关键词： 机器视觉   指针仪表   读数识别   帧差分   最小外接矩形  

摘要： 针对基于机器视觉的仪表自动校准系统,提出了一种在HSV颜色空间中进行指针仪表读数识别的方案。首先通过对比指针位置不同的两幅表盘图像获得不包含指针的参考表盘图像,然后在其明度分量中通过Hough圆检测进行表盘中心定位,在饱和度分量中进行刻度区域定位,并采用连通域标记法定位刻度线质心,用这些质心和表盘中心建立读数识别参考系统。针对待识别的表盘图像,基于帧差分法进行指针区域定位并确定指针的最小外接矩形,将其质心视为指针质心以克服质心偏移问题,在检测到刻度线质心和指针质心后,采用角度法进行读数识别。实验结果表明该方法能精确有效地确定指针仪表读数。

关键词： 多仪表   指针式仪表   鱼眼镜头   图像畸变   读数识别  

摘要： 首先选用具有广角视场角的鱼眼镜头来采集含有多个指针式仪表的图像,然后对多仪表图像进行3步预处理操作,图像灰度化,消除鱼眼镜头的桶形畸变,消除由镜头平面与表盘平面不平行引起的图像形变,并将多仪表图像分割成多个单仪表图像。依次对每个单仪表图像进行读数识别,过程包括表盘提取、指针检测、读数计算。实验结果表明:在分割出的单仪表图像质量不高的情况下,仍能得到比较满意的读数结果。

关键词： 仪表识别   算法分析   过程研究  

摘要： 随着计算机信息技术的高速发展,高效的智能化算法越加在社会各方面发挥着重要的建设作用,也深刻地影响着社会的技术改造。在此对于诸多的传统行业也越发发生着深刻地变化。尤其表现在高品质的视觉算法上,通过高品质的指针式仪表识别可较为高效地实现对多场合的仪器仪表达到精确地监控并且通过该类技术也可较大程度地改善现行多场合的仪表无法实现实时有效监控的落后现状。在此就针对指针式监控中的相关干扰要素、转换为视频图像的模糊现象进行全局化的分析,在不断的实现深度学习与图像处理技术的技术上,而实现对于相关设备图像的类别的高品质精确性识别。在此对于基本性的深度学习算法展开分析的同时,结合实际的图像特征提取分析,实现相关仪表的高品质图像跟踪、识别,从实用性的理论及应用角度进行切入,为后相关算法深入研究奠定实践基础。

关键词： 指针式仪表   自动识别   计算机视觉   图像处理  

摘要： 随着我国经济实力的不断发展,自动化技术广泛的应用于各行各业中,尤其是船舶设备中,其能够为船用指针式仪表提供自动化功能,不仅能够准确的得到精准的方位,还能实时分析船舶运行方位的正确性。本文主要对船用指针式仪表自动识别方法进行深入研究,提高识别能力。

关键词： 巡检机器人   指针阴影   指针式仪表   三次样条插值   灰度梯度  

摘要： 针对变电站巡检机器人指针式仪表自动识别中易受指针阴影影响的问题,提出了一种基于三次样条插值的指针式仪表图像分割方法。提取包含指针的圆形区域作为信息图,对信息图进行中值滤波、灰度拉伸;使用16个固定的阈值对信息图进行分割,并统计指针的长度和面积;使用三次样条插值法对面积序列插值并计算其一阶差分,以指针长度大于信息图半径的最小阈值作为起点,求得一阶差分的第一个波谷点,以该点对应的灰度值作为分割阈值对信息图进行图像分割。图像分割实验表明,文中算法对含有指针阴影的仪表图片分割成功率由10%提高到94%,识别成功率由82%提高到98%,提取的指针中仅包含少量的无效信息,减少了后续算法的运算浪费;鲁棒性实验表明,该算法对各种环境干扰具有较好的鲁棒性。

关键词： 指针仪表   Hough变换   读数识别  

摘要： 机械式仪表具有结构简单、便于维修且价格低廉等优点,在石油勘探、油田设备运行监测中普遍使用,是获取机械设备信息,实现设备状态监测的重要手段。一般,仪表信息的获取是由指针示数或偏转值来表达的,经人工读表或抄表的方式获取示数。读数过程容易受到各种主客观因素的影响,如人眼分辨能力、观察角度、现场光线及各种环境因素等。人工读表既浪费时间和精力,且不能保证准确读数,容易产生误差,导致不能准确、及时地获取机械设备运行中参数的变化。应用数字图像处理技术,结合Hough变换算法,本文提出了一种指针式仪表读数的自动识别方法。有三个主要的步骤:首先是图像预处理,包括缩放与图像调正,灰度化、平滑去噪、二值化以及边缘检测,以提高图像的信噪比。其中,使用轮廓跟踪法进行表盘区域与指针区域的分割,同时进行了降噪处理;其次是指针直线的检测,包括使用形态学的方法进行仪表指针细化,通过Hough变换法实现了指针位置检测与指针方向的确定。其中,利用剪影法确定了仪表回转中心;最后使用角度与刻度线关系确定仪表盘有效量程,完成了指针式仪表示数的自动读数识别。通过GUI平台进行了实验与结果分析,对指针直线检测的误差和指针与刻度线重合的误差进行了分析,并提出了相应的解决方案。完成了三类共20余幅有代表性的指针式仪表图像处理及读数识别实验,实验结果表明:通过Hough变换法的指针式仪表读数识别精度明显高于人工读数识别。本文所提出的自动读数识别方法更准确、可靠且读数效率高,省时省力,对油田机械设备的状态监测具有明显的现实意义。

关键词： 指针式仪表   机器学习   深度学习   Mask-RCNN   图像处理  

摘要： 指针式仪表具有结构简单,成本低廉,抗干扰性强,经久耐用等特点,已广泛应用于电力设备监控、工业制造、军事和航空航天等领域。在正常情况下,指针式仪表的数据读取和记录始终依靠手动观察。但是,手动观察会出现工作量大,即时性差,效率低以及更重要的是高错误率的问题。随着企业自动化和智能化的发展,人工阅读已不再能满足现代企业对管理和维护的要求。目前,传统的指针式仪表读数识别的大多数算法只能在特定的环境或固定的位置运行,而没有高度的可靠性,稳定性和长期可用性。随着深度学习的发展,本文将数字图像处理技术和深度学习相关技术相结合,对指针式仪表读数识别各阶段的方法进行深入研究。本文研究的核心内容主要包含四个方面:从摄像头采集的图像中识别和分割仪表盘区域、对获取的仪表盘的预处理、仪表表盘指针的分割和细化、仪表表盘数字的分割和识别。本文结合深度学习的相关知识,在仪表表盘的识别和分割中,提出和改进了Mask RCNN卷积神经网络模型来对自然环境中指针式仪表有效信息的获取,并且建立了训练数据集对该算法进行训练和测试,实现自然场景条件下精准快速的识别和分割尺寸和类型各异的仪表表盘,具有抗干扰性强的优点。与传统图像处理定位表盘区域相比较,通过深度学习对不同自然场景中获得图像提取表盘区域适用性更好,不会被不同的背景干扰所影响,而传统图像处理对于不同的背景干扰需要进行不同的校正,适用性较差;在对获取的仪表盘预处理中,采用加权平均法灰度化、OSTU算法(最大类间方差法)二值化、连通域标记进行预处理,方便后续操作;在仪表表盘指针的分割和细化,针对仪表有效信息特征,采用连通域标记、OSTU阈值分割、最小二乘法对仪表指针的提取和拟合;在仪表表盘数字的分割和识别时,首先对表盘中的数字和刻度线分割,然后采用改进Lenet-5卷积神经网络(Convolutional Neural Network,CNN)模型对分割得到的数字进行识别,并通过统计表盘刻度线的个数得到分度值,从而提出一种模拟人工读数的方法,提高了仪表示数读取的准确性。利用深度学习相关技术解决了人工读数工作强度大的问题。

关键词： 智能识别   图像处理   Mask R-CNN   梯度算子   指针式仪表  

摘要： 随着煤矿智能化、信息化的建设,指针式仪表的数据监测功能起到了非常重要的作用,对煤矿安全高效的生产具有重大意义。目前,在矿井中指针式仪表的识别主要靠煤矿工人观察并记录,为了提高仪表识别的准确性、实时性、快速性,本文针对煤矿中指针式仪表的智能识别进行了研究。主要的研究内容如下:首先,针对传统目标检测算法不能同时检测多种类别的目标、运算时间长、鲁棒性差,因此本文采用了基于深度学习的Mask R-CNN检测算法对图像中的指针式仪表进行了识别与提取,并搭建了Mask R-CNN网络模型,制作了相应的数据集。然后对模型进行了训练和测试,仿真实验结果表明,Mask R-CNN检测算法能够迅速准确的检测和提取各种不同类型的指针式仪表。其次,对指针式仪表图像进行图像预处理和仪表的特征提取。采用了图像灰度化、图像滤波、图像二值化和图像形态学处理,从而得到了清晰的表盘信息。采用了梯度霍夫变换算法来检测圆形仪表的表盘和圆心。针对非圆形仪表刻度区的圆弧特征,采用了梯度算子来强化与刻度线正交方向的信息来识别圆弧。然后,采用三点共圆弧的方式来确定圆心,从而定位仪表指针的旋转中心。最后,仪表指针的拟合及仪表示数的判定。通过径向灰度算法,拟合出指针直线并定位指针所在的位置。然后,应用角度判读法实现了仪表示数的读取。选取了25MPa的压力表和400A的电流表进行了测试,实验结果表明:压力表的绝对误差在0.2MPa以下,电流表的绝对误差在5A以下,引用误差都小于2%。结果表明,本系统在实际应用中可以准确的识别指针式仪表的示数。

关键词： 仪表识别   Faster R-CNN   特征对应   指针检测  

摘要： 随着科学技术的进步和智能电网投资的加大,巡检机器人逐渐被应用于变电站中指针式仪表的检测与识别。但是目前对于仪表的自动巡检仍然需要人为参与,对巡检机器人采集到的仪表图像进行示数判读,所以仍不能真正实现智能变电站的目标。另外,受限于巡检机器人的拍摄质量,仪表的读数结果也会受到较大的影响。对此,本课题提出了一种基于图像处理的变电站指针式仪表识别系统。系统地研究了仪表的检测、预处理和自动示数识别算法,并作出了相应改进,实现了一种实用、稳定的变电站指针式仪表识别。本文的主要研究工作如下:1、首先,为了解决变电站指针式仪表识别时存在的仪表位置随机性、环境复杂性和多类型仪表问题,本文提出了基于仪表检测、仪表预处理和仪表识别的系统设计思路和相应的技术方案,降低了仪表识别难度,实现了系统的通用性。2、接着,本文提出了一种基于Faster R-CNN的仪表检测算法。该算法在原始Faster R-CNN算法的基础上,结合多尺度训练、增加锚点数量并引入了在线困难样本挖掘机制策略来增强模型的性能,能够准确地将目标仪表从变电站复杂的背景中检测出来。同时算法能够根据检测框在当前检测视野中的位置,对相机的位置和焦距进行调整从而获得居中、放大的高质量仪表图像。3、其次,针对复杂环境下的仪表识别本文改进了仪表图像预处理算法。该算法首先使用MSRCR算法对光照不均的仪表图像进行调整,然后设计了光斑检测流程,利用改进的基于特征对应的算法修复光斑,能够恢复图像的有效信息,减少光照等环境因素对图像的影响。4、最后,本文设计了指针式仪表示数识别算法。该算法首先基于预建模算法完成不同类型仪表的先验信息采集,降低识别的难度。然后通过表盘提取、形态学处理、Hough变换等完成指针检测,并通过角度法完成示数识别。算法在保证识别精度的同时,适用于多类型仪表。