科研之友
微信
新浪微博
Facebook
分享链接
摘要
仪表读数的检测与识别被广泛应用在工业中，然而工程领域中复杂的背景环境为获取仪表信息带来了困难。为了解决光照不均、背景复杂、图像模糊、仪表倾斜以及遮挡等多种干扰问题，本文设计了一种基于深度学习的数字仪表读数算法。首先使用图像增广方法丰富数字仪表检测数据集，并利用数据合成的方法构建了数字仪表文本识别数据集；然后通过可微分二值化处理（DB）分割算法进行文符区域检测简化后处理过程，同时提出了一种适用于数字仪表图像的预处理方法，通过引入注意力机制改进卷积循环神经网络（CRNN）算法，对检测后的数据进行文符识别。在上述测试集中检测率可达到88.3%，识别准确率可达到96%。通过实验发现，该算法不仅可以提高整体识别准确率至90%以上，同时降低了复杂度，提高了识别效率。
- 单位
