论文部分内容阅读
仪表作为工业生产中的"眼睛",可以对设备的各项参数进行测量和显示,实时反映工厂运行状况,在维持工业安全稳定运行中发挥着不可替代的作用。然而,当前仍然存在的很多传统的指针仪表没有通信接口,无法远程获取仪表数据,需要人工进行采集和录入。针对这个问题本文介绍了一种基于Mask-RCNN深度学习网络的指针式仪表的自动识别和数据采集的方法,经过实验表明,此算法提高了仪表识别的效率和数据检测的精度。