文献类型：期刊文章

作　　者：李娜[1] 姜志[2] 王军[1,3] 董兴法[1]

LI Na;JIANG Zhi;WANG Jun;DONG Xing-fa(School of Electronic and Information Engineering,Suzhou University of Science and Technology,Suzhou 215009, China;Changchun Institute of Optics,Fine Mechanics and Physics, Chinese Academy of Science, Changchun 130033,China;Center of Arms Experiment of Baicheng, Baicheng 137001, China)

机构地区：[1]苏州科技大学电子与信息工程学院,江苏苏州215009 [2]中国白城兵器试验中心,吉林白城137001 [3]中国科学院长春光学精密机械与物理研究所,吉林长春130033

出　　处：《液晶与显示》

基　　金：“十三五”江苏省重点学科项目(No.20168765);江苏省研究生工作站项目(No.2017272)。

年　　份：2020

卷　　号：35

期　　号：12

起止页码：1291-1298

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EBSCO、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：指针式仪表 特征融合金字塔  Faster R-CNN  图像分割

分 类 号：TP391.41]