基于注意力机制的卷积神经网络指针式仪表图像读数识别方法

摘要：

目前关于指针式仪表图像读数识别的研究大多建立在指针线段检测的基础上,然而该方法流程较多、读数识别效率低.并且仪表图像校准、指针线段拟合等中间过程积累的误差容易使指针倾角偏离真实值.因此从另一角度对基于图像特征映射仪表读数的方法进行了研究,该方法的优势是流程短、效率高.首先构建了融合卷积注意力模块的双路异构卷积神经网络,强化了对仪表图像特征的提取,改善了特征的类型和分布,提高了仪表读数识别的准确率;然后采取了软区间分级回归的策略,极大地简化了模型的体积,使得模型易于部署;最后通过算例对比了所提方法和基于指针线段检测的深度学习、机器学习模型识别仪表读数的准确率和效率.算例表明,所提方法在仪表图像读数识别准确率和效率之间取得了较好的平衡.

关键词：指针式仪表、读数识别、卷积神经网络、注意力机制、分级回归、软区间

所属期刊栏目：42

分类号：TM63;TM930(发电、发电厂)

资助基金：国网湖州供电公司科技项目2019-HUZJTKJ-09

在线出版日期：2022-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：218-224