基于深度学习的工业仪表识别读数算法研究及应用论文

SCI论文（www.lunwensci.com）:
 
 摘   要：工业仪表作为我国社会生产中的重要内容，被科学应用在工业发展、军事发展等多个领域中，同时也应用在环境 复杂的变电站中，那么就要确保工业仪表应用中识别读数的准确性，从而为工业仪表应用提供真实有效的数据信息。本文在深 度学习内涵的基础上进行研究，分析了工业仪表识别读数算法实现，接着对工业仪表识别读数算法实验结果进行系统分析，最 后探讨了工业仪表识别读数算法的应用，旨在提高工业仪表识别读数算法的科学性和准确率。

关键词：深度学习 ；识别读数算法 ；工业仪表
LEI Liting, LI Xiujing, CHEN Shuxi, SU Ping
(Nantong Institute of Technology, Nantong Jiangsu 226002)

【Abstract】： As an important content in Chinas social production, industrial instruments are scientifically applied in many fields such as industrial development and military development, as well as in substations with complex environment. Therefore, it is necessary to ensure the accuracy of identification readings in the application of industrial instruments, so as to provide real and effective data information for the application of industrial instruments. Based on the connotation of in-depth learning, this paper analyzes the implementation of industrial instrument identification reading algorithm, then systematically analyzes the experimental results of industrial instrument identification reading algorithm, and finally discusses the application of industrial instrument identification reading algorithm, in order to improve the scientificity and accuracy of industrial instrument identification reading algorithm.

【Key words】： deep learning;identification reading algorithm;industrial instrument

随着我国社会经济的绿色节能发展，发电站逐渐成 为满足社会生产和社会生活电能需求的重要基础。发电 站的安全直接影响社会经济发展和人们日常活动，因此 针对发电站中的基础设备进行检查和维护，以此来保证 发电站应用的安全和效率。工业仪表识别读数算法可以 提高发电站中设备读数的识别效率和准确程度，从而实 现发电站在现代社会的稳定发展。因此，在现阶段社会 发展中，要以深度学习为基础，根据发电站的应用状况和发展方向进行工业仪表识别读数算法研究。

1 深度学习的内涵

在计算机技术不断更新和发展的过程中，不仅催生了大量先进计算机设备和电子产品，还形成了各种形式 的学习方法。其中，深度学习作为计算机视觉领域中重 要内容，在 2012 年被首次提出，在 AlexNet 网络结构 的基础上不断发展。深度学习方法的应用能够有效降低 计算机网络发展中是识别错误率，同时还可以提高计算 机图像分类效率 [1]。深度学习方法主要是根据计算机技 术科学设计和应用神经网络，突破以往全连接神经网络 的限制，以 LeNet 神经网络为前提，结合激活函数和大规模数据集，充分提高了计算机的性能。因此，随着 计算机网络和计算机科学技术的更新发展，深度学习被 广泛应用在计算机视觉领域中，并且逐渐应用在社会生产的其他领域中，同时取得了较好的应用效果。

2 工业仪表识别读数算法实现

工业仪表在应用中主要分为指针式仪表和数字式仪 表两种，其识别读数算法都是以 Mask-RCNN 为前提， 在其分割网络的基础上实现的。本文针对工业仪表识别 读数算法实现展开研究，同样将 Mask-RCNN 算法作为研究基础，并在利用 Mask-RCNN 算法的同时提出 了多类型的工业仪表识别读数算法，在应用过程中可以满足指针式和数字式两种类型工业仪表的识别读数算 法，所以具有较高的应用性。多类型的工业仪表识别读数算法流程图见图 1。


如图 1 所示，多类型的工业仪表识别读数算法主要 是实现指针式仪表识别和数字式仪表识别的读数算法， 其流程如下 ：首先根据相关标准和要求利用数字摄像机 对图像进行采集，并标注图像数据信息，该数据信息涉 及到不同类型的工业仪表 ；其次将所标记的图像数据信 息利用 Mask-RCNN 算法进行实例分割，为多类型工 业仪表识别读数算法提供数据基础 ；最后将仪表图像进 行检测并合理分类。

由于工业仪表类型和识别读数算法有所差异，所以 在识别结果方面主要表现为以下两种类型 ：

第一，针对指针式工业仪表结果来说，首先是利用 指针式仪表识别读数算法，结合透视变换原理将不规则 椭圆变为圆，再以 Mask-RCNN 算法为基础对透视变 换矩阵进行计算，并科学校正指针二值蒙板 ；其次通过 使用 PCA 直线拟合算法对被校正的指针二值蒙板进行 检测，同时计算出指针角度 ；再次根据指针方向判断的相关要求和主要标准对指针式工业仪表指针方向进行判 断 ；最后在指针方向的基础上从数据库中提取满足指针 式仪表的数据信息，通过利用角度法对指针式工业仪表 读数进行计算，从而得出工业仪表的读数 [2]。

第二，针对数字式工业仪表结果来说，首先是利用 数字式仪表识别读数算法，判断数字在数显区域中的位 置，并对数字进行分类 ；其次利用 K-Means 聚类算法 判断数字字符在算法中的输出顺序，将每个数字根据其数值进行聚类操作，从而明确数字聚类中心 ；再次根据 数字聚类中心中的坐标轴以从左到右的顺序进行数字输 出 ；最后根据小数点位置信息提出数据库中的相关信 息，并将首位为 0 的数字取出后得出数字式工业仪表的 正确读数。

3 工业仪表识别读数算法实验结果分析

3.1 工业仪表识别读数算法实验环境

在对工业仪表识别读数算法研究中，实验环境是开 展研究实验活动的重要前提，主要包括硬件实验环境和 软件实验环境两种。本文对工业仪表识别读数算法实验 研究中的硬件实验环境为 4 条 16G 的内存条，英特尔 的 CPU 以及 2 块 RTX2080Ti 显卡 ；软件实验环境为 Pytorch Nightly 的深度学 习框架、Linux 操作系统、 计算机视觉库以及编程语言。

3.2 工业仪表识别读数算法数据集

工业仪表识别读数算法实验还离不开数据集，本次 实验共涉及到人工标注的彩色图像 4500 张，并且分为 原始图像、过曝光、欠曝光、高斯噪声、椒盐噪声五种 不同类型。本次实验的数据集还根据工业仪表类型选择 了数字式工业仪表和指针式工业仪表各 2 块。数据集中 的图像分辨率一致，均为 600×600，并按照 7:3 的比 例将数据集划分为训练集和验证集，其中训练集中的彩 色图像为 3150 张，验证集中的彩色图像为 1350 张。另 外，数据集中还对不同自然环境进行模拟，以此来提高 工业仪表识别读数算法的准确性 [3]。

3.3 多类型工业仪表识别读数算法实验

本文实验根据数据集中的彩色图像进行挑选，选择 了一张同时具备数字式工业仪表和指针式工业仪表的彩 色图像开展读数识别实验，其中指针式工业仪表的识别读数结果为 12.5，数字式工业仪表的识别读数结果为 13.2，读数结果精度相同，均保留两位有效数字。

通过本次多类型工业仪表识别读数算法实验发现， 这种读数识别算法可以在较短时间内准确判断工业仪表 的位置和类型，同时还可以正确识别工业仪表中的读 数，其正确率高达百分之百。对于指针式工业仪表来说，在读数识别算法中的结果正确率较高，并且与人工 读数结果存在的误差相对来说比较小 ；对于数字式工业 仪表来说，如果可以加强对数字信息的训练数据，其正 确率会逐渐提升。由此可见，本文研究中所采用的所类型工业仪表识别读数算法具有较高的实用性，能够准确识别出不同类型工业仪表中的读数。


4 工业仪表识别读数算法的应用

4.1 在变电站巡检机器人硬件平台中的应用

在本次研究硬件实验环境的支持下，多类型工业仪 表识别读数算法被科学应用在变电站巡检机器人中，同 时取得了较好的应用效果。对于变电站巡检机器人来 说，主要是利用互联网时代的先进信息技术为主，其中 无轨式自适应导航技术是核心技术，能够适应不同场景 和不同环境的需求，并且表现出较低的成本和较方便 的操作方式 [4]。硬件平台是变电站巡检机器人应用的重 要前提，并且在移动平台和数字云台共同应用的基础 上实现巡检机器人在变电站中的科学应用。本次多类 型工业仪表识别读数算法研究中所选择的数字摄像机 硬件型号为 DS-2ZCN2307(C)， 具有 200 万 的像素和 1920×1080 的分辨率，满足本次研究中的基本需求。

4.2 在变电站巡检机器人远程监控系统的应用

变电站巡检机器人的应用中还要根据其应用要求进 行远程监控，这就需要在远程监控系统中科学应用多类 型工业仪表识别读数算法。变电站巡检机器人远程监控 系统主要利用计算机视觉库、Windows 10 系统、数据 库等多个内容作为软件开发环境，能够满足室内变电站 和室外变电站应用中对巡检机器人远程监控的要求，实 现远程监控任务和数据处理任务，利用先进信息技术对 采集的数据信息进行科学处理和分析，为多类型工业仪 表识别读数算法奠定坚实的数字数据信息基础。另外， 由于变电站对巡检机器人的应用要求有所不同，在远程 控制系统中也具有明显差异，所以要选择针对性的工业 仪表识别读数算法。在多类型工业仪表识别读数算法应 用中，要加强对变电站相关设备的巡检，以此来保证巡 检机器人在变电站发展中的应用效果。工业仪表识别读 数算法能够根据巡检机器人的应用标准制定相对应的巡 检任务，提高远程监控系统的科学性和有效性。

4.3 在变电站电气仪表读数识别中的应用

在变电站应用和发展中，智能读表系统其影响远程 监控系统的重要因素，那么就要在电气仪表读数识别中 科学应用本文研究中的多类型工业仪表识别读数算法， 从而提高变电站电气仪表读数识别的准确性。在本文以 深度学习为基础上提出的多类型工业仪表识别读数算法影响下，构建了新的变电站智能读表框架，并且可以满 足在线识别读数和离线识别读数的要求标准。在线识别 读数主要是指在巡检机器人应用过程中直接根据现场仪 表的图像进行采集、记录和分析 ；离线识别读数主要是 指经过一段时间从数据库中提取所需要的仪表图像，并 需要人工点击来完成仪表读数的自动识别 [5]。多类型工 业仪表识别读数算法的应用，主要是根据变电站电气仪 表的位置，计算出电气仪表的读数，并将读数识别的数据信息记录在数据库中，满足后期数据分析工作和历史 数据查阅工作。为了对本文研究的多类型工业仪表识别 读数算法的准确性进行检验，在变电站电气仪表读数识 别中计算出其读数，并记录在数据库中。在本文实验的 论证下，发现本文研究的多类型工业仪表识别读数算法 能够同时应用在电气仪表读数识别中，同时能够提高读 数识别的速度和效率。

在本文研究的多类型工业仪表识别读数算法应用过 程中，能够充分体现出这种识别读数算法的科学性和先 进性，将其科学应用在变电站巡检机器人中，可以实时 检测和掌握图像数据信息的识别和记录，并能够根据数 据库中的图像信息声场分析报表，实现不同类型工业仪 表识别读数的自动化。这种工业仪表识别读数算法表现 出明显的实用性，并且可以应用在不同复杂环境中。

5 结语

工业仪表在应用中具有两种类型，在识别读数算法 中也具有一定差异，本文将数字式工业仪表识别读数算 法和指针式工业仪表识别读数算法相结合，展开了多类 型工业仪表识别读书算法实验。本文研究实验结果表 明，本文所以所提出的多类型工业仪表识别读数算法具 有较高的应用价值，其识别速度相对来说比较快，并且 具有较高的准确性，被科学应用在多个社会生产领域， 进而推动了我国社会经济发展。

参考文献

[1] 何配林.基于深度学习的工业仪表识别读数算法研究及应用 [D].成都:电子科技大学,2020.
[2] 邓清男.基于深度学习的多表盘数显仪表读数识别方法研究 [D].武汉:华中科技大学,2018.
[3] 孙顺远,杨挺.基于深度学习的仪表目标检测算法[J].仪表技 术与传感器,2021(6):104-108.
[4] 王江,柳国栋,张玉鑫,等.基于机器视觉的机械指针式仪表的 读数识别方法[J].电子测试,2021(07):62-64.
[5] 汤亮,何稳,李倩,等.基于空间变换的指针式仪表读数识别算 法研究[J].电测与仪表,2018,55(6):116-121.

关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/35053.html