典型文献
基于轻量级图像语义分割模型的指针式仪表读数全自动识别
文献摘要：
针对指针式仪表图像特点及现有读数识别方法存在的局限,提出了一种基于轻量级图像语义分割模型的读数全自动识别方法.首先,以轻量级语义分割网络CGNet为基础进行改进,通过增加通道注意力模块SENet进行特征增强和融合,同时适当加深分类层,从而预测更准确的刻度线、指针、量程数字等语义信息;接着,根据刻度线语义分割结果拟合椭圆,建立与标准圆的透视变换关系校正倾斜畸变的图像;然后,在校正图像中通过极坐标变换、图像细化、垂直投影等后处理操作精确提取刻度线、指针,并通过optical character recognition技术识别量程数字;最后,根据刻度线与指针相对位置关系及量程信息确定仪表读数.为验证该方法的有效性,构建了指针式仪表图像数据集.实验结果表明,该方法在图像语义分割精度上与现有轻量化方法相比有较大提升,对测试集图像读数识别的平均相对误差约为0.63％,可满足实际应用需求.
文献关键词：
图像处理;指针式仪表;语义分割;注意力机制;高斯热力图;透视变换
中图分类号：
作者姓名：
闫富海;徐望明;黄酋淦;伍世虔
作者机构：
武汉科技大学信息科学与工程学院,湖北武汉430081;武汉科技大学机器人与智能系统研究院,湖北武汉430081;武汉科技大学教育部冶金自动化与检测技术工程研究中心,湖北武汉430081
文献出处：
引用格式：
[1]闫富海;徐望明;黄酋淦;伍世虔-.基于轻量级图像语义分割模型的指针式仪表读数全自动识别)[J].激光与光电子学进展,2022(24):11-20
A类：
CGNet,高斯热力图
B类：
图像语义分割,分割模型,指针式仪表,仪表读数,读数识别,自动识别方法,轻量级语义分割,语义分割网络,通道注意力模块,SENet,特征增强,刻度,量程,语义信息,透视变换,变换关系,畸变,极坐标变换,图像细化,垂直投影,optical,character,recognition,技术识别,相对位置,位置关系,图像数据集,量化方法,测试集,平均相对误差,应用需求,注意力机制
AB值：
0.273664
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
