摘要
随着工业自动化程度的提高，巡检机器人在工业生产中发挥着越来越重要的作用。在巡检机器人的仪表巡检工作过程中，准确读取工业设备的仪表数据是至关重要的，但传统的人工巡检方式效率低下，且存在误读等问题。因此，为了提高工业生产的效率和质量，本文研究一种基于巡检机器人的仪表智能读数系统，实现实时准确的仪表读数功能。论文主要研究工作及成果如下： (1)针对传统巡检方式难以应对工厂环境仪表类型多、分布广的问题，本文提出一种由巡检机器人移动端和主机基站端组成的无轨化导航仪表智能巡检系统。巡检机器人利用自身携带的深度相机实现自主导航访问多个巡检点，并利用可见光相机捕捉仪表图像，将仪表图像传输至基站主机端，设计相应读数算法以实现仪表读数功能。此外，设计一个可视化监控界面，用于实时监测巡检过程。实验结果表明，该系统巡检可达到全场景覆盖，仪表识别准确率达到95%。 (2)针对巡检机器人在图像采集过程易受导航定位误差的影响，出现目标不完整、过小等问题，本文提出一种基于机器人视觉伺服技术的智能采集方案。当机器人导航至巡检目标点后，系统实时采集仪表图像，并利用视觉伺服技术调整机器人位姿，直到系统采集到位置和大小适中的仪表图像。为了验证该方案的有效性，在实验环境中进行测试。结果表明，该方案可以实现准确、快速、自动化的图像采集，有效提高了采集效率和质量。 (3)针对指针式和数显式不同类型仪表读数问题，本文提出并实现了一种基于深度学习的仪表检测和读数识别方案。首先，采用YOLOv4-tiny目标检测网络获取仪表区域和类型标签，在Baidu_Dataset数据集、Pointer-10K数据集和自建数据集上进行相关实验，结果表明mAP指标分别达到100%、73.65%和99.89%,且速度均能达到50f/s。然后，根据检测结果设计相应的读数算法。对于指针式仪表，首先进行图像预处理以提高图片质量，然后利用U-net网络分割出刻度盘和指针，并利用几何关系和标签先验信息计算读数。实验结果表明，指针式仪表的读数整体相对误差可低至0.89%。对于数显式仪表，同样进行图像预处理，然后利用投影法分割出数显区域，最后采用CRNN字符识别网络进行读数。实验结果表明，在NUM_DATA数据集和POINT_NUM数据集上的识别精度分别达到了97.07%和91.10%。
NETL