基于卷积神经网络的数字万用表读数识别方法研究  

作　　者：孙超平 梅怡嘉 黄康 

机构地区：[1]浙江省湖州市质量技术监督检测研究院 [2]中国计量大学

出　　处：《中国计量》2022年第6期85-89,共5页China Metrology

基　　金：浙江省市场监督管理局科技计划项目(项目号:20190337)资助。

摘　　要：针对手持式数字万用表读数识别问题,本文提出了一种基于卷积神经网络的识别方法。对数字万用表读数图像字符区域进行分割,得到单个的字符图像,对识别可能出现的13类单字符图像依次进行编码。采用3层神经网络组合结构,借助卷积神经网络采用模板匹配的方式对图像进行识别。实验通过多功能校准器输出信号改变UT56数字万用表的读数进行识别测试,结果表明对万用表读数实现了准确识别,识别率达到100%。该方法对基于深度学习神经网络的数字万用表读数识别提供了新的思路,在手持式数字万用表自动检测及校准领域具有很好的推广应用价值。

关 键 词：手持式数字万用表 图像处理 字符识别 卷积神经网络 

分 类 号：TM938.12[电气工程—电力电子与电力传动] TP391.41[自动化与计算机技术—计算机应用技术] TP183[自动化与计算机技术—计算机科学与技术]