科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对实际应用中识别七段码式液晶显示仪表读数时易受成像视角、光照、复杂背景和噪声等多因素影响的问题，提出一种将深度学习和传统图像处理相融合的识别方法。先采用改进的CRAFT模型检测仪表图像中的段码数字字符，得到数字中心概率图和字符连接关系图；接着对检测结果进行后处理，通过求解透视变换实现对读数区域子图和相应的数字中心概率图的方向和尺度同时校正，并通过分析光照影响来增强图像对比度；最后将后处理结果输入采用注意力引导策略且经协同训练而成的CRNN模型得到读数识别结果。通过构建包含视角倾斜、光照不均、码字尺度变化、表盘外观变化、读数区域数量变化等多种干扰情况下的仪表图像数据集开展实验研究，结果表明，该方法对测试集中仪表读数的识别准确率高达98.9%,优于对比方法。
- 单位
