基于深度学习的海上油气平台仪表识别方法

摘要：

海上油气平台采用巡检机器人开展定期巡检工作,通过图像采集与图像识别的方法实现仪表的自动化读数.为了解决巡检机器人指针式仪表读数受温度、光线、观察距离等导致识别精度不高的问题,结合工艺橇块常见指针式表盘的特点,在MASK R-CNN图像识别的基础上,通过改进实例边框回归算法,提出一种基于改进Mask RCNN算法的指针式仪表自动识别算法.采用倾斜矫正、分辨率提升等图像预处理算法,可以改善数字识别精度.利用改进的MASK R-CNN识别圆刻度线和指针,最后,计算出指针的偏转角度.实验结果表明,该算法具有较高的精度和鲁棒性,具有一定的理论价值.

关键词：Mask RCNN、图像识别、指针式仪表、RoIAlign、backbone

所属期刊栏目：26

分类号：TP391.41;TP242;TP183

资助基金：海洋石油平台机器人智能巡检需求与方案研究E-0821P016

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：65-68