|本期目录/Table of Contents|

[1]李贵宾,白普俊,郎丽慧,等.基于SSDMoblieNet-Alexnet双阶段数字仪表读取方法研究[J].工业仪表与自动化装置,2023,(06):70-75+113.[doi:DOI:10.19950/j.cnki.cn61-1121/th.2023.06.012]
　LI Guibin,BAI Pujun,LANG Lihui,et al.Research on the reading method of dual stage digital instruments based on SSDMobileNet-Alexnet[J].Industrial Instrumentation & Automation,2023,(06):70-75+113.[doi:DOI:10.19950/j.cnki.cn61-1121/th.2023.06.012]
点击复制

基于SSDMoblieNet-Alexnet双阶段数字仪表读取方法研究

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2023年06期
页码:
70-75+113
栏目:
出版日期:
2023-12-15

文章信息/Info

Title:
Research on the reading method of dual stage digital instruments based on SSDMobileNet-Alexnet
文章编号:
1000-0682（2023）06-0070-00
作者:
李贵宾; 白普俊; 郎丽慧; 李文耀; 武 豪; 魏海瑞; 冯振飞; 何天洋
西安长峰机电研究所，陕西 西安 710065
Author(s):
LI Guibin;  BAI Pujun; LANG Lihui;  LI Wenyao;  WU Hao;  WEI Hairui;  FENG Zhenfei;  HE Tianyang
Xi’an Changfeng Research Institute of Mechanism and Electricity, Shaanxi Xian 710065, China
关键词:
工业巡检; 数字仪表; 数字识别; Alexnet模型
Keywords:
industrial inspection;  digital instruments;  digital recognition;  Alexnet model
分类号:
TP242.6
DOI:
DOI:10.19950/j.cnki.cn61-1121/th.2023.06.012
文献标志码:
A
摘要:
针对在工业巡检行业巡检时识别数字仪表的数字实时性问题，本文提出基于SSDMoblieNet-Alexnet双阶段数字仪表读取，将多目标识别问题转换成单目标和图像分类问题。首先采用SSD-MobileNet模型从图像中识别数字区域，再采用自适应阈值分割数字区域，将数字分割出来，然后使用改进的Alexnet模型对数字进行分类，最后将识别的结果进行组合，即可得到数字仪表上显示的数字。根据实验结果显示，在数字区域在图像中的比例达到5.7‰以上时，识别正确率在98.9%以上，漏检率在2%以内。本方法采用的模型均为简单模型，可在低算力的设备上运行。
Abstract:
In response to the digital real-time problem of identifying digital instruments during industrial inspection industry inspections, this paper proposes a two-stage digital instrument reading method based on SSDMobileNet Alexnet, which transforms the multi target recognition problem into a single target and image classification problem. Firstly, the SSD-MobileNet model is used to identify digital regions from the image. Then, adaptive threshold segmentation is used to segment the digital regions, and the improved Alexnet model is used to classify the numbers. Finally, the recognition results are combined to obtain the numbers displayed on the digital instrument. According to the experimental results, when the proportion of digital areas in the image reaches 5.7‰ or more, the recognition accuracy is above 98.9%, and the missed detection rate is within 2%. The models used in this method are all simple and can be run on low computational power devices.

参考文献/References:

[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]杨鑫威,邓春华.基于巡检机器人的数字仪表自动识别方法[J].计算机工程与设计,2023,44(05): 1502-1510.
[3]鲁乾鹏. 面向工业巡检的数字仪表智能识别技术的研究与应用[D].杭州：浙江大学,2021.
[4]施会斌. 变电站巡检机器人自动抄表研究[D].成都：西南交通大学, 2021.
[5]杨典,李小燕,刘培焱,等.基于OpenCV的变电站仪表识别方法研究[J].自动化与仪表,2022,37(04): 75-80.
[6]MA Y , CHAI L , JIN L ,et al.AVS-YOLO: Object Detection in Aerial Visual Scene[J].International Journal of Pattern Recognition and Artificial Intelligence, 2022, 36(01).?div>[7]侯卓成,欧阳华,胡鑫,等.基于改进的YOLOv4彩色数字仪表读数识别方法[J].电子测量技术, 2022(006):045.
[8]陈开峰,俞伟聪,唐雁文,等.基于轻量化深度学习网络的数字仪表识别[J].科学技术与工程,2023,23(02):674-680.
[9]滕艳松.基于数字图像处理的指针仪表识别技术研究[J].设备管理与维修,2022(18): 111-112.
[10]陈锟剑,李竹,周依莎,等.基于文本特征及二次矫正的指针式仪表自动读数算法[J].计算机工程与科学,2022,44(11):1985-1994.
[11]闫富海,徐望明,黄酋淦,等.基于轻量级图像语义分割模型的指针式仪表读数全自动识别[J].激光与光电子学进展,2022,59(24):19-28.
[12]刘津龙. 基于SSD-Mobilenet的目标检测模型优化与应用[D].临汾：山西师范大学, 2021.?div>[13]刘维嘉,丛中笑,郭翔.基于SSD-改进MobileNet的电力机房服务器状态检测边缘计算方法[J].电力大数据,2022,25(05):77-84.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2023-07-17

第一作者：
李贵宾（1994—），男，黑龙江双鸭山人，硕士，助理工程师，主要从事复合机器人自主感知方向研究。

通信作者：
李文耀（1994—），男，陕西西安人，硕士，助理工程师，主要从事复合机器人自主感知方向研究。
更新日期/Last Update: 1900-01-01