基于OCR的水位检测项目

基于OCR的水位检测项目

引用

CSDN

1.

https://blog.csdn.net/qq1309399183/article/details/143982106

本项目基于OCR技术，结合水位尺，实现自动读取水位数值的功能，目标精度达到0.01。整个系统的设计和实现涵盖了从原始数据的采集、预处理、目标检测、字符识别到最终的水位计算等多个环节，旨在构建一个高效、准确的自动化水位监测解决方案。

水位尺读数系统概述

本项目旨在利用OCR技术结合水位尺，实现自动读取水位数值的功能，目标精度达到0.01。整个系统的设计和实现涵盖了从原始数据的采集、预处理、目标检测、字符识别到最终的水位计算等多个环节，旨在构建一个高效、准确的自动化水位监测解决方案。

  
├── Hough(霍夫变换检测直线)
├── LSTM-OCR(基于LSTM模型的OCR方法，包含部分权重)
├── Number_detect_dataset(用于训练数字检测模型YOLO v3的数据集)
├── Post_Process_Result(OCR模型输出)
├── data_for_ocr_train(用于训练OCR模型的数据集)
├── demo(演示系统源码与可执行文件下载地址)
├── TPS(模糊文本识别模型)
├── creat_dataset(用于生成合成数据集，训练TPS模型)
  

环境配置

• 操作系统：支持Windows或Linux。
• 编程语言：Python 3.5及以上版本。
• 深度学习框架：TensorFlow-GPU 1.14.0及以上版本，要求CUDA 10.0及以上版本支持GPU加速。
• 调整摄像头至仅拍摄水位尺区域，使用训练好的目标检测模型检测数字区域（如图1左），根据bounding
  box的位置关系（主要基于Y轴，根据实际情况需要分别讨论(1)），确定检测区域1和检测区域2，其中，检测区域1代表最下方的刻度区数字，精度为0.1，经过OCR模型识别数字，得到值L2（数值）；检测区域2为最下方的较长数字，精度为1，经过OCR模型识别数字，得到值L1（数值），检测区域1和检测区域2由bounding
  box的宽度区分（如图1中）；
• 另外，检测区域1的bounding
  box下边界至水面为检测区域三，通过霍夫变换检测直线数目，精度为0.01，得到值L3（直线条数）；最终，通过计算式L1-（10-L2·0.1）-0.25·L3(1)，获得最终水位（如图1右）。
• 其中（1）中的讨论主要指较长数字区域（L1值）和刻度区数字区域（L2值）的位置关系，实际数据中，二者并不总是呈现L1在L2上方的情况。所以需要分情况确定加减号，详见附录。

项目目录结构

• Hough(霍夫变换检测直线)：负责通过霍夫变换检测水位尺上的直线，用于提高0.01精度的水位测量。
• LSTM-OCR(基于LSTM模型的OCR方法)：实现对检测到的数字区域的字符识别，包括模型训练和预测。
• Number_detect_dataset(用于训练数字检测模型YOLO v3的数据集)：提供训练YOLO v3模型所需的数据集。
• Post_Process_Result(OCR模型输出)：存放OCR模型识别后的输出结果。
• data_for_ocr_train(用于训练OCR模型的数据集)：为训练OCR模型准备的数据集。
• demo(演示系统源码与可执行文件下载地址)：包含演示系统的源代码及可执行文件。
• TPS(模糊文本识别模型)：针对模糊文本的识别模型。
• creat_dataset(用于生成合成数据集，训练TPS模型)：生成合成数据集，用于训练TPS模型。

技术方案
整体思路

1. 摄像头调整：确保摄像头只拍摄水位尺的有效区域，减少环境干扰。
2. 目标检测：使用YOLO v3模型检测水位尺上的数字区域，通过bounding box的位置关系确定检测区域1（最下方的刻度区数字，精度为0.1）和检测区域2（最下方的较长数字，精度为1）。
3. OCR识别：利用LSTM模型对检测区域内的数字进行识别，输出数字值。
4. 霍夫变换：通过霍夫变换检测直线数目，精度为0.01，以进一步细化水位的测量。
5. 水位计算：综合上述步骤的信息，根据特定公式计算最终水位值。

方案实施

1. 原始数据处理：从摄像头采集的数据中筛选并提取出感兴趣的水位尺区域。
2. 数据标注：对提取出的区域进行标注，数字检测采用YOLO v3模型，标注格式为YOLO格式。
3. 数字检测模型训练：基于标注数据训练YOLO v3模型，用于检测水位尺上的数字。
4. OCR模型训练：使用数字检测模型的结果作为输入，训练LSTM模型，以识别检测到的数字区域。
5. 霍夫变换应用：对检测区域1和检测区域2之间的区域应用霍夫变换，检测直线数目，以提高水位测量的精度。

存在的问题与挑战

• 检测精度：目标检测模型可能存在漏检或误检的情况，尤其是在尺子倾斜或弯曲的情况下。
• 识别准确性：OCR模型在识别长数字时可能出现位数错误，这主要是因为训练数据中多位数字的数量较少。
• 霍夫变换的鲁棒性：霍夫变换对参数非常敏感，容易受到环境因素的影响，如水面反射等，导致直线检测不准确。

演示系统

• 用户界面：基于PyQt构建，提供了友好的用户界面，方便用户选择图片进行水位读数。
• 授权限制：演示系统设有授权限时，需要将系统时间。

该项目是一个复杂的多阶段处理流程，每个阶段的成功实施都是保证最终水位读数准确性的关键。未来的工作将集中在提升各模块的性能和鲁棒性，以及优化整个系统的运行效率。