋钮开关的旋转角度，具有良好的适应性和泛化性。