基于深度学习的海上油气平台仪表识别方法  

Instrument Identification Method for Offshore Oil and Gas Platforms Based on Deep Learning

作　　者：陈泽峰 赵晓磊[1] 马建强 王献峰[1] 孟繁城 王伟[1] 

机构地区：[1]海洋石油工程股份有限公司,天津300450

出　　处：《石油和化工设备》2023年第4期65-68,共4页Petro & Chemical Equipment

基　　金：海洋石油平台机器人智能巡检需求与方案研究(E-0821P016)。

摘　　要：海上油气平台采用巡检机器人开展定期巡检工作,通过图像采集与图像识别的方法实现仪表的自动化读数。为了解决巡检机器人指针式仪表读数受温度、光线、观察距离等导致识别精度不高的问题,结合工艺橇块常见指针式表盘的特点,在MASK R-CNN图像识别的基础上,通过改进实例边框回归算法,提出一种基于改进Mask RCNN算法的指针式仪表自动识别算法。采用倾斜矫正、分辨率提升等图像预处理算法,可以改善数字识别精度。利用改进的MASKR-CNN识别圆刻度线和指针,最后,计算出指针的偏转角度。实验结果表明,该算法具有较高的精度和鲁棒性,具有一定的理论价值。

关 键 词：Mask RCNN 图像识别 指针式仪表 RoIAlign BACKBONE 

分 类 号：TE953[石油与天然气工程—石油机械设备] TP18[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程]