视觉工业时钟识别单针，单刻度计通过检测针的位置的算法计算多针，单刻度计通过针的识别时刻度的组合拟合如图3、图6所示的图1、分割2、刻度线3、指针拟合4，使用托马斯角点拟合刻度线的时刻度
随着人工智能的发展，目前各行业已开始向AI渗透，其中最成功的是工业，特别是安防、巡查板块。 这篇文章记录了工业中比较有挑战性的仪器识别，以免自己以后忘记。 毕竟，做算法，逻辑是最重要的，杀了也不能忘记
本文中的场景实际应用于工程，并引入到实际场景中，# torch1.7.1torch vision0.8.2scipy1.6.0numpy1. 19.5 opencv-contrib -。
图2
图3
图4
图5
图6
从技术的角度，我把他们分成四类，对四种类型，分别做了一个项目
单针、单刻度仪表应该是这种类型的仪表最简单，如图1、图2、图4所示
1、检测识别刻度
2、检测指针位置
3、计算度数
考虑到实际情况，超视距识别可能是一个小目标识别。 另外，我处理的时候实时要求很高，但是硬件支持不够。 因此，用优先采用的yolo5x进行了刻度度数检测识别。
由于事先收集了足量的各种规格的仪表数据，所以对所有仪表统一了表盘的度数识别(文字识别)，获取了每个数字的度数值及其位置
这里需要注意。 模型输出中的object是最小的外框，但考虑到实际情况，并不能完全适合所有图，会出现图像失真和倾斜等各种问题。 因此，在进行该步骤"我是度量对准"时，施加透视变换来校正图像，使用校正后的图像进入下一步骤，检测"训练时不需要事先进行透视变换"指针的位置的指针所采用的unet分割模型分割效果不言而喻，是铁棒的
计算算法这个模块，其实算法也很重要。 模型检测到刻度的度数、指针的位置后，需要用算法计算详细的读数。 关于该仪表，逻辑也简单，只要取得指针相邻两侧的度数，并基于度数的坐标加上偏移量，就能够在数学上计算出读数
【这里定制了很多校验函数，在计算过程中不断进行各种偏移校正，尽量修正误差】
多针、单刻度计如图5所示
这种类型仪表的想法与单针、单刻度仪表的想法相似，不同之处如下。
在指针识别时，单指针的分割图成为一个目标，可以简单地自由获取所需的信息。 但是，与多指针不同，他们的指针可能存在各种情况，特别是指针可能会交叉。 所以呢
需要对分割图表进行线性拟合，取得多个指针的信息
刻度组合有时对于单行的刻度也如图5那样分段
这里我采取的方案是预先定义刻度组合策略。 例如，左边的刻度为- 1070，右边的刻度为10 - 60。 根据模型识别的结果，参照坐标组合模型的结果，组合的结果为不同的刻度
剩下的想法是延长单针的想法
关于图3、图6的图像计算机，虽然有点复杂，但也很少。 的总和可以在下图中汇总：
理论上也可以采用与上面单针表相同的方案。 当然，值在理论上是存在的。 总之，我自己用那个方案做的结果很悲惨。
按照百度飞浆公式的建议开始做了一次。 不得不说，大厂毕竟是大厂，做的太理想了，【儿戏】化了，拿到真实的场景也完全没用。 但是，我借鉴了一些想法
1、拆分仪表，离不开语义拆分的哈。
这种仪器的相变点在于其指针，真的不是常态，特别细致。 另外，在这种实际情况下，有倾斜的话刻度也很难识别。 我前后试了几个针对小目标的模型，但效果并不理想。 最后，参考飞浆推荐的deeplabv3，如上图进行了分割【上图所示的分割图是我过度膨胀的产物，实际模型出来的结果拟合很好】
2、对准刻度线后，分割的刻度会过度膨胀。 我在使用(23，23 )，但还是过度了。 然后对膨胀的分割图进行圆拟合
3、指针拟合指针分割后，直接采用最小二乘法进行线性拟合。 当然，也可以通过Hough变换进行检测。 两种方法都用了，但效果不相上下。
4、利用托马斯角点检测刻度线两端的我总是崇尚sobel运算符，但既然发现有现成的api，就不能浪费前辈的功劳
5、找到交点指针指向的刻度位置。 简言之，就是找到拟合的这条指针线与圆弧的交点，或者最近的接点
刻度的两个端点和交点三个点确定后，剩下的交给数学处理
同样，其中在拟合、计算时需要加入偏移量进行控制。 要防止误差变大，如果有好的建议，欢迎留言
也欢迎2577082896 vx/qq同号交流
如果需要，可以直接从我的资源下载文档或项目文件