26 lines
1.9 KiB
Markdown
26 lines
1.9 KiB
Markdown
# 仪表读数识别
|
||
|
||
## 应用场景
|
||
|
||
在老式工厂厂房中分布着很多机械式仪表盘，需要工人定期查看仪表数据，费时费力。我们需要一种自动化采集的装置完成工厂数据的采集，不需要工人人工操作，提高效率，节省人力。
|
||
|
||
如何采集仪表数据？有些仪表盘可以方便的获取数据，比如智能电表，但是有些仪表盘获取数据并不容易，比如有些设备上的仪表盘，工厂不允许轻易接入设备控制系统，需要一种非侵入式的数据采集方式，再比如一些老式的机械仪表盘，本身没有电子系统，需要通过图像方式采集。我们提供了两种基于图像采集、图像分析的非侵入式解决方案来完成仪表读数的自动识别，方案具体细节见下文展示。
|
||
|
||
## 应用展示
|
||
|
||
### 基于端侧采集、边缘识别的方案
|
||
|
||
方案一采用 端侧采集、边缘识别 的方案，该方案在节点端采集仪表盘图像，然后通过 wifi 传输到边缘端识别，完成读数计算。基本结构如下：
|
||
|
||
|
||
|
||
该方案在边缘端服务器上完成仪表盘读数识别，利用服务器上强大的算力可以准确识别表盘数据，但是需要端侧频繁发送图像数据。
|
||
|
||
### 基于端侧识别的方案
|
||
|
||
方案二采用端侧识别的方案，该方案在初始化的时候需要边缘侧或者云侧通信，利用边缘侧或者云侧的算力完成表盘数字识别，然后后续运行中不依赖边缘侧或云侧，只需要在端侧利用智能算法完成指针识别，并计算出读数。基本结构如下：
|
||
|
||
|
||
|
||
该方案需要端侧具备一定的算力，比如 Kendryte K210，其具有神经网络加速器，可以完成指针的识别。该方案利用端侧识别的方式，运行中不需要和边缘、云侧通信，可以更快速、更高效的完成读数识别。
|