基于卷积神经网络的指针手表读时方法研究

发布时间：2021-01-11 07:16

　　手表不仅可以用于显示时间,也能作为日常装饰品,美观便携。人们在购买手表时,主要从外观和性能两方面进行选择。其中,性能方面主要通过走时精度来衡量。目前,国内手表生产业主要依赖于人工对手表进行走时精度检测。因手表的检测量大、周期长,且易受检测者情绪影响,导致检测结果十分不稳定,时好时坏,不利于企业的批量生产,因此急需设计出一种自动化手表走时精度检测代替人工检测,利于检测精度的提高并适用于公司大规模生产。图像处理技术应用在指针仪表的自动读时领域,可以代替人工读时,节省人力成本,提高工作效率。但也存在着表盘定位不准,指针识别率低,抗干扰能力弱等问题。硬件的发展及人们对知识的探索,深度学习成为热门话题并不断被各个领域取得突破性成果。在目标检测领域,基于卷积神经网络的目标检测精度大大高于前文提到的传统图像处理技术检测精度。故本文对基于卷积神经网络的手表读时检测方法进行研究,主要工作内容包含以下几个方面:1.系统设计。硬件设计对获得清晰,易识别的手表图像及对后续的检测极其重要。根据手表尺寸、表盘底纹特点、检测精度等特征参数可以计算出需要的像素,镜头焦距及光源需求。软件设计包括指针读时方法研究,基于传... 

【文章来源】： 周珍 湖南大学

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

白色平面无影光与方形白色无影光测试图

相机实物图

KOWALM50LF定焦镜头表2.3KOWALM50LF定焦镜头重要参数指标


本文编号：2970336