第３８卷第３期２０２３年６月北京信息科技大学学报ＪｏｕｒｎａｌｏｆＢｅｉｊｉｎｇＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆ＴｅｃｈｎｏｌｏｇｙＵｎｉｖｅｒｓｉｔｙＶｏｌ.３８Ｎｏ.３Ｊｕｎ.２０２３文章编号:１６７４－６８６４(２０２３)０３－０００９－０６ＤＯＩ:１０１６５０８/ｊ.ｃｎｋｉ.１１－５８６６/ｎ.２０２３０３００２基于改进的ＹＯＬＯｖ５ｓ指针式仪表检测与读数识别刘晏１ꎬ２ꎬ李玉梅１ꎬ２ꎬ张涛１ꎬ２ꎬ赵旭１ꎬ２(１.北京信息科技大学高动态导航技术北京市重点实验室ꎬ北京１００１９２ꎻ２.北京信息科技大学现代测控技术教育部重点实验室ꎬ北京１００１９２)摘要:针对巡检机器人执行巡检任务时ꎬ传统指针式仪表识别方法计算量大、精度低的问题ꎬ提出一种深度学习与图像处理相结合的检测与识别方法ꎮ为减少计算量ꎬ在ＹＯＬＯｖ５ｓ网络中引入ＧｈｏｓｔＮｅｔＶ２作为主干网络ꎬ利用双向特征金字塔网络(ｂｉｄｉｒｅｃｔｉｏｎａｌｆｅａｔｕｒｅｐｙｒａｍｉｄｎｅｔｗｏｒｋꎬＢｉＦＰＮ)进行特征提取ꎬ在头部结构中使用深度可分离卷积减少网络参数量ꎬ并使用ＳＩｏＵ损失函数提高准确性ꎮ利用改进的ＹＯＬＯｖ５ｓ算法检测并提取表盘区域后ꎬ采用ＤｅｅｐＬａｂＶ３＋语义分割模型分割出指针轮廓ꎬ并利用图像腐蚀技术降低噪声干扰ꎬ再把环形的指针轮廓展开为矩形图像ꎬ最后定位指针相对刻度的位置ꎬ再根据表盘刻度线的数量判断表盘类型以获取表盘量程ꎬ从而计算仪表读数ꎮ实验结果表明ꎬ改进的检测和识别方法平均精度达到了９５.２６％ꎬ检测速度提高到８３.１８帧/ｓꎬ读数识别的平均误差为０.３％ꎬ使巡检机器人能够快速准确地检测到指针式仪表表盘并识别读数ꎮ关键词:指针式仪表ꎻＹＯＬＯｖ５ｓꎻＧｈｏｓｔＮｅｔＶ２ꎻＤｅｅｐＬａｂＶ３＋ꎻ读数识别中图分类号:ＴＰ３９１文献标志码:ＡＤｅｔｅｃｔｉｏｎａｎｄｒｅａｄｉｎｇｒｅｃｏｇｎｉｔｉｏｎｏｆｐｏｉｎｔｅｒｉｎｓｔｒｕｍｅｎｔｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＹＯＬＯｖ５ｓＬＩＵＹａｎ１ꎬ２ꎬＬＩＹｕｍｅｉ１ꎬ２ꎬＺＨＡＮＧＴａｏ１ꎬ２ꎬＺＨＡＯＸｕ１ꎬ２(１.ＢｅｉｊｉｎｇＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｉｇｈＤｙｎａｍｉｃＮａｖｉｇａｔｉｏｎＴｅｃｈｎｏｌｏｇｙꎬＢｅｉｊｉｎｇＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆ＴｅｃｈｎｏｌｏｇｙＵｎｉｖｅｒｓｉｔｙꎬＢｅｉｊｉｎｇ１００１９２ꎬＣｈｉｎａꎻ２....
