基于深度学习的指针式仪表图像智能读数方法
二、指针及刻度线识别； 针对传统的指针提取方法预处理步骤较多，容易产生累计误差，以及仪表示数判读方法中传统角度法误差较大，距离法计算量较大等问题，本文提出一种端到端的基于半指针检测的快速指针提取方法。将表盘图像上的半指针、表盘中心、和刻度字符为目标对象，使用yolov5进行检测，根据检测结果连接表盘中心和指针的针尖构成指针线，同时根据检测的刻度中心点通过欧式距离寻找指针的近邻刻度线。至于这里为什么选择半指针以及选择半指针的优点大家感兴趣可以去看论文，这里就不过多赘述，最终指针及指针的近邻刻度线检测结果如下图所示。可见，检测结果还是非常好的，可以对各种复杂情况下的仪表准确的检测出表盘指针线。 三、刻度数字识别； 其实，刻度字符识别也不是仪表识别中的必要过程，可以通过其他方法代替本过程，从而提高算法的效率，比如通过配置文件提前存储待识别仪表的信息。为了避免每次增加新的仪表需要存储新类型仪表的参数信息过程，同时也为了提高未知类型仪表识别的准确率，同时这里也介绍一种表盘刻度字符识别方法。将刻度字符0-9作为10个目标对象进行检测，根据检测结果进行推断刻度值。刻度字符识别结果如下
四、计算仪表读数。 根据指针及其近邻刻度线之间的夹角关系，使用角度法读数。最终仪表读数结果如下
