唐 霞 苏盈盈 罗 妤 王艳玲

(重庆科技学院电气工程学院， 重庆 401331)

指针式仪表有结构简单、使用维修方便、价格低廉等优点，在工业生产中应用普遍。目前，大量的指针仪表未实现智能化，仍需通过人工检定仪表读数，耗时且读数误差较大。

本次研究将面向工业指针仪表设计智能识别系统，以提高指针定位的准确性和实效性，满足工业需求。设计思路是：首先，基于Faster-RCNN[1]法对表盘进行定位；然后，采用灰度化、k-Means二值化方法对提取的目标图像进行预处理；最后，指针定位采用虚拟旋转直线拟合的方法。

1 仪表定位与读数智能识别系统

针对工业用圆形表盘指针式仪表设计了一套智能识别系统，系统主要包括三大部分：仪表定位、指针确定、读数识别。整个识别系统的流程如图1所示。

1.1 仪表定位

仪表定位设计中，采用了深度学习中的Faster-RCNN方法，可实现在复杂背景下的精确定位。其作用是，将拍摄的工业现场图片输入进去，然后自动检测仪表盘的位置，并指定此目标仪表盘的区域框。此时，此区域框有4个参数，即围绕中心点的x、y轴坐标，以及框的宽、高。通过Faster-RCNN方法得到这4个参数的主干网络结构(见图2)。

图1 仪表智能识别系统流程图

在主干网络结构中，首先，将指针仪表图片输入到Faster-RCNN网络中，统一将输入图像的最小边像素处理成600，不改变长宽比例，形成对应大小的不失真图片。

然后，传入到主干特征提取网络Resnet50中，经4次压缩图片，得到共享特征层(Feature Map)[2]。此时网格为共享特征层大小，每个网格默认先验框为9，先进行3×3的卷积处理，再分别进行两次1×1的卷积处理，所得通道数依次为18、36。……