检索结果-内蒙古大学图书馆

图学学报 2025年第1期46卷 81-93页

作者：孙前来林绍杭刘东峰宋晓阳刘佳耀刘瑞珍太原科技大学电子信息工程学院山西太原030024

仪表定位精度是保证指针式仪表示数准确识别的前提。复杂工业场景下仪表样本难以采集,小样本情况下,现有指针式仪表定位检测方法存在检测精度低、实时性差的问题。为此,提出了基于元学习的小样本指针式仪表检测方法Sparse-Meta-DETR。并... 详细信息

仪表定位精度是保证指针式仪表示数准确识别的前提。复杂工业场景下仪表样本难以采集,小样本情况下,现有指针式仪表定位检测方法存在检测精度低、实时性差的问题。为此,提出了基于元学习的小样本指针式仪表检测方法Sparse-Meta-DETR。并以Meta-DETR为目标检测基线模型,采用元学习训练策略,在元训练阶段构建多个小样本任务训练Sparse-Meta-DETR模型,增强特征相关聚合模块对特征空间中支持集和查询集类别的余弦距离的度量能力,使模型能够在元测试阶段小样本任务中识别图像包含的类别,快速适应新类小样本任务,检测复杂工业场景图像中包含的指针式仪表;引入轻量级主干网络Efficientnet b1作为特征提取器,减少模型的计算复杂度和参数量;设计评分网络对查询特征稀疏采样,构建稀疏化遮罩选取前景特征,引导Transformer编/解码器对前景特征进行处理,进一步减少计算量并提高检测精度。使用Sparse-Meta-DETR模型,20-shot时指针式仪表定位检测精度指标AP^(50)和AP^(75)分别达到了94.2%和87.5%,10-shot时的AP^(50)达到了91.1%;相较于最初的基线模型,改进模型的时间复杂度下降了74.5%。实验结果表明,Sparse-Meta-DETR不仅能够保证样本匮乏时仪表定位的精度,还可以有效地提高仪表定位的实时性,其整体性能优于Meta-RCNN等小样本深度学习算法。

关键词：指针式仪表元学习小样本目标检测稀疏采样

来源：评论

学校读者我要写书评

暂无评论

基于改进U2-Net的指针式仪表读数识别方法

引用

现代电子技术 2025年第5期48卷 169-174页

作者：李丽乔逸天黄小龙谢维成蒋文波中国人民解放军91001部队北京100841 西华大学电气与电子信息学院四川成都610039

针对仪表表盘光照不均和几何失真影响仪表关键区域提取、读数识别准确率的问题,提出一种基于改进U2-Net的仪表校正与读数识别方法。首先通过加入坐标注意力机制的U2-Net模型识别并分割出仪表表盘区域,随后采用改进透视变换技术对表盘区... 详细信息

针对仪表表盘光照不均和几何失真影响仪表关键区域提取、读数识别准确率的问题,提出一种基于改进U2-Net的仪表校正与读数识别方法。首先通过加入坐标注意力机制的U2-Net模型识别并分割出仪表表盘区域,随后采用改进透视变换技术对表盘区域进行几何校正,实现不同形状的仪表几何校正;再引入自适应MSRCR算法对表盘光照不均区域进行光照校正;最后,通过U2-Net对校正后的图像进行指针分割和关键刻度点分割,采用PCA拟合指针所在的直线,得到指针偏转角度并通过角度法计算准确读数。实验结果表明,该方法能够在光照不足或光照过强的情况下有效恢复仪表关键信息区域,并能够有效校正不同形状的倾斜仪表,提升了指针和刻度信息提取的准确度,且读数误差率低于0.89%。

关键词：指针式仪表光照校正失真校正 U2-Net 仪表读数 MSRCR

来源：评论

学校读者我要写书评

暂无评论

基于Faster R-CNN的指针式仪表表盘示数读取研究

引用

重庆电力高等专科学校学报 2025年第1期30卷 12-15页

作者：马羚凯莫淳惠刘建国向贤兵重庆电力高等专科学校重庆400053 陆军军医大学第一附属医院重庆400038

指针式仪表在各行各业都有广泛的使用,其读数大多采用人工,存在工作重复性较高、读数结果受主观因素和环境因素影响大等缺陷。利用指针式仪表图像数据,构建了基于Faster R-CNN目标检测模型的指针式仪表表盘示数读取模型。实验结果表明,... 详细信息

指针式仪表在各行各业都有广泛的使用,其读数大多采用人工,存在工作重复性较高、读数结果受主观因素和环境因素影响大等缺陷。利用指针式仪表图像数据,构建了基于Faster R-CNN目标检测模型的指针式仪表表盘示数读取模型。实验结果表明,该模型在测试集数据上对表盘中单位、精度等级、示数等目标可以实现准确检测,且mAP@0.5达到了94.37%。

关键词：指针式仪表深度学习目标检测

来源：评论

学校读者我要写书评

暂无评论

面向指针式仪表读数的图像检测与识别方法研究进展

引用

自动化与仪表 2025年第2期40卷 6-9+38页

作者：毛银杰于广平郭清达刘坚广州工业智能研究院沈阳工业大学化工过程自动化学院中国科学院沈阳自动化研究所

随着工业领域智能化和自动化的发展，指针式仪表检测与读数识别成为了一个备受关注的研究领域，该文综述了近些年指针式仪表检测与读数识别方面的研究进展。首先，介绍了指针式仪表读数的作用及计算机视觉应用于指针式仪表读数识别方向... 详细信息

随着工业领域智能化和自动化的发展，指针式仪表检测与读数识别成为了一个备受关注的研究领域，该文综述了近些年指针式仪表检测与读数识别方面的研究进展。首先，介绍了指针式仪表读数的作用及计算机视觉应用于指针式仪表读数识别方向。随后，总结了指针式仪表读数识别方法，详细地阐述了国外和国内学者的主要研究。进一步介绍了图像处理与深度学习相结合的5个步骤，即图像预处理、仪表盘检测、仪表指针与刻度检测、仪表盘数字检测与识别和仪表数值识别的研究现状与方法对比。绍了指针式仪表的检测与识别框架内容及技术；然后对指针式仪表的检测与识别框架内容及技术进行阐述与比较；最后对基于机器视觉的指针式仪表检测与识别进行了总结与展望。

关键词：机器视觉指针式仪表图像处理深度学习

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的四足巡检机器人指针式仪表识别算法

引用

计算机产品与流通 2025年第1期 128-130页

作者：李鹏闵锐杜肇津郑小曼广东烟草肇庆市有限责任公司

目前,工业领域主要依靠人工方式获取仪表示数,但该方式存在耗时长、效率低、危险性高及准确性较差等问题。为弥补这些不足,本文提出一种基于四足巡检机器人与机器视觉的指针式仪表识别与读数算法。通过Apriltag视觉算法定位仪表位置与类... 详细信息

目前,工业领域主要依靠人工方式获取仪表示数,但该方式存在耗时长、效率低、危险性高及准确性较差等问题。为弥补这些不足,本文提出一种基于四足巡检机器人与机器视觉的指针式仪表识别与读数算法。通过Apriltag视觉算法定位仪表位置与类型,并利用霍夫变换精确获取仪表的圆心与半径,采用改进后的YOLOv8语义分割模型提取表盘指针和刻度的相对位置,模型引入深度可分离卷积以提高分割速度与精度。将优化后的模型部署至四足机器人算力板卡,利用坐标转换法计算指针位置并推算最终读数。实验结果表明,该方法对指针式仪表的识别与读数平均引用误差为2.42%,具有较高的识别准确性,可实现高效可靠的自动化巡检。

关键词：指针式仪表巡检机器人机器视觉霍夫变换四足机器人人工方式模型提取分割速度

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5的风电机舱内指针式仪表读数算法

引用

现代制造技术与装备 2025年第1期61卷 85-87页

作者：梁志军王艺扬唐望博赵俊超胡智程郑州中科集成电路与系统研究院郑州450000 国电投河南新能源有限公司郑州450000

针对风电机舱内指针式仪表的数据读取,提出一种指针式仪表读数算法。首先,创建机舱仪表信息数据字典,录入机舱内各种仪表的基本信息;其次,设计表盘信息检测算法,通过该算法得到表盘类别和仪表特征关键点的位置信息;最后,设计表盘读数识... 详细信息

针对风电机舱内指针式仪表的数据读取,提出一种指针式仪表读数算法。首先,创建机舱仪表信息数据字典,录入机舱内各种仪表的基本信息;其次,设计表盘信息检测算法,通过该算法得到表盘类别和仪表特征关键点的位置信息;最后,设计表盘读数识别算法,借助其获取仪表指针偏转角度,进一步计算得到仪表读数。经过测试,所提算法能够准确读取机舱内仪表的示数,误差不超过1.5%。

关键词：指针式仪表仪表读数算法 YOLOv5 风电机舱

来源：评论

学校读者我要写书评

暂无评论

压力容器指针式仪表读数的图像识别方法研究

引用

石化技术 2025年第3期 351-353页

作者：葛世瞳王健尤泽广宋利滨刘宇中海石油技术检测有限公司

为提升压力容器指针式仪表自动化读数水平，本文研究了一种基于图像识别的读数方法。首先，对表盘图像进行图像分割和边缘检测。其次，采用Hough变换法提取出仪表盘的指针和刻度线，并通过三次样条插值拟合表盘刻度曲线。然后，结合角... 详细信息

为提升压力容器指针式仪表自动化读数水平，本文研究了一种基于图像识别的读数方法。首先，对表盘图像进行图像分割和边缘检测。其次，采用Hough变换法提取出仪表盘的指针和刻度线，并通过三次样条插值拟合表盘刻度曲线。然后，结合角度法实现仪表盘读数的最终识别。测试结果显示，识别相对误差平均值为1.22%，平均识别时间为5.09 s。满足实际应用需求，为无人值守压力容器指针式仪表的自动化数据采集提供了技术基础。

关键词：机器视觉指针式仪表 Hough变换法

来源：评论

学校读者我要写书评

暂无评论

变电站指针式仪表检测与识别方法

引用

仪器仪表学报 2017年第11期38卷 2813-2821页

作者：邢浩强杜志岐苏波中国北方车辆研究所北京100072

受限于复杂的电磁环境,变电站中的大量模拟式仪表需要人工读取示数,不利于变电站自动化管理。而目前针对仪表自动读数方法的研究大多基于预先获取到的高质量图像,其中仪表目标位于图像中央且占比较大,仪表表盘与相机平面平行,这需要大... 详细信息

受限于复杂的电磁环境,变电站中的大量模拟式仪表需要人工读取示数,不利于变电站自动化管理。而目前针对仪表自动读数方法的研究大多基于预先获取到的高质量图像,其中仪表目标位于图像中央且占比较大,仪表表盘与相机平面平行,这需要大量预先的仪表测量与相机标定工作,不能满足实际电站环境下的使用要求。为解决上述问题,提出了一种完整的变电站指针式仪表的自动检测与识别方法。首先利用卷积神经网络模型检测当前视野下仪表目标的包围框位置,计算其距离视野中央的偏离值与图像占比,据此调整相机位置和缩放倍数。通过透视变换消除表盘平面与相机平面偏差造成的仪表图像畸变,通过霍夫变换检测仪表的表盘与指针,完成仪表读数识别。变电站实际测试实验结果表明,本方法最大读数误差仅为1.82%,对于复杂背景下多类别仪表的自动检测与识别任务具有良好的准确性与稳定性,可满足变电站实际应用需求。

关键词：指针式仪表检测与识别卷积神经网络计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于刻度准确定位的指针式仪表示数识别方法

引用

华南理工大学学报（自然科学版） 2020年第10期48卷 129-135页

作者：向友君江文阮荣钜华南理工大学电子与信息学院广东广州510640

为解决工业生产中指针式油位计仪表示数识别易受拍摄角度和光照条件影响的问题,结合工业生产场景下指针区域的图像特点,提出一种基于刻度准确定位的仪表示数识别方法,仅使用刻度与指针这两个必要特征来实现表盘读数。该方法先对巡检机... 详细信息

为解决工业生产中指针式油位计仪表示数识别易受拍摄角度和光照条件影响的问题,结合工业生产场景下指针区域的图像特点,提出一种基于刻度准确定位的仪表示数识别方法,仅使用刻度与指针这两个必要特征来实现表盘读数。该方法先对巡检机器人拍摄的仪表表盘图像进行预处理,然后粗识别出表盘中可能是刻度的区域,再通过细识别精确定位出刻度。针对传统仪表示数识别方法难以解决的拍摄角度较大时刻度拟合的圆心和指针中心线的关系并非一定成立的问题,文中采取了一种改进的圆心选取方法,更加适应不同拍摄角度下的计算,提高了读数的精度。实验结果表明,文中方法获得的仪表读数精度平均达到99.08%,算法可靠稳定。

关键词：油位计指针式仪表示数识别拍摄角度刻度定位

来源：评论

学校读者我要写书评

暂无评论

基于Faster R-CNN和U-Net的变电站指针式仪表读数自动识别方法

引用

电网技术 2020年第8期44卷 3097-3105页

作者：万吉林王慧芳管敏渊沈建良吴国强高奥杨斌浙江大学电气工程学院浙江省杭州市310027 国网浙江省电力有限公司湖州供电公司浙江省湖州市313000 湖州电力设计院有限公司浙江省湖州市313000

随着人工智能和自动化水平的提高,机器人被越来越广泛地应用于变电站巡检,为图像采集带来了便利,但是指针式仪表图像的读数识别准确性问题尚未很好解决,成为了瓶颈。基于Faster R-CNN目标检测和U-Net图像分割技术,提出了指针式仪表读数... 详细信息

随着人工智能和自动化水平的提高,机器人被越来越广泛地应用于变电站巡检,为图像采集带来了便利,但是指针式仪表图像的读数识别准确性问题尚未很好解决,成为了瓶颈。基于Faster R-CNN目标检测和U-Net图像分割技术,提出了指针式仪表读数自动识别方法。首先引入Faster R-CNN检测仪表图像中的表盘、指针所在区域,并对仪表进行分类;然后以图像分割技术取代图形检测算法,结合仪表图像特点,改进了U-Net网络,有效提取了区域中的刻度线和指针。针对分割类别不平衡问题,构造了U-Net的Dice损失函数;针对仪表旋转问题,提出了基于图像分割信息的透视变换方法对图像进行校准。最后通过算例对比了文中方法和传统机器学习算法、霍夫变换在指针式仪表图像读数识别上的效果。结果表明,文中方法在检测识别复杂图像中小目标的准确性和实用性上提升明显。

关键词：目标检测图像分割 faster R-CNN U-Net 指针式仪表

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：