结合空洞卷积和先验阈值的数显仪表识别
封磊
李晓明
太原科技大学计算机科学与技术学院 太原 030024
摘要：数显仪表在工业生产中应用广泛,目前,数显仪表的自动化识别主要基于传统图像处理.针对传统图像处理易受环境影响,处理步骤繁杂,准确率低等问题,论文提出了一种基于深度学习的自动化数显仪表读数方法.首先,使用Pixellink字符检测算法对数显仪表进行粗检测,根据实际图像设置裁剪阈值,使用结合空洞卷积的CRNN架构完成对裁剪切片的识别.训练过程中,借鉴了迁移学习的思想,加载了在RCTW数据集上的预训练模型.相比于基于字符分割的传统识别方法,论文方法省去了复杂的预处理与后处理,实现了端到端的数显仪表识别.以变电站数显仪表为例,所提方法达到了99.3%的准确性,具有一定的鲁棒性与实用性.
关键词：数显仪表识别空洞卷积先验阈值端到端
分类号：TE927(石油机械设备与自动化)
资助基金：国家自然科学基金(61373099)
论文发表日期：2023-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 855-859 )
英文信息