ECV2023大赛仪表盘读数识别德国冠军方案解读

导读

本文为ECV2023大赛仪表盘读数识别德国冠军方案解读，包含了对赛题的分析和模型选取构建的思考过程。

赛题任务

1、仪表识别

对于预测仪表框与真实仪表框，计算f1-score，IoU使用0.7，此部分成绩记为score1

2、刻度点识别

对于预测关键点与真实关键点，计算RMSE，此部分成绩记为score2

3、OCR识别

对于预测的数值框，计算f1-score，IoU使用0.5，此部分成绩记为score3

4、读数识别

计算每个仪表的读数得分，并对所有仪表的得分求平均值，此部分成绩记为 score4

将上述4点得到4项成绩进行加权，最终得分：

加权的权重为配置参数，默认值为:

weight_1 = 0.1

weight_2 = 0.25

weight_3 = 0.25

weight_4 = 0.4

赛题分析

本次任务的仪表数据集存在以下难点：

1、仪表刻度存在遮挡、模糊等问题，影响OCR识别

2、仪表图像存在旋转、倾斜问题，影响读数测量

算法设计

算法分为4个流程，首先用yolov5s模型从原图中识别出仪，接着用yolov8x-pose模型检测出仪表中的刻度线、指针的关键点，再用DBNetpp模型检测出数值框并用SATRN模型进行文本识别，最后后处理得到读数结果。

（1）基于YOLOv5s的仪表检测

选型理由

Yolov5s网络小，速度快。虽然AP精度低，但检测的是仪表这种大目标是完全够用的。我们采用极市官方提供的yolov5s训练套件进行训练，上手简单，且仪表识别准确率达到了99.7%,效果满足实际需求。

（2）基于YOLOv8x-pose的指针和刻度关键点检测

选型理由

YOLOv8是YOLOv5团队ultralytics在今年开源的SOTA模型，引入了新的改进，进一步提升了性能和灵活性。YOLOv8 设计快速、准确且易于使用，使其成为目标检测、实例分割、图像分类和姿态估计任务的绝佳选择。

yolo-pose是估计人体姿态的一个模型，它将人体姿态分为17个关键点。

为了尽可能地提高关键点检测精度，我们使用了规模最大的YOLOv8x-pose模型。

指针关键点数据集制作

我们将指针的两个点作为其关键点，由这两个点组成的矩形框作为目标检测框，如果两个点组成的矩形框太窄，进行适当延伸。

刻度关键点数据集制作

由于每个仪表的数值框个数不同，我们将每个数值框视为同一个类别进行目标检测，每个数值框携带对应的刻度点作为其关键点。

我们采用从官网下载的预训练模型在仪表数据集上微调，将关键点权重从12提高到20。

（3）基于DBNetpp的文本检测

选型理由

由于仪表尺寸大小不一，我们选用DBNetpp模型，它在DBNet模型基础上引入了多级特征聚合模块(Adaptive Scale Fusion, ASF)，ASF模块由阶段注意力和空间注意力子模块构成，加强了不同尺度特征的融合，提高了处理不同尺寸图像的鲁棒性。

（4）基于SATRN模型的文本识别

选型理由

SATRN模型利用self-attention机制对字符的2D空间关系进行建模，并且在FFN模块中引入卷积层，增强了模型对全局和局部特征的捕捉能力。

SATRN模型对于大曲率弯曲、大角度旋转文本依然具备足够的识别能力，在多个不规则文本数据集上达到SOTA。

（5）读数识别

将上述模型的输出采用opencv进行后处理得到读数结果，具体流程如下：

区分内外径

根据刻度点和数值框距离指针原点的距离区分内径和外径，分别进行后续处理。

确定刻度点的顺序

起点到终点的角度差值是相邻两点间角度差值中最大的，我们只需要找到这个最大的角度差值，就可以确定起始点。

先将刻度点坐标转成以指针原点为中心的极坐标，根据角度从小到大排序[16,0,4,8,12]

然后计算相邻刻度点两两间的角度差值，选择最大差值的下一个刻度点作为起点，调整顺序后[0,4,8,12,16]

修正OCR识别结果

上图中由于指针遮挡，1500识别成500，通过等差数列对其进行修正。

透视变换

步骤：

1、确定最后一个点的坐标：已知最后一个点在透视变换后的极坐标角度为45°，假设所有刻度点距离圆心距离为R，则最后一个点的坐标可以表示为（45°,R）可以根据该极坐标得出笛卡尔坐标系下的坐标。

2、确定其他三个点的坐标：这里一共有6个间隔平分整个270°量程，所以每个刻度夹角为270/6=45°，据此可以依次计算出其他三个点在变换后的坐标。

通过这种方式，可以确定四个刻度点在透视变换后图像中的坐标，并用这些坐标来进行透视变换。

补充被指针遮挡的点

步骤：

1、首先，确定缺失点的前后点，以及它们与圆心的平均距离。这些信息将用于推算缺失点的极坐标。

2、根据前后点的角度和平均距离，计算出缺失点的极坐标。极坐标由极径和极角组成，极径表示点到圆心的距离，极角表示点在极坐标系中的角度。将缺失点的极坐标转换为笛卡尔坐标。

3、如果进行了透视变换，需要将转换后的坐标应用于透视矩阵，以获得原图中的坐标。

计算读数

确定指针的前后刻度点位置，并记录它们在极坐标系中的角度值。假设前刻度点角度为, 后刻度点角度为。指针角度为。

假设指针前刻度点的读数为, 后刻度点读数为, 指针读数为*。

其中Δr=r2-r1, Δθ=

算法优化

存在问题

边框遮挡导致的刻度数字无法识别，上述算法不能很好的处理。

改进方法

根据数据集分布，为内外径各建立一个list，以外径举例:

outer_list=[
[32,50,100,150,200],
[0,4,8,12,16],
[0,2,4,6,8,10],
[0,1,2,3,4,5,6],
[0,0.2,0.4,0.6,0.8,1],
[0,0.1,0.2,0.3,0.4,0.5,0.6],
[0,2,4,6,8,10,12,14],
[0,10,20,30,40,50,60],
[0,1000,2000,3000,4000,5000,6000],
[0,100,200,300,400,500,600,700,800,860]
]

将左图中识别的外径[0,100,200,300,400,500,600]与该outer_list进行匹配，得到最接近的[0,100,200,300,400,500,600,700,800,860]。即可对照模板将遗漏的刻度点补全。

总结

最终，我们方案的成绩如下。

优点：

1、目标检测算法和ocr识别算法均源自开源算法库中SOTA模型，实现简单高效，且具备丰富的工业部署落地支持。

2、没有采用传统直线检测的方式检测关键点，通过类似姿态估计的方式提高了关键点检测精度。

3、提出了一种基于查表的鲁棒仪表读数方法，对于遮挡严重的情况也能较好地处理。

4、通过透视变换，将形变的仪表图像修正，使得读数更加准确。

可提升点：

1、将模型文件转换为TensorRT格式，加速推理。

2、更改ocr识别模型，提升效率。