基于轻量化深度学习的指针式仪表读数方法

作者：王英贤; 毕超^*

来源：自动化与仪器仪表, 2023, (03): 31-34.

DOI：10.14016/j.cnki.1001-9227.2023.03.031

• 深度学习
• 指针式仪表
• 关键点检测
• YOLOv5
• 仪表读数

为了降低神经网络模型对工业现场边缘计算设备计算资源的过度依赖，提出了一种轻量级MobileNetV3-YOLOv5s模型的指针式仪表读数方法。以YOLOv5s网络模型为基础，使用MobileNetV3作为主干特征提取网络，完成模型的轻量化改进。随后，利用该网络模型进行仪表区域检测、分类和分割，在使用Sift算法定位仪表区域和仪表指针后，利用得到的仪表倾斜角度信息与仪表指针旋转角度信息实现仪表的倾斜矫正和数据读取。在树莓派上进行测试，实验结果表明，提出的轻量化仪表检测算法虽然准确率较YOLOv5s和SSD模型略有降低，但是其推理耗时和模型占用内存具有显著优势。且测试表明提出算法读数相对误差控制在1%以内。因此，该方法一定程度上可以为在低成本边缘计算设备上运行复杂大型神经网络模型进行工业现场指针式仪表数据读取提供技术支持。

• 单位
  机电工程学院; 北京化工大学