关键词： 仪表检测   特征相似性度量   自适应Canny算法   缺省刻度修补  

摘要： 针对目前电力机房巡检机器人仪表识别精度不高的问题,提出了一种新的仪表检测识别方法。该方法分为两个部分,第一部分为仪表检测过程:提出了一种基于相似性度量的目标检测方法。首先,采用Faster RCNN网络生成一系列候选集,然后由高置信度的目标区域建立特征模板,再根据特征相似性对低置信度的目标区域进行判别,最后将筛选结果和特征模板作为检测结果,从而实现对仪表类型的识别与定位。第二部分为指针式仪表读数识别过程:采用自适应Canny算法进行边缘检测,然后采用八领域轮廓跟踪算法串联边缘点获取轮廓,并通过分析轮廓形态,提取指针和刻度线段。最后通过改进的刻度修复算法解决光照下刻度缺省问题,从而建立完备的刻度坐标系,再根据坐标系中的指针与刻度之间的相对位置得到仪表读数。实验结果表明,本算法对于光照条件、拍摄角度、电力机房环境干扰具有较好的鲁棒性,提高了仪表识别的准确性和实时性。

关键词： 指针式仪表   二维码匹配   图像校正   表盘区域提取   读数识别  

摘要： 提出了一种基于二维码匹配的指针式仪表读数识别方法.该方法先实时采集高质量的仪表状态图像,同时获取二维码定位点信息以及与二维码相连接的数据库中存储的仪表类型信息,再根据二维码定位点信息对仪表图像进行快速倾斜校正,并利用二维码与仪表之间先验的几何位置关系快速提取图像中表盘所在的区域,最后根据获取的仪表类型信息,选择对应的仪表读数识别算法,以实现快速准确地识别仪表读数.实验结果表明:该方法能有效提高指针式仪表读数识别的准确率,尤其是对于复杂背景的仪表图像,该方法可用于电力系统中刻度均匀的指针仪表识别.

关键词： 二维伽马函数   指针区域提取   最大稳定极值区域(MSER)   细化算法   累计概率霍夫变换(PPHT)  

摘要： 针对巡检机器人室外自主识别仪表示数易受到光照影响的问题,在研究了基于二维伽马函数的仪表图像光照不均匀自适应校正算法的基础上,提出了基于最大稳定极值区域(MSER)提取指针区域的算法。首先,通过三尺度高斯函数提取光照分量,构造二维伽马函数自动地调整图像反光区域或过暗区域的亮度;然后,通过MSER的两次稳定区域检测提取指针区域;接着,以指针通过仪表轴心为条件,用细化算法和累计概率霍夫变换(PPHT)精确地定位到指针,提高了定位直线的准确度;最后,通过PPHT检测的直线两个端点与轴心位置比较,直接可以判断指针指向,更加方便了计算示数。实验结果表明,所提的仪表示数识别方法能够适应不同光照下、不同类型仪表的指针定位,且识别示数的正确率达到94%以上。

关键词： 水电站   指针式仪表   同态滤波   Hough变换法   特征提取  

摘要： 电力系统的稳定性与水电站的安全运行密切相关,而水力发电系统设备的运行状况主要通过监测仪表的实时数据来反映,一般应用人工日常巡检记录的方式来保障水电站安全运行工作。由于数显式仪表抗电磁干扰能力差,而水电站本身就是一个强大的电磁干扰源,所以在复杂的电磁环境下,水电站中布置了很多指针式监测仪表,这些指针式仪表读数识别的精确性直接影响着水电站的安全运行,目前指针式仪表读数大多由人工手抄记录,人工读数精度低、劳动强度大且易受到光照、气候以及人员疲劳工作等因素影响,这些影响因素可能会给水电站的安全运行带来隐患。针对以上存在的问题,为了避免人工判读带来的误差、降低人员工作强度、提高指针式仪表读数的准确客观性以及提升水电站监测管理的自动化与智能化水平,本文将对水电站内指针式仪表读数自动识别系统进行研究。主要研究工作如下:(1)针对仪表图像中存在的高斯或椒盐等噪声,通过仿真实验对比分析空域去噪和频域去噪两类去噪技术中的滤波方法,并根据实验结果提出了利用中值滤波与小波软阈值去噪相结合的去噪方法。同时对于仪表图像中局部过暗或过亮等情况,采用同态滤波算法进行图像对比度增强处理,为后续图像处理、识别与分析奠定基础。(2)为了确定仪表图像中特征提取与识别等核心技术,经过研究分析并进行仿真实验对比,确定采用Hough变换法对仪表指针进行直线提取以及对仪表表盘刻度线分布进行圆拟合。同时依据仪表指针偏转角度的计算方法,采用角度法计算模型进行仪表读数的自动判读,并经过测试检验仪表读数计算结果的准确性与精确度,结果显示其识别准确率在92%左右,相对误差则在3%范围内,这些性能基本上能够满足水电站日常巡检的工作要求。(3)综合分析得出水电站指针式仪表读数自动识别系统的实际功能需求,依据仪表读数自动识别算法处理的全过程,利用MatLab软件平台设计开发出一款界面简洁,操作简单,面向性强的图形用户界面处理系统,并进行了系统功能操作测试。测试结果表明,该系统满足设计要求,完全能够实现仪表读数的准确识别,并且系统运行过程中无卡顿、延迟等现象,因此为水电站指针式仪表读数的自动化识别以及水电站的信息化、智能化等打下基础。

关键词： 机器视觉   指针式仪表   读数识别   表盘定位   读数校正  

摘要： 指针式仪表具备结构简单和成本低的特点,且指针摆动能形象的表示出数据变化,被广泛应用于工厂仪器、交通工具中。随着自动化水平的提高,通过机器视觉的手段对指针式仪表进行读数识别将会是必然趋势。因此,研究如何提高指针式仪表读数识别算法的准确性、鲁棒性以及适用性,具有十分重要的理论和实际意义。本文针对现有算法对表盘区域定位效果不佳,诸多参数需根据使用时的场景人为选定,指针在图像上的投影偏离实际位置造成读数误差等问题,设计了一个包含表盘区域定位、表盘预处理、指针提取及直线检测、指针针尖重定位和读数计算的完整的指针式仪表读数识别算法。本文主要研究内容如下:（1）研究了表盘和起止刻度定位的方法,提出一种基于表盘和起止刻度定位的仪表读数识别算法。首先,针对在复杂环境下表盘区域定位效率低、鲁棒性差的问题,自主构建指针式仪表数据集,改进了YOLOv3模型使其在对表盘区域和数字区域准确定位的同时准确判断其所属类别。然后,通过计算比较数字位置与主刻度线重心之间的位置关系,对任意姿态的仪表图像中起止刻度位置的实现准确定位,避免读数时对人工标定的固定刻度位置的依赖。最后,根据起止刻度和指针针尖位置的关系,计算仪表读数。（2）研究了表盘图像预处理和指针提取及直线检测的方法,获取读数需要的针尖位置。首先,在表盘区域对图像进行灰度化、去噪、增强处理,突出仪表指针和刻度特征信息。接着,根据仪表分类结果自适应的设定指针检测相关参数,采用阈值分割实现对指针区域的提取。最后,通过Canny边缘检测、角度与参数约束优化的Hough变换实现对指针直线的稳定检测,从而确定指针针尖位置。（3）研究了通过指针针尖重定位完成仪表读数校正的方法。为解决投影成像造成指针式仪表读数的误差问题,提出一种基于双目立体视觉的指针式仪表读数校正算法。首先使用标定的双目相机采集指针式仪表图像,通过立体校正使左右图像在水平方向对齐;然后,在左右图像的数字区域提取SIFT特征点并完成匹配;最后,根据三对匹配点的三维信息构建表盘平面,将针尖点在平面上重定位。通过搭建双目视觉系统进行算法测试。实验结果表明,算法对表盘定位及分类的正检率达到97.5%,在此基础上提取指针针尖并完成针尖重定位,由于投影成像引起的读数误差降低了60%以上,实现了指针式仪表读数的准确识别。

关键词： 指针式仪表   图像预处理   特征提取   Freeman链码   示数判读   倾斜校正  

摘要： 指针式仪表因其结构简单、使用便利、示数识别可靠性高、成本低且易于用在各类环境恶劣的场合等优点而被广泛应用在军事、医疗、教育、工业生产和生活之中。虽然数显仪表技术发展十分迅猛,但是指针式仪表在工业生产过程中仍占据主要地位。目前指针式仪表数据的获取大多数是由人手工抄表,手动记录并分析数据,在处理数据时劳动强度大、效率低,容易受到外界因素的影响,这些因素都会对识别得到的指针式仪表示数准确性产生影响。相比于传统的人工获取仪表信息的方式,计算机视觉技术的应用,极大地降低了劳动成本、提高了仪表检测的自动化水平,具有广阔的应用前景。目前,实现指针式仪表的自动识别任务是图像处理与模式识别领域研究的重点,其识别的关键在于如何快速准确对指针直线进行特征提取。因此,为避免上述问题的发生和提高线性指针式仪表识别的自动化水平,本文提出一种新的指针检测与示数识别方法,具体完成如下工作:首先,图像预处理。在进行图像识别工作之前要对待识别图像进行灰度化处理、图像滤波以及边缘检测等预处理操作,详细分析各部分完成的内容和相应的实现效果,通过对比分析确定合适的算法进行线性指针式仪表自动识别的预处理过程。其次,仪表指针提取与示数识别工作。分析现有识别算法中存在的不足,综合考虑图像特征提取过程中,无法高效地提取图像中的仪表指针,导致识别算法效率过低。因此本文提出一种基于阈值处理的Freeman链码仪表指针提取方法。通过对预处理后得到的图像进行Freeman链码操作,经过阈值筛选,获得图像中的仪表指针特征,根据链码方向参数计算指针偏转角度,采用角度法进行指针示数的识别工作。经比较分析验证本文提出的算法具有准确性、通用性和高效性。最后,倾斜线性指针仪表图像的校正和识别。图像获取过程中会由于某些外界条件的限制而无法获取正视图,导致出现图像倾斜的问题。分析倾斜的各种类型,针对图像发生畸变倾斜情况下,获取图像的特征点和匹配点,利用透视变换进行一次校正,使图像变为水平倾斜;再根据仪表倾斜特点计算出新一组特征点和匹配点,利用透视变换进行二次校正,从而完成指针式仪表倾斜校正的过程。通过不同的仪表图像和相关参数验证本文提出的方法能快速地校正倾斜图像后准确地得到对应的示数。

关键词： 目标检测   图像配准   仪表识别   卷积神经网络   图像文本检测  

摘要： 在过去的几十年中,随着计算机技术的发展,计算机视觉和数字图像处理技术已被广泛应用于指针式仪表的检测与识别。本文针对巡检机器人采集的刻度分布均匀的圆形指针式仪表图像,提出了一种基于计算机视觉的指针式仪表自动检测与识别方法,该方法主要包含仪表目标检测、仪表图像配准和仪表读数识别三个步骤:首先,利用改进的YOLO算法训练自制的指针式仪表数据集,得到卷积神经网络模型,通过训练的卷积神经网络模型检测当前视野下仪表目标的包围框位置,得到仪表目标的感兴趣区域,完成仪表目标的检测。然后,使用ORB算法对检测到的仪表目标图像以及预先获取的高质量仪表模板图像进行特征点提取,利用快速最近邻匹配(FLANN)算法对提取到的特征点进行特征点匹配,通过随机抽样一致(RANSAC)算法结合改进的特征匹配策略对错误的匹配对进行剔除,进而得到透视变换参数模型的参数矩阵,通过对待配准的仪表图像进行透视变换得到正对的高质量仪表图像,完成仪表图像的配准。最后,利用改进EAST算法对配准后的高质量仪表图像进行文本检测,检测出仪表图像中的所有文本,利用设计的印刷体数字识别模型对检测到的文本图像进行识别,筛选出仪表刻度数字,得到仪表刻度数字的位置信息与数值,通过仪表刻度数字的位置与数值信息提取出仪表刻度线轮廓、表盘中心以及仪表指针直线,结合角度法和距离法,完成仪表读数识别。通过大量实验对所提出的指针式仪表读数判别方法进行验证,实验结果表明,本文所提出的仪表识别方法的平均准确率高于97.5%,对于复杂背景下刻度均线的圆形指针式仪表的自动检测与识别任务具有良好的准确性与稳定性,可满足智能变电站的实际应用需求。

关键词： 计算机视觉   机器学习   深度学习   指针式仪表   自动识别  

摘要： 随着科技的不断发展,工业信息化、数字化的不断提升,指针式仪表作为数据测量、数据监控、数据收集的重要工具,在工业生产生活中发挥着巨大的作用,对维持正常的生产生活具有重要的意义。然而,当前仍然存在大量需要人工进行采集和录入的指针式仪表监测数据,这种数据采集方式不仅仅耗费大量的人力、物力,而且也会影响数据的时效性并造成一定的数据误差。同时部分指针式仪表工作环境恶劣,无法进行人工采集和数据信息传输。因此,如何对指针式仪表进行高效的、精确的自动数据录入变得尤为重要。随着近些年来图像采集成本的降低,图像采集质量的提高,图像识别技术也日趋成熟,因此本文采用基于图像处理的方式进行指针式仪表示数自动识别研究。本文通过结合图像处理和深度学习的相关技术,在研究和学习己有指针式仪表自动识别算法的基础上,提出和设计了一种基于深度学习和形态学的指针式仪表自动识别算法。本文设计的指针式仪表自动识别算法主要包含三方面的核心内容:仪表盘及仪表数字的检测和提取、仪表盘指针的定位和拟合、仪表盘数字的识别和仪表示数的判定。在仪表盘及仪表数字的检测和提取中,本文结合深度学习相关知识,提出和设计了对自然场景中仪表有效信息提取的卷积神经网络模型MASKR2CNN,并构建了相应的训练数据集对模型进行训练和测试,从而实现对自然场景中的仪表盘进行图像分割和有效信息提取;在仪表盘指针的定位和拟合,针对本文设计的指针式仪表有效信息特征提取方式,采用Ostu阈值分割法和概率霍夫直线法对指针进行拟合和定位;在最后一部分核心内容中,本文采用KNN对仪表数字区域进行数字识别并采用距离法对最后示数进行判定。经实验结果测试,相对误差在5%以内的示数识别准确率为81.64%。

关键词： 指针式仪表读数   目标检测   特征相似性度量   LSD算法   图像细化   骨架分支点   Retinex理论  

摘要： 为了建设智能化、无人操作管理化机房,电力机房逐渐采用巡检机器人代替人工进行工作。但是在巡检过程中,指针式仪表自动识别一直存在识别精度不高、易受光照变化影响的问题。论文针对指针式仪表识别问题展开研究,系统地研究了仪表检测与定位算法、指针和刻度拟合和复杂环境下仪表刻度拟合等方法,实现了适用于电力机房巡检机器人的指针式仪表读数方法。论文主要工作和创新点如下:(1)研究了基于Faster RCNN和相似性度量的仪表检测算法。由于Faster RCNN网络生成的候选位置筛选不精确,易造成误检和漏检的问题。采用了基于特征相似度比较的模板匹配策略,从特征层面对候选区域进行深入分析和类别判断,进一步强化了候选区域筛选机制,有利于减少误检和漏检现象,提高了检测精度。(2)研究了指针式仪表读数识别算法。通过基于轮廓的边缘检测算法计算仪表倾斜角度完成对仪表的校正。采用梯度二阶导数的Canny边缘检测算法过滤非刻度线段后,通过LSD算法识别刻度线段,然后通过Zhang快速细化算法对刻度进行细化并使用骨架分支点提取刻度线的重心。最后从角度法和距离法分析刻度与指针之间的关系,计算指针式仪表的示数。最后通过实验对结果进行分析,两种方法都能保证低误差率,满足巡检任务的要求,提高了指针式仪表读数识别的效率。(3)研究了复杂环境下的仪表读数识别算法。首先采用基于Retinex理论的自适应Gamma增强算法处理图像表面不均匀光照的影响。然后对刻度进行提取后,存在刻度缺省现象,根据刻度间角度关系,采用插值法进行修复。(4)研究了指针式仪表自动识别系统设计。首先,对巡检机器人系统整体设计进行详细介绍。然后,介绍系统硬件和软件组成,包括用户图形界面,系统算法流程的每一个实现步骤,并进行了可视化。最后通过实验与结果,分析算法识别结果,验证了算法的实时性和有效性。