最近完成了一个项目，利用python+yolov5实现数字仪表的自动读数，并将读数结果进行输出和保存，现在完成的7788了，写个文档记录一下，若需要数据集和源代码可以私信。

最后实现的结果如下：

项目过程

首先查阅文献和文档，好家伙，不看不知道，做相似项目的很多资料都是硕士研究生的毕业项目，看来还是有一定难度的，做完以后可以自己给自己颁发一个硕士研究生水平证明。

先归纳一下我总体的思路：

        第一步是利用各种目标检测技术（包括SSD，YOLO等，我用的是YOLOV5）从图中识别并提取仪表，这样做可以将仪表从复杂的背景图中提取出来，去掉无关紧要的背景信息，在后续训练的时候可以让网络更集中的学习需要学习的特征，从而降低训练所需要的时间，优化训练的结果。（这里亲测带着背景直接训练和提取表盘再训练两个结果差很多，在precision和recall上都可以有一个0.3左右的差距，并且在速度上明显提取后收敛的更快，读数表现更好）

这部分的实现很简单，制作一个仪表盘的数据集，只对表盘进行标注，随后训练网络识别仪表，在输出结果的时候写一个裁切方法把识别的图像裁切出来就可以了，比较简单，不多赘述。这里分享一个算法，由于网上保存的图像乱七八糟的，如果直接使用可能会遇到很多格式报错，但是往往格式导致的报错都很难排查，所以通过下面这个算法，可以将下载的图像里面乱七八糟的格式去掉，只保留jpg文件需要的rgb元素，这样可以保证格式不出错：

import os  
from PIL import Image


class convert2RGB():
    def __init__(self, path):
        # 图片文件夹路径
        self.path = "../"  

    def convert(self):
        filelist = os.listdir(self.path)
        for item in filelist:
            if item.endswith('.jpg') or item.endswith('.png'):
                print(item)
                file = self.path + '/' + item
                im = Image.open(file)
                length = len(im.split())
                if length == 4:
                    r, g, b, a = im.split()
                    # im = img.convert('RGB')
                    im = Image.merge("RGB", (r, g, b))
                    os.remove(file)
                    im.save(file[:-4] + ".jpg")


if __name__ == '__main__':
    # 输入自己的需要处理的文件夹路径
    imgPath = '../'
    demo = convert2RGB(imgPath)
    demo.convert()

          第二步是对提取后的表盘图像进行处理，由于各种各样的原因，我们实际上获得的表盘图像不一定都是很清晰，角度很正，光线很好的情况。肯定会存在拍摄角度倾斜，或者光线过亮或过暗等情况，所以需要进行一个图像预处理，将图像都转换为我们比较喜欢的亮度均匀，角度正对着我们的图像。

这里主要是进行一些图像增强，利用算法对提取的表盘图像进行矫正，清晰化，比如一个倾斜的或者不是从正面角度拍摄的仪表，可以通过算法进行空间变换矫正，将表盘从歪歪斜斜的角度调整为“面朝我们”，同时一些表盘图像由于拍摄时光线不好，或者相机太烂，图像不清晰，存在过亮或者过暗的情况，需要用算法对图像的明暗分布进行一个平衡化处理，同时利用滤波算法去除掉图像的噪点，让图像更清晰和平滑，方便我们读数。

可以看到图像处理过后有明显的改善，有利于后续的训练和读数，所以这一步是非常有必要的，在这一步针对不同的图像问题编写了多个算法，这里分享一个比较实用的，可以根据图像的亮暗来自动调用不同的算法进行亮度均匀化处理：

#  这个算法是用来进行自动化图像处理的，可以对一个文件夹中的图像进行处理
#  具体效果是可以自动判断图像的亮暗，然后调用不同的算法对图像进行处理，让图像更清晰，方便后续的读数
import os
import cv2
path = ""  # 读取图片的路径
save_file = ""  # 保存图片的路径

for i in os.listdir("/VOCdevkit/VOC2007/JPEGImages/"):  # 批量读取 批量保存
    img = cv2.imread(path+"/"+i,0) # 读取顺便灰度化
    r, c = img.shape[:2]
    dark_sum = 0  # 偏暗的像素 初始化为0个
    dark_prop = 0  # 偏暗像素所占比例初始化为0
    piexs_sum = r * c  # 整个弧度图的像素个数为r*c
    for row in img:
        for colum in row:
            if colum < 40:  # 人为设置的超参数,表示0~39的灰度值为暗
                dark_sum += 1
    dark_prop = dark_sum / piexs_sum
    if dark_prop >= 0.30:  # 人为设置的超参数:表示若偏暗像素所占比例超过0.30,调整这个参数 来调整判断图像亮暗的尺度
        print(" is dark!")  # 暗的图像
        equa = cv2.equalizeHist(img)
        result1 = cv2.GaussianBlur(equa, (3, 3), 3)
        cv2.imwrite(save_file+"/"+"%s" %i, result1)
        #  对于比较暗的图像，调用图像均衡化算法进行图片增强和高斯滤波去噪
    else:
        print(" is bright!")
        clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))  # 创建CLAHE对象
        dst = clahe.apply(img)  # 限制对比度的自适应阈值均衡化
        result = cv2.GaussianBlur(dst, (3, 3), 3)
        cv2.imwrite(save_file+"/"+"%s" %i, result)
        # 对于比较亮的图像 调用CLAHE 限制对比度的直方图均衡化进行图像处理，并采用高斯滤波去噪

        第三步将图像都处理好后，就开始进行标注和训练了，使用的是labelimg进行标注，同时由于常见的数据集，如coco等没有仪表图像，所以所有的数据集只可以手动获取，这里也是花了很多时间进行数据集的收集制作，主要的方式有直接搜索存图（这里推荐使用以图搜图的方式进行查找，比直接搜索可以得到更多更相关的图像），购买别人仪表数据集，最后整理了一份几百张的数据集。但是对于一个深度学习任务来说，几百张的数据集是远远不够的，所以还需要进行数据增强，也就是数据集扩充。本来想着调用opencv直接遍历文件夹对图像进行各种变换就可以了，但是一想到后面生成的数以千计的图像还要再标注，心情是崩溃的，本着能偷懒就偷懒的原则，我就想能否在进行数据增强的时候，带着标记好的文件一起变换，思路一打开动力就来了，果然前人早就遇到过这个问题，并且想到了解决方案，不得不感叹我们真的是站在巨人的肩膀上前进。我借鉴了一些前人的算法，改良出了一个数据增强算法，可以扩充数据集，并且可以带着标签一起变换，不需要再做其他标注了。最后在进行数据增强以后也是把数据集的图像扩充到了4位数，开始喂给网络训练。

 在训练的过程中要关注各个参数的值，不能在一旁打lol就不管了，yolov5提供了很棒的可视化工具tensorboard，一定要用起来，通过分析tensorboard里面的各大性能指标曲线，不仅可以实时了解训练的情况，还可以在训练跑完后帮助我们找到可能存在的问题，从而进行对应的调整。

tensorboard --logdir=runs/train  # 可视化命令

最后一次训练完我的参数跑的已经相当不错了，但是都是一路摸索过来的，一路上经历了precision很高但是recall很低，recall很高但是precision左右横跳，误判率高的吓人等等问题，但是都一步一步调整了过来，在tensorboard里面把所有曲线都打开，可以看到每一次的对比，没有什么成功是一蹴而就的，都需要一个过程，努力吧，骚年！

训练完成之后，就是喜闻乐见的detect环节，虽然网络已经提供了自带的训练结果展示，但是我还是留了一小部分数据，没有当测试集也没有当数据集，就是留着检验模型的成果，结果如下，效果还是很不错的。

 没有显示置信度是因为我手动设置了不显示置信度，同时还修改了框的粗细，因为都是数字，比较密集，如果显示置信度以及用原始的框的粗细的话会导致识别结果很难看，就像下图

 检测完毕之后，其实神经网络已经可以实现大体上的任务了，但是还需要写一个接口，获得读数的数值和读数的时间，如果还能把读取的图片一并显示出来就更好了，这样才像一个比较成熟的系统，总不能一直在pycharm里的控制台来看结果吧。

        第五步动手尝试实现一个接口，完成上述目标，看起来简单，做起来难，因为要做一个接口意味着要能够获取到网络detect过程中的参数，同时把他拿出来为己用，这需要对yolov5的源码很了解，才可以做到随心所欲的从里面拿走参数，于是我又花了一段时间来啃yolov5的源码。功夫不负有心人，在一段时间的硬啃之后，我已经大概明白yolov5的推理过程，于是我在源代码的基础上加了一些内容，实现了这个接口功能，具体实现思路如下：

1、首先阅读源代码我们知道，yolov5是先检测到目标以后，再将检测到的目标的信息传递给一个绘图工具（plot_one_box），由这个工具在图像上把检测的目标框起来，并打上其类别和置信度，所以我们要做的就是获得这个检测目标的各种信息，同时我们也要明确，这个信息包含着检测目标的位置信息，类别信息，和置信度。

2、其次我们要知道，yolov5在进行目标检测的时候是无序的，比如一张图上有两只狗一只猫，yolov5在检测的时候有可能先检测出猫，然后把它在图上框出来，再去检测狗1和狗2，也有可能是狗1，猫，狗2，在我们的任务中，一个表的示数是0479，yolov5不一定是按照0479这个顺序来检测，有可能是4790，4097，4970，这就给我们带来了麻烦，表的读数是有序的，yolov5的检测是无序的，我们需要先排序。

3、排序的方法，考虑到仪表读数一定是从左往右依次读取，所以如果可以获得每个检测目标的位置信息，随后计算出中心点坐标，按照中心点坐标从小到大的顺序来输出（yolov5的坐标轴原点在图像的左上角），得到的结果自然就是从左往右的读数结果了，所以我们明确了目标，获得位置信息，计算中心坐标，将中心坐标排序，并按照这个排序输出对应的类别，也就是读数。

4、接下来就是coding过程，烧了几天脑子后，写出了一个读数工具，可以获取网络每次检测目标的参数，同时计算其中心坐标点，并将其和本次检测的目标以键值对的方式保存在字典里，比如0和4在图中的位置是0,4那么就会创建一个字典，保存的内容是{123:0,223：4}最后由于123小于223，所以先输出0再输出4，就完成了对于读数的正确输出。

        最后能够get到读数以后，又花了一些时间，学习编写了一个简单的UI界面，能够显示出本次读取的图片，读数的时间，和读数的结果，同时在本地创建一个txt，把每一次读数的时间和结果保存，方便后续查看。在这里也遇到了一个问题，就是小数点，由于不同类型的表小数点的位置都不同，如何正确输出小数点，也是一个问题，我尝试了前期标注小数点，让网络去识别的方法，但是效果很一般，原因就是小数点就是黑不溜秋的一个小点，基本上没有什么特别的特征，并且小数点实在是太小了，记得武忠祥老师有一句话，叫做有条件麻溜点上，没有条件创造条件也要上，我宁愿犯错，也不愿什么都不做#￥%……&*，所以在考虑后，打算用算法解决，烧了一下脑子，写了一个小数点算法，可以根据表的读数和表的类型自动加上小数点，到此终于完工了，运行，输出，结果如下：

 可以看到在一个UI窗口正确输出了读数的时间和读数的值，并且在txt中保存了当下读数的时间和读数的值，这么模糊的图都能够正确读数，由此可见读数效果还是不错的….

        最后的最后再将写的各种算法进行封装整理，写进yolov5的源码里串联在一起，这样只需要丢进去一张图片，就可以直接得到如上的UI界面，并保存读数，不用手动跑多个程序了，舒服多了，其实可以再写一个入口的UI界面，完全做成一个读表的小程序，但是由于作者太懒，所以暂时先搁置吧，以上就是这一个项目的大致总结，如果想起来什么再进行补充吧….

（下面是一点总结碎碎念，内容已经全部写完，如果只是借鉴思路的话，以下可以跳过）

本次项目中学到了：

1. 项目到手后先多读文献，多查，多看，上到期刊paper，下到csdn各种文档，这个过程主要的目的就是看看前人是怎么做这个任务的，积累思路，如果遇到不错的方法可以做一下笔记，这个互联网时代，最不缺的就是资源，只要你愿意去找。
2. 遇到问题先去搜索，看看是否有人遇到过类似的问题，看看别人是怎么解决的，吸收思路，站在巨人的肩膀上学习可以更有效率，如果没有找到类似的问题就自己排查，将代码分成不同的块，一块一块执行，执行一步就print出来，看看是哪一步出了问题。如果是很复杂的算法，就把核心模块写一个简化版本，看看核心部分可不可以跑通，如果核心区域没问题，那就可以考虑是不是数据的传入，或者类型的转换出了问题，实在不行就保留核心，其他重写。如果是和文件，路径，数据集有关的问题，那就一定要打开对应的文件路径看看，是不是有什么东西忘记删除，有中文路径，或者某一个图片有点问题，导致了整个数据集跑不起来，可以遍历文件，一张一张图排查，找到罪魁祸首。如果实在无法解决问题，那就直接remake，从头开始，仔细的把每个步骤过一遍，有时候项目大了注意力分散，很容易在细节的地方出问题，从头走一遍可以帮助自己找到细节的问题。
3. 不可以忽视理论的重要性，虽然刚开始做这个项目的时候我也是想着赶紧先把整体功能干出来，再去看理论，但是做着做着发现，理论不仅可以帮你优化你的模型，还可以帮你找到很多问题，如果理论理解的比较清晰，甚至可以更改这个大框架，让他为你服务。理论，源码要多看，多积累，但是不可以看了就算了，要做做笔记，毕竟看的过程也是学的过程，学一遍就写一遍，加深印象。
4. 书里的知识就当做是字典，是help文档，可以帮助你解决一些问题，但是真正的创新还是藏在解决问题的过程之中，你在解决新的问题的同时，就已经是创新了，书上的东西都是旧的，只有卡着你脖子让你停滞不前的，才是新的，在艰难前进突破关卡的时候，回头看看自己烧脑子写出来的，替你过关斩将的算法和工具，那些都是你的创新成果，是任何一本现有的书籍上都没有的新内容。
5. 路还很长，这个时代就是很卷，不努力就会被淘汰，就会在饭局的角落里沉默不语，只能看着多有成绩的同辈们笑谈风声，早点动手，多吃点苦，提高自己的下限，没有什么成功是一蹴而就的，努力吧骚年！