基于BSRGAN的集气站仪表读数识别

为解决集气站的巡检机器人采集到的仪表图像分辨率低、常伴有噪点和仪表图像畸变、不便于读数算法直接应用等问题，提出了一种基于盲超分辨率生成对抗网络(BSRGAN)的仪表读数算法。首先，利用BSRGAN提高输入仪表图像的分辨率，较传统方法能够显著增强仪表图像的视觉感知水平。自然图像质量评估(NIQE)在测试集中表现较好，结构相似性指数(SSIM)值均大于0.85。利用尺度不变特征变换(SIFT)算法对重建图像进行特征提取。特征点数量在重建后显著增加，有助于表盘图像的校正。然后，采用连通域划分和指针细化等形态学操作提取指针中心线。最后，利用角度法识别表盘读数。试验读数结果与真实值的平均相对误差为0.625%。试验结果表明，所提算法可行、有效、精准，能够提高仪表图像清晰度和视觉感知，适用于集气站及其他复杂环境的仪表读数。