首页|基于Faster R-CNN的仪表识别方法

基于Faster R-CNN的仪表识别方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对仪表识别系统背景复杂,对小目标不敏感,检测精度低等问题,本文提出一种特征融合金字塔(FPN)和Faster R-CNN网络结合的仪表自动识别方法.首先使用FPN和Faster R-CNN网络的RPN结合定位表盘和指针区域,并对多类仪表进行分类;此外为了平衡仪表图像的正负样本,提高检测准确性,引入Focal Loss损失函数与RPN网络结合进行训练数据集;其次对指针区域进行基于FPN的图像分割,将FPN网络与反卷积结合,提高指针区域分割准确性;最后拟合指针获取指针偏转角度,得到仪表读数.实验结果表明,提出的方法准确率达到94.25％,与传统算法相比,提出的方法不仅检测精度高,而且实用性更强.
Instrument recognition method based on Faster R-CNN

李娜、姜志、王军、董兴法

展开 >

苏州科技大学 电子与信息工程学院,江苏 苏州 215009

中国白城兵器试验中心,吉林 白城 137001

中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033

指针式仪表 特征融合金字塔 Faster R-CNN 图像分割

"十三五"江苏省重点学科项目江苏省研究生工作站项目

201687652017272

2020

10.37188/YJYXS20203512.1291

液晶与显示
中科院长春光学精密机械与物理研究所 中国光学光电子行业协会液晶分会 中国物理学会液晶分会

液晶与显示

CSTPCDCSCD北大核心
影响因子：0.964
ISSN：1007-2780
年,卷(期)：2020.35(12)
  • 15
  • 8