面向指针式仪表的智能数显系统设计与实现
这是一篇关于指针式仪表,YOLOv5s,U2-Net,PyQt5,智能数显的论文, 主要内容为随着工业4.0的兴起,企业对生产过程中仪表的数字化需求越演越烈。而这些工业企业中现存的大量的、昂贵的指针式仪表依然有相当部分处在转型过程中,尚不具备数据自动读数与远程的传输功能,若对这些存量仪表进行更新换代需要一定的周期以及巨额的改造费用。而依赖人工读数和抄录,存在数据的不连续、不准确性及工人不可达等问题。为了促进传统工业4.0转型,延续这些旧式指针仪表的使用价值,便于企业的数字化管理等,本文基于深度学习框架研究了面向指针式仪表智能数显的理论方法,设计并实现了智能数显系统。主要研究工作如下:1.现场仪表数据集及指针刻度数据集的建立。针对目前没有标准的指针式仪表数据集的问题,首先,在某天然气净化厂、某石油基地以及网络上的指针式仪表图像收集整理,制作现场仪表图片1000张,按照标准数据集的处理要求,对其进行重命名;然后运用Labelimg、Labelme两个标注工具,分别对每张照片中所涉及的仪表盘区域、指针刻度区域逐一进行标注;最后,基于Python语言平台,将制作的仪表、指针刻度两个数据集,分别处理成所需要的.txt和.png文件格式,建立本文的仪表数据集和刻度指针数据集。2.基于YOLOv5s模型轻量化方法的工业复杂背景下指针式仪表定位方法研究。现场仪表图像背景复杂,光照、角度等原因影响了识别精度,本文基于YOLOv5s框架构建了指针式仪表表盘定位的模型结构,在参数优化后,得到训练好的模型。由于该网络的实时性和可移植性不佳,本文进一步完成了YOLOv5s模型轻量化设计,对网络中Back Bone、Neck两部分的BN层进行通道剪枝,经过实验测试对比,选择剪枝40%的模型作为指针式仪表定位方法。该模型相较于YOLOv5s,在保证定位精度不变的情况下,定位时间减少18.18%,模型尺寸缩减了56.35%,为接下来减小整个系统的运行时间提供了基础。3.基于U2-Net的指针式仪表读数识别方法及其实现。先对图像预处理以解决图像倾斜、暗光等干扰;针对指针刻度检测精度低,易受遮挡、模糊的影响,本文采用U2-Net模型对指针和刻度进行分割,将分割后的二维图像转化为一维数组,定位指针在刻度上的相对位置,利用距离法对读数进行计算,得到仪表读数结果。经实验测试,测试准确率为93.42%,平均绝对误差为0.0262,平均读数误差率为0.597%,平均每张图片的测试时间为0.402s,满足工业实际需求。4.面向指针式仪表智能数显系统设计。将上述YOLOv5s轻量化定位算法、仪表读数算法与Py Qt5相结合,通过外接USB摄像头监控摄像,设计并实现指针式仪表智能数显人机交互系统。该系统主要包括登录部分和主界面两个部分,对系统的登录界面使用数据库验证登录信息是否正确,保证系统使用的安全性;在主界面设计主要包括预览标签页、显示标签页和可视化标签页。通过外接USB摄像头,采集图像作为输入,经过系统之前训练好的模型,进行自动仪表定位,可实现当前采集仪表图像、本地图像、自定义采集图像时间间隔智能数显以及历史数据结果可视化。
基于U2-Net眼底OCT图像黄斑水肿的语义分割方法研究
这是一篇关于黄斑水肿分割,U2-Net,U形残差块,八度卷积,注意力机制的论文, 主要内容为随着年龄的增长以及生活方式的不同,患眼部疾病的人数逐渐增加,眼部的疾病的症状,直接影响人们的日常生活。基于眼底光学相干层析成像(OCT)技术在视网膜疾病诊断流程中,有着十分重要的作用。为了准确有效的帮助眼科医生完成诊断和分析,克服病灶区域小和对比度过低等技术难题,以及提高黄斑水肿分割的精度和加快模型处理图像的速度,本文对眼底黄斑水肿OCT图像的分割研究主要包括如下两部分:针对病灶区域小、对比度过低等难点,严重影响黄斑水肿病变分割准确度的问题,本文提出一个两级嵌套的U形结构的U2-Net语义分割模型,来有效地分割黄斑水肿,采用U形残差块(Re Sidual U-block,RSU)捕捉阶段内的多尺度特征,把局部特征与多尺度特征进行加以融合,获得更强的黄斑水肿区域特征提取能力。将改进模型应用到公开数据集中,与其他方法进行对比,实验结果表明此优化模型能够准确地将图像的黄斑水肿区域分割出来,在一定程度上提高了水肿区域分割的精度。在保持分割精度不降的情况下,为了减少计算和降低空间冗余,本文提出了一种基于注意力机制的U2-Net眼底OCT图像黄斑水肿分割。引入注意力机制加强对重要病变特征提取,采用八度卷积(Oct Conv)代替U型残差块中的普通卷积,充分利用八度卷积具有高效的高频和低频之间的信息交换特性,减少空间冗余,此外八度卷积利用响应的卷积处理低频信息,有效的扩大感受野获取深层病理特征,捕获图像的多尺度信息。在公开数据集,本文方法与近年来提出的几种分割方法进行对比,本文所提出的模型不仅获得了0.82的Dice分数,高于Re Lay Net,Res U-Net++等方法,而且单张图像分割平均时间比U2-Net模型的65.1ms,减少了26.6ms。本文方法能够准确地对眼底黄班水肿区域进行快速分割,在临床诊断有一定的辅助意义。该论文有图36幅,表7个,参考文献65篇。
基于U2-Net眼底OCT图像黄斑水肿的语义分割方法研究
这是一篇关于黄斑水肿分割,U2-Net,U形残差块,八度卷积,注意力机制的论文, 主要内容为随着年龄的增长以及生活方式的不同,患眼部疾病的人数逐渐增加,眼部的疾病的症状,直接影响人们的日常生活。基于眼底光学相干层析成像(OCT)技术在视网膜疾病诊断流程中,有着十分重要的作用。为了准确有效的帮助眼科医生完成诊断和分析,克服病灶区域小和对比度过低等技术难题,以及提高黄斑水肿分割的精度和加快模型处理图像的速度,本文对眼底黄斑水肿OCT图像的分割研究主要包括如下两部分:针对病灶区域小、对比度过低等难点,严重影响黄斑水肿病变分割准确度的问题,本文提出一个两级嵌套的U形结构的U2-Net语义分割模型,来有效地分割黄斑水肿,采用U形残差块(Re Sidual U-block,RSU)捕捉阶段内的多尺度特征,把局部特征与多尺度特征进行加以融合,获得更强的黄斑水肿区域特征提取能力。将改进模型应用到公开数据集中,与其他方法进行对比,实验结果表明此优化模型能够准确地将图像的黄斑水肿区域分割出来,在一定程度上提高了水肿区域分割的精度。在保持分割精度不降的情况下,为了减少计算和降低空间冗余,本文提出了一种基于注意力机制的U2-Net眼底OCT图像黄斑水肿分割。引入注意力机制加强对重要病变特征提取,采用八度卷积(Oct Conv)代替U型残差块中的普通卷积,充分利用八度卷积具有高效的高频和低频之间的信息交换特性,减少空间冗余,此外八度卷积利用响应的卷积处理低频信息,有效的扩大感受野获取深层病理特征,捕获图像的多尺度信息。在公开数据集,本文方法与近年来提出的几种分割方法进行对比,本文所提出的模型不仅获得了0.82的Dice分数,高于Re Lay Net,Res U-Net++等方法,而且单张图像分割平均时间比U2-Net模型的65.1ms,减少了26.6ms。本文方法能够准确地对眼底黄班水肿区域进行快速分割,在临床诊断有一定的辅助意义。该论文有图36幅,表7个,参考文献65篇。
面向指针式仪表的智能数显系统设计与实现
这是一篇关于指针式仪表,YOLOv5s,U2-Net,PyQt5,智能数显的论文, 主要内容为随着工业4.0的兴起,企业对生产过程中仪表的数字化需求越演越烈。而这些工业企业中现存的大量的、昂贵的指针式仪表依然有相当部分处在转型过程中,尚不具备数据自动读数与远程的传输功能,若对这些存量仪表进行更新换代需要一定的周期以及巨额的改造费用。而依赖人工读数和抄录,存在数据的不连续、不准确性及工人不可达等问题。为了促进传统工业4.0转型,延续这些旧式指针仪表的使用价值,便于企业的数字化管理等,本文基于深度学习框架研究了面向指针式仪表智能数显的理论方法,设计并实现了智能数显系统。主要研究工作如下:1.现场仪表数据集及指针刻度数据集的建立。针对目前没有标准的指针式仪表数据集的问题,首先,在某天然气净化厂、某石油基地以及网络上的指针式仪表图像收集整理,制作现场仪表图片1000张,按照标准数据集的处理要求,对其进行重命名;然后运用Labelimg、Labelme两个标注工具,分别对每张照片中所涉及的仪表盘区域、指针刻度区域逐一进行标注;最后,基于Python语言平台,将制作的仪表、指针刻度两个数据集,分别处理成所需要的.txt和.png文件格式,建立本文的仪表数据集和刻度指针数据集。2.基于YOLOv5s模型轻量化方法的工业复杂背景下指针式仪表定位方法研究。现场仪表图像背景复杂,光照、角度等原因影响了识别精度,本文基于YOLOv5s框架构建了指针式仪表表盘定位的模型结构,在参数优化后,得到训练好的模型。由于该网络的实时性和可移植性不佳,本文进一步完成了YOLOv5s模型轻量化设计,对网络中Back Bone、Neck两部分的BN层进行通道剪枝,经过实验测试对比,选择剪枝40%的模型作为指针式仪表定位方法。该模型相较于YOLOv5s,在保证定位精度不变的情况下,定位时间减少18.18%,模型尺寸缩减了56.35%,为接下来减小整个系统的运行时间提供了基础。3.基于U2-Net的指针式仪表读数识别方法及其实现。先对图像预处理以解决图像倾斜、暗光等干扰;针对指针刻度检测精度低,易受遮挡、模糊的影响,本文采用U2-Net模型对指针和刻度进行分割,将分割后的二维图像转化为一维数组,定位指针在刻度上的相对位置,利用距离法对读数进行计算,得到仪表读数结果。经实验测试,测试准确率为93.42%,平均绝对误差为0.0262,平均读数误差率为0.597%,平均每张图片的测试时间为0.402s,满足工业实际需求。4.面向指针式仪表智能数显系统设计。将上述YOLOv5s轻量化定位算法、仪表读数算法与Py Qt5相结合,通过外接USB摄像头监控摄像,设计并实现指针式仪表智能数显人机交互系统。该系统主要包括登录部分和主界面两个部分,对系统的登录界面使用数据库验证登录信息是否正确,保证系统使用的安全性;在主界面设计主要包括预览标签页、显示标签页和可视化标签页。通过外接USB摄像头,采集图像作为输入,经过系统之前训练好的模型,进行自动仪表定位,可实现当前采集仪表图像、本地图像、自定义采集图像时间间隔智能数显以及历史数据结果可视化。
面向指针式仪表的智能数显系统设计与实现
这是一篇关于指针式仪表,YOLOv5s,U2-Net,PyQt5,智能数显的论文, 主要内容为随着工业4.0的兴起,企业对生产过程中仪表的数字化需求越演越烈。而这些工业企业中现存的大量的、昂贵的指针式仪表依然有相当部分处在转型过程中,尚不具备数据自动读数与远程的传输功能,若对这些存量仪表进行更新换代需要一定的周期以及巨额的改造费用。而依赖人工读数和抄录,存在数据的不连续、不准确性及工人不可达等问题。为了促进传统工业4.0转型,延续这些旧式指针仪表的使用价值,便于企业的数字化管理等,本文基于深度学习框架研究了面向指针式仪表智能数显的理论方法,设计并实现了智能数显系统。主要研究工作如下:1.现场仪表数据集及指针刻度数据集的建立。针对目前没有标准的指针式仪表数据集的问题,首先,在某天然气净化厂、某石油基地以及网络上的指针式仪表图像收集整理,制作现场仪表图片1000张,按照标准数据集的处理要求,对其进行重命名;然后运用Labelimg、Labelme两个标注工具,分别对每张照片中所涉及的仪表盘区域、指针刻度区域逐一进行标注;最后,基于Python语言平台,将制作的仪表、指针刻度两个数据集,分别处理成所需要的.txt和.png文件格式,建立本文的仪表数据集和刻度指针数据集。2.基于YOLOv5s模型轻量化方法的工业复杂背景下指针式仪表定位方法研究。现场仪表图像背景复杂,光照、角度等原因影响了识别精度,本文基于YOLOv5s框架构建了指针式仪表表盘定位的模型结构,在参数优化后,得到训练好的模型。由于该网络的实时性和可移植性不佳,本文进一步完成了YOLOv5s模型轻量化设计,对网络中Back Bone、Neck两部分的BN层进行通道剪枝,经过实验测试对比,选择剪枝40%的模型作为指针式仪表定位方法。该模型相较于YOLOv5s,在保证定位精度不变的情况下,定位时间减少18.18%,模型尺寸缩减了56.35%,为接下来减小整个系统的运行时间提供了基础。3.基于U2-Net的指针式仪表读数识别方法及其实现。先对图像预处理以解决图像倾斜、暗光等干扰;针对指针刻度检测精度低,易受遮挡、模糊的影响,本文采用U2-Net模型对指针和刻度进行分割,将分割后的二维图像转化为一维数组,定位指针在刻度上的相对位置,利用距离法对读数进行计算,得到仪表读数结果。经实验测试,测试准确率为93.42%,平均绝对误差为0.0262,平均读数误差率为0.597%,平均每张图片的测试时间为0.402s,满足工业实际需求。4.面向指针式仪表智能数显系统设计。将上述YOLOv5s轻量化定位算法、仪表读数算法与Py Qt5相结合,通过外接USB摄像头监控摄像,设计并实现指针式仪表智能数显人机交互系统。该系统主要包括登录部分和主界面两个部分,对系统的登录界面使用数据库验证登录信息是否正确,保证系统使用的安全性;在主界面设计主要包括预览标签页、显示标签页和可视化标签页。通过外接USB摄像头,采集图像作为输入,经过系统之前训练好的模型,进行自动仪表定位,可实现当前采集仪表图像、本地图像、自定义采集图像时间间隔智能数显以及历史数据结果可视化。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设客栈 ，原文地址：https://m.bishedaima.com/lunwen/54198.html
