转速是监控发电机、电动机、离心机等旋转设备状况的重要参数。实时速度测量在精密加工和故障预警方面起到至关重要的作用,因此在各个行业中,精确而可靠的速度测量是必要的。随着高性能GPU的问世以及图像处理速度的提高,图像处理技术（尤其是在图像捕获,识别和分类领域）实现了巨大的飞跃。本文通过训练监督模型对图像进行分类,有助于解决需使用大量带注释的数据集才能解决的问题;本文还强调了现有技术的局限性,如基于接触式或非接触式转速计的转速计算方法,转速计可能会遭受磨损,有些则无法在恶劣的工作环境中正常工作。有几种市售转速表,由于其安装成本和维护成本较高,在大规模工业实验中难以应用。因此,商业上需要一种结合实时在线数据实验的方法,并与现有的早期故障诊断技术相结合,以获得准确而有效的实验结果。准确、动态地测量瞬时转速是对旋转设备进行智能监测和诊断的重要条件。本文提出了一种基于廉价成像装置的实时速度测量系统。在研究中使用二维码进行标记,对序列图像进行预处理,并将其从RGB转换为灰度,然后通过相似性评估方法进行处理,以获得与参考图像具有一定相似性的图像。最后,利用一种确定重构信号周期性的算法来获得转子的转速。文中给出了系统的原理图、组成结构和性能评估,在实验室台上进行了一系列实验,定量讨论了帧速率、图像相似度评价算法、频率确定算法等各种影响因素对测量系统性能的影响。实验结果表明,在给定每秒10至500帧的情况下,该系统能够在100至1800 rpm范围内连续测量转速,并证明了该系统能够准确测量瞬时转速（IRS）。