本發(fā)明屬于機(jī)器視覺，具體涉及一種基于機(jī)器視覺的x、γ劑量率儀自動檢定方法。

背景技術(shù)：

1、隨著我國核技術(shù)在眾多領(lǐng)域的快速發(fā)展，輻射監(jiān)測能力建設(shè)已成為重要課題。為保證輻射監(jiān)測儀器的準(zhǔn)確性，必須通過檢定的方式進(jìn)行量值傳遞，為分析、判斷和控制劑量水平提供依據(jù)。x、γ射線空氣比釋動能標(biāo)準(zhǔn)裝置是應(yīng)用最廣泛的電離輻射計量標(biāo)準(zhǔn)，常用的環(huán)境輻射監(jiān)測儀表、輻射防護(hù)監(jiān)測儀表等設(shè)備均需通過此類計量標(biāo)準(zhǔn)進(jìn)行溯源。然而，目前國內(nèi)大部分空氣比釋動能標(biāo)準(zhǔn)裝置由于設(shè)備建設(shè)時間較早，設(shè)計及技術(shù)相對滯后，存在以下共性問題：智能化程度較低，對于實驗室內(nèi)各傳感器及攝像頭的大量數(shù)據(jù)缺乏保存、分析；儀表檢定很大程度上依賴人工讀數(shù)，人工讀數(shù)無法保證數(shù)據(jù)讀取的間隔時間相等，給最終結(jié)果帶來人因誤差的同時，還存在檢測效率偏低的問題。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的在于提供一種基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，使用該方法能夠完成x、γ劑量率儀數(shù)值的自動讀取，同時能夠解決儀表數(shù)字跳變造成的ocr識別錯誤問題。

2、為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

3、一種基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，包括以下步驟：

4、s1、讀取輻照室內(nèi)儀表讀數(shù)攝像頭的圖像作為數(shù)據(jù)源，對圖像進(jìn)行預(yù)處理，以提升文本識別速度和識別準(zhǔn)確率；

5、s2、完成預(yù)處理后，采用神經(jīng)網(wǎng)絡(luò)算法完成對儀表圖片的文本檢測和文本識別，將視頻流中的儀表讀數(shù)轉(zhuǎn)變?yōu)樽址鎯υ谲浖?nèi)存中；

6、s3、對神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果進(jìn)行后處理以提高ocr識別準(zhǔn)確率，后處理內(nèi)容包括劑量率提取和數(shù)字跳變錯誤處理。

7、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，步驟s1中對圖像進(jìn)行預(yù)處理具體為：依次對圖像進(jìn)行二值化、傾斜校正、裁切和去噪處理。

8、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，步驟s1中：

9、二值化：采用最大類間方差法對圖像進(jìn)行二值化處理，采用遍歷的方法得到使類間方差最大的閾值，即為所求的最佳閾值，最大類間方差法計算公式為：

10、

11、式中：n0和n1是前景和背景的像素個數(shù)，ω0和ω1分別是前景和背景的比例，μ0和μ1分別是前景和背景像素的平均灰度，μ是整個圖像的平均灰度，g是要求的最大類間方差；

12、傾斜校正：基于圖像中直線識別實現(xiàn)對圖像的傾斜校正，原理為：利用霍夫變換從圖像中檢測到對應(yīng)的直線，然后基于直線之間的角度，來判斷圖像的傾斜角度，進(jìn)而進(jìn)行旋轉(zhuǎn)；

13、裁切：對圖像進(jìn)行裁切以提取圖像中感興趣區(qū)域，即roi區(qū)域，基于opencv庫構(gòu)造圖像裁切用戶控件，通過所述控件實現(xiàn)對roi區(qū)域的拖動、放大、縮??；

14、去噪：采用八鄰域降噪算法去除圖像噪聲，所述八鄰域降噪算法通過比較每個像素周圍的八個鄰居像素的亮度來判斷該像素是否為噪聲，并進(jìn)行相應(yīng)的處理。

15、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，步驟s2中采用基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)ocr識別技術(shù)對儀表圖片中的文本進(jìn)行文本檢測和文本識別，所述文本檢測用于將圖片中所包含的文字框選出來，其輸出作為文本識別算法的輸入；所述文本識別用于提取并識別文本框中的文字。

16、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，步驟s2中采用dbnet模型實現(xiàn)文本檢測，具體為：

17、從dbnet模型骨干網(wǎng)絡(luò)的不同stage抽取特征，融合得到特征圖；

18、根據(jù)所述特征圖預(yù)測得到概率圖和閾值圖；

19、使用可微二值化公式將所述概率圖與所述閾值圖轉(zhuǎn)化為二值圖；

20、對所述二值圖后處理得到文本框的坐標(biāo)。

21、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，步驟s2中采用crnn-ctc模型實現(xiàn)文本識別，所述crnn-ctc模型結(jié)構(gòu)包含三部分，從下到上依次為：卷積層cnn、循環(huán)層rnn和轉(zhuǎn)錄層ctc?loss，文本識別具體過程為：

22、使用標(biāo)準(zhǔn)的cnn網(wǎng)絡(luò)提取文本圖像的特征；

23、利用rnn網(wǎng)絡(luò)將特征向量進(jìn)行融合以提取字符序列的上下文特征，然后得到每列特征的概率分布；

24、最后通過轉(zhuǎn)錄層ctc進(jìn)行預(yù)測得到文本序列。

25、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，步驟s3中基于文本框位置坐標(biāo)實現(xiàn)劑量率提取，具體為：

26、s31、將roi區(qū)域內(nèi)提取到的所有文本框進(jìn)行初步篩選，若本文框內(nèi)包含的字符串能夠轉(zhuǎn)換為浮點數(shù)，則判定所述文本框內(nèi)為數(shù)字信息；

27、s32、若滿足步驟s31的文本框只有一個，則所述文本框內(nèi)的數(shù)字即為劑量率，若滿足條件的文本框不止一個，則繼續(xù)篩選文本框內(nèi)包含“sv”或“gy”的文本，該文本框即為劑量率單位顯示文本；

28、s33、讀取劑量率單位顯示文本框的圖像坐標(biāo)，若數(shù)字文本框坐標(biāo)位于劑量率單位顯示文本框左側(cè)，則判定該數(shù)字為劑量率數(shù)值。

29、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，步驟s3中所述數(shù)字跳變錯誤處理方法具體為：

30、讀取攝像機(jī)傳回圖像，延遲設(shè)定時長后重新讀取一幅攝像機(jī)傳回圖像，將兩幅圖像分別保存至內(nèi)存中；

31、將兩幅圖像進(jìn)行文本識別，并將所有文本識別結(jié)果進(jìn)行比對，若兩幅圖像的識別結(jié)果相同，則說明這兩幅圖像采集過程中沒有發(fā)生數(shù)字跳變，則將ocr結(jié)果保留；若識別結(jié)果不同，則說明采集過程中發(fā)生數(shù)字跳變，則將本次識別結(jié)果作廢，等待下一采集周期數(shù)據(jù)重新識別。

32、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，所述延遲設(shè)定時長為延遲100ms。

33、進(jìn)一步，如上所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，步驟s3之后還包括：

34、完成所有測量點的數(shù)據(jù)識別后，基于各測量點數(shù)據(jù)，對儀表的統(tǒng)計漲落、校準(zhǔn)因子、相對固有誤差、相對擴(kuò)展不確定度進(jìn)行計算，并將計算結(jié)果鏈接到檢定證書模板的固定位置，完成證書的生成。

35、與現(xiàn)有技術(shù)相比，本發(fā)明提供的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，具有以下有益效果：

36、本發(fā)明通過對圖像進(jìn)行二值化、傾斜校正、裁切、去噪等預(yù)處理，能夠有效提取圖像特征；采用深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)ocr識別技術(shù)能夠?qū)x表圖片中的文本進(jìn)行有效檢測和識別；采用基于位置坐標(biāo)的劑量率提取算法能夠?qū)ξ淖肿R別結(jié)果進(jìn)行篩選，從多個文本中準(zhǔn)確定位到劑量率數(shù)值；采用數(shù)字跳變錯誤處理算法解決了儀表數(shù)字跳變的造成ocr識別錯誤問題。

37、總之，采用發(fā)明提供的方法能夠完成對x、γ劑量率儀數(shù)值的自動讀取，識別時間小于0.5s，可顯著提升檢定效率。

技術(shù)特征：

1.一種基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，步驟s1中對圖像進(jìn)行預(yù)處理具體為：依次對圖像進(jìn)行二值化、傾斜校正、裁切和去噪處理。

3.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，步驟s1中：

4.根據(jù)權(quán)利要求1-3任一項所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，步驟s2中采用基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)ocr識別技術(shù)對儀表圖片中的文本進(jìn)行文本檢測和文本識別，所述文本檢測用于將圖片中所包含的文字框選出來，其輸出作為文本識別算法的輸入；所述文本識別用于提取并識別文本框中的文字。

5.根據(jù)權(quán)利要求4所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，步驟s2中采用dbnet模型實現(xiàn)文本檢測，具體為：

6.根據(jù)權(quán)利要求5所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，步驟s2中采用crnn-ctc模型實現(xiàn)文本識別，所述crnn-ctc模型結(jié)構(gòu)包含三部分，從下到上依次為：卷積層cnn、循環(huán)層rnn和轉(zhuǎn)錄層ctcloss，文本識別具體過程為：

7.根據(jù)權(quán)利要求6所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，步驟s3中基于文本框位置坐標(biāo)實現(xiàn)劑量率提取，具體為：

8.根據(jù)權(quán)利要求7所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，步驟s3中所述數(shù)字跳變錯誤處理方法具體為：

9.根據(jù)權(quán)利要求8所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，所述延遲設(shè)定時長為延遲100ms。

10.根據(jù)權(quán)利要求7-9任一項所述的基于機(jī)器視覺的x、γ劑量率儀自動檢定方法，其特征在于，步驟s3之后還包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于機(jī)器視覺的X、γ劑量率儀自動檢定方法，涉及機(jī)器視覺技術(shù)領(lǐng)域，該方法包括S1、讀取輻照室內(nèi)儀表讀數(shù)攝像頭的圖像作為數(shù)據(jù)源，對圖像進(jìn)行預(yù)處理以提升文本識別速度和準(zhǔn)確率；S2、采用神經(jīng)網(wǎng)絡(luò)算法對儀表圖片進(jìn)行文本檢測和識別，將儀表讀數(shù)轉(zhuǎn)為字符串存儲在內(nèi)存中；S3、對神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果進(jìn)行后處理，后處理內(nèi)容包括劑量率提取和數(shù)字跳變錯誤處理；S4、基于各測量點數(shù)據(jù)，對儀表的統(tǒng)計漲落、校準(zhǔn)因子、相對固有誤差、相對擴(kuò)展不確定度進(jìn)行計算，并將計算結(jié)果鏈接到檢定證書模板的固定位置，完成證書的生成。本發(fā)明所提供的方法能夠完成對X、γ劑量率儀數(shù)值的自動讀取，識別時間小于0.5s，可顯著提升檢定效率。

技術(shù)研發(fā)人員：王雨青,黃政林,孫博文,李英幗,王楨,陳雙強,李胤,李志剛,曹勤劍,唐智輝,韋應(yīng)靖,崔偉
受保護(hù)的技術(shù)使用者：中國輻射防護(hù)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10