基于Faster R-CNN的仪表识别方法

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.