来源：期刊VIP网 时间：
作者：林鸿正;张斌;赵成龙;戴杰;湛敏;
单位：中国计量大学计量测试工程学院;杭州莱霆科技有限公司;
摘要：为了降低指针式压力表的误读率，减轻人工读数压力，提高仪表读数的精度，设计了一种基于深度学习的指针式压力表读数方法。通过在DBNet网络结构基础上增加主干网络ResNet-18各个卷积层的通道数来提高模型的鲁棒性，重新设计了更适应指针式压力表刻度值检测的损失函数，在刻度值精准检测识别的基础上设计了极坐标展开的方法，将弧形的刻度值展开成一条直线，提高了读数的准确率。实验结果表明，最大误差仅1.05%，平均误差仅0.725%。相较于常用的Hough直线检测与ORB结合或DBNet+CRNN检测的方法，读数识别的平均误差大幅降低，为指针式压力表的自动读数提供了新的思路。
关键词：深度学习;;指针式压力表;;极坐标展开;;自动读数;;卷积循环神经网络;;读数识别
