基于改进联合滤波与CNN模型的仪表识别算法

在工业现场的复杂环境场景下,针对数字式仪表的拍摄噪声和光照不均匀等约束条件,提出了一种基于改进的联合滤波与卷积神经网络（Convolutional Neural Networks, CNN）检测模型的数字式仪表识别算法。通过引入CNN检测模型来快速检测仪表表盘位置。对于定位后的表盘图像,引入噪声捕获算法,对疑似噪声点进行标注,针对性的处理噪声,细化滤波处理的颗粒度,避免了滤波阈值选择。同时针对光照不均匀现象,提出一种改进型的单参数同态滤波器,与所设计的急速滤波器做到自适应联合滤波,减少了参数调节量,大幅度缩短运算时间。实验结果表明,该方法能够在多场景下准确地识别数字式游标卡尺中的字符。