阅读今日所有推文，汇聚好运召唤神龙
01
数据任务
1.1 该数据集聚焦电力设备仪表盘读数智能识别问题；
02
2.1 数据介绍
2.2 数据说明
2.3 标注格式
{
"data": {
"image_url": int,
"name": str
},
"result": {
"data": [
{
"type": rect, # rect or line
"label": [
str
],
"coordinate": [
{
"x": xmin,
"y": ymin
},
{
"x": xmax,
"y": ymin
},
{
"x": xmax,
"y": ymax
},
{
"x": xmin,
"y": ymax
}
]
},
{
"type": line, # rect or line
"label": [
str
],
"coordinate": [
{
"x": x1,
"y": y1
},
{
"x": x2,
"y": y2
}
]
}
...
],
"info": [
{
"value": str,
"header": str
},
...
]
}
}
# 样例
# 预测百分比：
percentage = 0.3
# 测量范围：[-0.1-0.9]
min = -0.1
max = 0.9
# 其预测读数计算如下：
value = percentage * (max-min) + min
= 0.3 * (0.9 - (-0.1)) + (-0.1)
= 0.2
# 预测读数为：0.2
预测读数与真实读数的差异不大于最小刻度（0.02） * 2 的范围视为正确：|预测读数 - 真实读数| <= 2 * 最小刻度。
04
为实现智能读数，可以采取目标检测->语义分割->读数后处理的方案：
第一步，使用目标检测模型定位出图像中的表计；
第二步，使用语义分割模型将各表计的指针和刻度分割出来；
第三步，根据指针的相对位置和预知的量程计算出各表计的读数。
整个方案的流程如下所示：
deploy
- include
- src
- 20190822_105.jpg
- CMakeLists.txt
- CMakeSettings.json
- meter_pipeline.yaml
- meter_reader.cpp
images
README.md
reader_infer.py
train_detection.py
train_segmentation.py
以上就是变电站巡检仪表读数智能识别数据集的所有内容了。在本文最后，小编也为各位小侠客提前下载好了上述基线参考方案项目，长按下方二维码，即可保存并下载。今天的学习到此结束，我们下次再见咯~
变电站巡检仪表读数智能识别数据集
