Titre de la thèse en chinois : Recherche et application d'un algorithme de reconnaissance de lecture de compteur à pointeur basé sur la détection de points clés
Titre de la thèse en anglais :
Recherche et application de l'algorithme de reconnaissance de lecture de PointerMeter basé sur la détection de points clés
Résumé partiel :
Sur la base d'un résumé des méthodes de détection de points clés et de reconnaissance automatique de lecture des instruments à pointeurs traditionnels, cet article conçoit un algorithme de détection de points clés basé sur l'apprentissage profond et l'applique à la tâche de reconnaissance automatique de lecture des compteurs à pointeurs. Les principales réalisations de recherche de cet article sont les suivantes :
1) Un algorithme de détection de points clés basé sur MaskRCNN est proposé. En ajoutant une branche d'écart sur la base de la structure de réseau MaskRCNN et en corrigeant l'écart de position de point clé provoqué par le suréchantillonnage du réseau d'origine, la précision de positionnement du réseau dans la tâche de détection de point clé est améliorée. Les résultats expérimentaux sur l'ensemble de données publiques montrent que l'algorithme proposé dans cet article s'est amélioré dans tous les indicateurs, améliorant efficacement la précision du positionnement des points clés.2) Un algorithme de reconnaissance automatique de lecture d'instruments à aiguilles basé sur la détection de points clés est proposé. En combinant la tâche traditionnelle de reconnaissance automatique de lecture des instruments à pointeur avec la tâche de détection de point clé basée sur l'apprentissage profond, un cadre d'algorithme pour la reconnaissance automatique de lecture de compteurs à pointeur basé sur une détection précise de point clé est conçu, et l'algorithme de détection de point clé est utilisé pour localiser la ligne d'échelle et la position du pointeur, permettant ainsi une réalisation ultérieure de la reconnaissance de lecture. Les résultats expérimentaux montrent que l'algorithme proposé dans cet article présente une grande précision dans la reconnaissance de divers instruments à pointeurs et une bonne robustesse aux angles de prise de vue et aux conditions d'éclairage.
1. Introduction
Ce chapitre prend comme objet de recherche différents types d'instruments à pointeur dans les sous-stations et explore la méthode d'identification automatique des lectures d'instruments. La clé de la tâche de lecture automatique de l'instrument à pointeur réside dans le positionnement de l'instrument à pointeur et dans la relation angulaire entre le pointeur et le point d'échelle.
2. Processus de test
1. Utilisez l'algorithme amélioré de détection des points clés Mask RCNN proposé au chapitre 3 pour localiser avec précision les points d'échelle de l'instrument pointeur et les points caractéristiques sur le pointeur.
Utilisez ensuite les points caractéristiques du pointeur pour ajuster la ligne droite où se trouve le pointeur, de manière à utiliser la relation angulaire pour juger du numéro de l'instrument.
2. Extraire les points clés
L'idée de points clés, lors de la construction de l'ensemble de données de l'instrument à pointeur, cet article considère le cadran dans son ensemble, et chaque point d'échelle sur le cadran est marqué comme un point clé, et le résultat visuel de la marque est illustré dans la figure 4-5 ci-dessous. Pour chaque ligne d'échelle de grande portée dans le compteur, prenez le point final de la ligne d'échelle comme point clé. Pour la ligne droite du pointeur, les trois positions de la tête du pointeur, du centre de giration et de la queue du pointeur sont prises comme points clés, qui servent à localiser la position de la ligne droite du pointeur. Prenons l'exemple de la figure 4-5. Le manomètre est un manomètre dans une sous-station avec une plage de 0 à 1. Il y a une ligne à grande échelle toutes les plages de 0,1. Prenez l'extrémité de la ligne d'échelle comme point clé pour indiquer la ligne d'échelle Il y a 11 points clés au total, exprimés par sl, s 2,..., s 11 ; pour le pointeur, prendre son sommet comme premier point clé p1, le centre de rotation du pointeur comme deuxième point clé p 2, et le pointeur La position médiane de la queue sert de troisième point clé p3. Par conséquent, pour le tableau de la figure 4-5, il y a 14 points clés au total, dont 11 graduations et 3 pointeurs. Pour les autres types de compteurs, utilisez les mêmes principes pour sélectionner les points critiques.
Pour l'ensemble de données de points clés de l'instrument à pointeur marqué comme ci-dessus, une fois le réseau de détection de points clés entré pour terminer la formation du modèle, le cadran de l'instrument sera détecté pour chaque image d'instrument à pointeur d'entrée pendant le test et toutes les informations de point clé dans le cadran. sera obtenu. Ensuite, sur la base de ces informations sur les points clés, la lecture automatique de l'instrument pointeur peut être complétée.
3. Ensuite, l'auteur utilise les points clés extraits pour effectuer l'ajustement de l'arc.
5. Le pointeur est positionné en ligne droite et l'échelle est calculée à l'aide de l'angle.
La méthode des angles identifie les lectures des instruments à aiguilles en mesurant les angles. Lors de l'extraction du pointeur de l'instrument dans la section précédente, l'ordonnée à l'origine et la pente de la ligne droite où se trouve le pointeur sont obtenues, et la direction du pointeur est également déterminée. Pour chaque instrument, calculez d'abord la relation d'angle entre le pointeur de l'instrument et la ligne d'échelle zéro à travers la pente, puis convertissez le numéro de représentation de l'instrument en fonction de la plage et de la relation d'angle de l'instrument. Supposons que la plage soit M, que l'angle entre le pointeur et la ligne d'échelle zéro soit a et que l'angle entre la ligne d'échelle zéro et la pleine échelle soit B, alors selon la méthode de l'angle, la lecture du compteur V est :
6. Résultats expérimentaux
3. Résumé
Cet article propose un algorithme amélioré et précis de détection des points clés basé sur Mask RCNN. Par rapport au Mask RCNN original, le réseau conçu dans cet article a une plus grande précision dans la détection des points clés et propose par conséquent un instrument de pointeur basé sur la détection des points clés. cadre d'algorithme de reconnaissance, qui présente les caractéristiques d'une grande précision, d'une bonne robustesse et d'une large applicabilité. Le travail effectué dans cet article est résumé comme suit :
1) Cet article présente le contexte de la recherche et l'importance de la reconnaissance automatique de la lecture des compteurs à aiguille, résume l'état et le contenu de la recherche dans ce domaine et le domaine de la détection des points clés au pays et à l'étranger, et résume la reconnaissance automatique de la lecture des compteurs à aiguilles. Les quatre étapes requises par l'algorithme sont identifiées et les méthodes existantes sont élaborées étape par étape.
2) Cet article passe en revue l'historique du développement dans le domaine de la détection de points clés humains ou de l'estimation de pose, en se concentrant sur la structure du réseau et la fonction de perte de l'algorithme classique Mask RCNN dans le domaine de la détection de points clés. un algorithme de détection de points clés plus précis basé sur l'amélioration du Mask RCNN, a obtenu de bons résultats sur les ensembles de données publiques et une analyse simple de l'impact de l'apprentissage multitâche sur les performances du réseau.
3) Cet article combine la tâche de lecture automatique traditionnelle des instruments à pointeurs avec la tâche de détection de points clés basée sur l'apprentissage profond, et propose un cadre d'algorithme de reconnaissance automatique de lecture pour les instruments à pointeurs basé sur une détection précise des points clés. Les expériences prouvent que cet algorithme s'est considérablement amélioré en termes de précision, de robustesse et de praticabilité par rapport aux algorithmes traditionnels.
L'algorithme proposé dans cet article convient à différents types d'instruments à pointeur dans les sous-stations, et il n'y a aucune restriction sur la position, l'angle et la lumière ambiante des compteurs à pointeur dans le champ de vision lors de la prise de vue, et peut être capturé par des appareils intelligents tels que comme robots d'inspection ou drones. , le coût d'acquisition d'image est faible. Par rapport à l'algorithme de reconnaissance d'instrument à pointeur traditionnel, la méthode présentée dans cet article a une robustesse et une applicabilité plus fortes, et la précision répond aux exigences de précision de la conception du système en question et peut être appliqué à l’environnement d’exploitation réel de la sous-station.