《------往期经典推荐------》
二、机器学习实战专栏【链接】，已更新31期，欢迎关注，持续更新中~~
三、深度学习【Pytorch】专栏【链接】
四、【Stable Diffusion绘画系列】专栏【链接】
五、YOLOv8改进专栏【链接】，持续更新中~~
六、YOLO性能对比专栏【链接】，持续更新中~
《------正文------》
基本功能演示
【CV综合实战】基于深度学习的工业压力表智能检测与读数系统【python源码+Pyqt5界面+数据集+训练代码】
摘要：在工业环境中，压力表作为关键的监控设备，用于实时监测各种系统和流程中的压力变化，对确保生产安全与效率至关重要。本文基于
YOLO11的深度学习框架，通过783张实际场景中拍摄的工业压力表相关图片，训练了可进行压力表目标检测的模型，然后用Unet网络，通过414张分图片训练压力表指针与刻度分割模型，对检测出的压力表指针与刻度进行分割，然后通过OpenCV进行后处理的读数读取。最终基于以上内容制作了一款带UI界面的工业压力表智能检测与读数系统，更便于实际应用。该系统是基于python与PyQT5开发的，支持图片、视频以及摄像头进行压力表数据读取，并保存检测结果。本文提供了完整的Python代码和使用教程，给感兴趣的小伙伴参考学习，完整的代码资源文件获取方式见文末。
引言
该系列文章主要介绍一个《基于深度学习的工业压力表智能检测与读数系统》的制作流程：包含了项目所有源码与模型训练数据集、训练代码与训练结果等内容。最终实现效果如下：
该系统制作主要包括以下几步：
- 压力表目标检测模型的训练,
该项目使用的是YOLO11； - 压力表指针与刻度分割模型的训练，
该项目使用的是Unet； - OpenCV对分割结果进行后处理，并读取压力表读数；
- 系统软件界面的制作。
之前已经介绍了前2步的实现：
第一步实现压力表位置检测，见文章：《【CV综合实战】基于深度学习的工业压力表智能检测与读数系统【1】压力表位置检测》
第二步实现指针与刻度分割，见文章：《【CV综合实战】基于深度学习的工业压力表智能检测与读数系统【2】表盘指针与刻度分割模型训练》
本文介绍第3步使用OpenCV对压力表进行读取。最终实现的读数效果展示如下：
读数基本流程
1.获取指针与刻度分割结果
通过第二步训练好的分割模型，我们可以获取到压力表指针与刻度的分割结果，分割结果示例如下：
2.使用OpenCV对结果进行后处理
为了使最终读数结果更加精确，对上述分割结果通过OpenCV进行腐蚀操作，核心代码如下：
seg_results = self.seg_predict(self.segmenter, sub_imgs)
if use_erode:
seg_results = self.erode(seg_results, erode_kernel)
腐蚀后结果如下：
3.将圆形变为矩形
通过坐标变换，将上述圆形坐标转换为矩形，方便后续进行读数。
self.circle_to_rectangle(seg_results)
4. 定位刻度与指针位置
通过OpenCV读取上述矩形区域的刻度与指针所在位置。然后通过指针所在位置以及刻度表的量程，计算当前压力表读数。
meter_readings = self.get_meter_reading(seg_results, sub_imgs)
读数如下：
将读数结果展示在原图上
核心代码展示如下:
self.results = self.model(self.org_path, conf=self.conf, iou=self.iou)[0]
location_list = self.results.boxes.xyxy.tolist()
self.location_list = [list(map(int, e)) for e in location_list]
cls_list = self.results.boxes.cls.tolist()
self.cls_list = [int(i) for i in cls_list]
self.conf_list = self.results.boxes.conf.tolist()
self.conf_list = ['%.2f %%' % (each*100) for each in self.conf_list]
self.id_list = [i for i in range(len(self.location_list))]
# 截取关注区域
self.roi_imgs = self.get_roi_area(self.org_img, self.location_list)
# 识别结果
self.roi_res, self.seg_results = self.predict_cls.ROI_Predict(self.roi_imgs)
# 将self.roi_res列表中的元素转换为字符串
self.roi_res = [str(each) for each in self.roi_res]
self.seg_imgs = self.seg_results
self.seg_imgs = [tools.visualize_mask(each) for each in self.seg_imgs]
总结
本文详细介绍了《工业压力表智能检测与读数系统》实现的第三步：压力表读数读取。
下一篇文章将详细介绍如何使用Pyqt5搭建系统界面，做成一个方便使用的软件系统程序。
关于该系统涉及到的完整源码、UI界面代码、数据集、训练代码、训练好的模型、测试图片视频等相关文件，均已打包上传，感兴趣的小伙伴可以通过下载链接自行获取。
【获取方式】
关注末尾名片GZH【阿旭算法与机器学习】，发送【源码】获取下载方式
本文涉及到的完整全部程序文件：包括python源码、数据集、训练好的结果文件、训练代码、UI源码、测试图片视频等（见下图），获取方式见文末：
注意：该代码基于Python3.9开发，运行界面的主程序为
MainProgram.py，其他测试脚本说明见上图。为确保程序顺利运行，请按照程序运行说明文档txt配置软件运行所需环境。
好了，这篇文章就介绍到这里，喜欢的小伙伴感谢给点个赞和关注，更多精彩内容持续更新~~
关于本篇文章大家有任何建议或意见，欢迎在评论区留言交流！