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

摘要：

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

所属期刊栏目：44

分类号：TM721(输配电工程、电力网及电力系统)

在线出版日期：2020-08-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3097-3105