基于灰度梯度联合二值图的抗干扰指针仪表自动识读方法

无人值守机器人在智能配电房进行设备状态检测过程中,需对配电房内的各类指针式仪表进行自动化识别判读。对于方型指针式仪表检测过程中出现的大角度倾斜、阴影与反光干扰,提出一种基于灰度梯度比值阵与联合二值图的抗干扰指针识别算法。在表盘定位过程中,提出基于灰度直方图峰值检测与灰度梯度比值阵相结合的方法,有效消除了边框阴影的干扰,实现四条边框方向的定位;在指针识别过程中,提出基于联合二值图的方法,有效增强了表盘中的指针信息,并通过Hough直线检测与线段聚类,最终进行倾斜校正从而获取指针角度。利用C++语言与OpenCV视觉库在计算机中进行算法实现与验证,结果表明,该算法在强干扰条件下仍表现出较高的鲁棒性和精度,具有较高的应用价值。     

基于YOLOv4的指针式仪表自动检测和读数方法研究

针对仪表自动检测读数时,由于仪表特征不明显、复杂背景环境等因素造成的仪表检测困难、提取速度慢的问题,提出了一种基于YOLOv4的指针式仪表自动检测和读数方法。首先,利用YOLOv4检测提取了仪表盘区域,采用霍夫变换裁剪了表盘区域;其次,在表盘区域查找了刻度线轮廓,利用最小二乘法拟合了刻度线轮廓直线,得到了指针回转中心;最后,细化指针轮廓,并利用随机采样一致性拟合了指针中心直线,根据指针的回转角度换算得到了仪表读数。实验及研究结果表明:采用指针式仪表自动检测和识别方法的仪表检测精度达到了98.6%,读数的平均基本误差为0.72%,平均识别时间为80.65 ms;同时,该结果也证明了算法的有效性和快速性。     

户外巡检机器人指针式仪表识别方法研究

在户外巡检环境下,巡检机器人捕捉到的图像容易受到环境因素的影响,导致仪表识别读数精度低、鲁棒性差。针对这一问题,提出了一种基于改进PSPNet的指针式仪表识别读数方法。首先使用YOLOv5识别出仪表区域,然后通过改进PSPNet提取出指针和刻度线区域,随后经过透视变换和提取指针直线,最后根据角度法计算出仪表读数。实验结果表明：在各种户外复杂环境下,指针式仪表读数平均相对误差为1.28%,平均引用误差为0.68%,每张图片平均处理时间为1.28 s,准确性和稳定性较高,为户外巡检机器人指针式仪表识别提供了有效手段。     

基于对称性特征的指针仪表识别

指针式仪表在电力行业应用广泛,对指针式仪表读数自动识别是实现电网设备自动化和智能化巡检的基础。通过提取待识别指针图像中的对称性特征,在角度和距离空间中进行投票,得到候选指针对称轴,再结合指针边缘像素点的共线性和指针对称轴线段对应的像素值近似一致性等先验信息,对候选指针进行筛选,并根据指针对称轴的旋转角度计算得到仪表的最终读数。实验结果表明,该方法能够准确定位指针区域并识别仪表示数,且算法耗时很短,能够满足对指针式仪表实时巡检的需求。     

基于YOLOv5和U-net的指针式仪表读数识别方法北大核心CSCD

针对不同背景、距离条件下指针式仪表读数识别准确性低的问题,提出了一种结合YOLOv5和U-net的仪表读数识别方法。首先引入了YOLOv5算法检测并提取仪表区域;其次采用Hough梯度圆检测提取纯仪表盘和U-net分割算法准确分割出指针轮廓,并通过指针细化,加权最小二乘法拟合指针所在直线,根据定位坐标系获取指针方向和偏转角度,最后利用指针的偏转角度计算仪表读数。结果表明:提出的方法检测每张图像的平均耗时为64.511 ms,读数识别的成功率达97%,平均引用误差为0.577%,能快速并准确地识别出指针式仪表示数。     

基于形态学处理的仪表指针提取算法

指针式仪表被广泛应用在工业检测等诸多领域,目前指针式仪表检测朝着自动化和智能化的方向发展。指针特征提取是指针式仪表检测系统中极为关键的技术,针对仪表表盘环境复杂、指针的粗细不一等因素导致的指针特征提取困难问题,提出了基于形态学处理的仪表指针提取算法。首先将获取的图像经过图像增强处理、中值滤波、otsu算法获得干净的二值化图,其次将反转后的二值化图经过形态学处理,最后输出提取结果。实验结果表明:该算法在损失极少量指针长度的情况下能够更为精确有效的提取指针信息,解决“双边缘效应”现象和复杂表盘环境下无关信息对指针特征信息的干扰,从而可以提高仪表检测的精确程度和仪表检测系统的适用性,对指针式仪表检测系统的读数识别研究具有重要意义。     

巡检机器人中的指针式仪表读数识别系统

为了解决智能巡检机器人仪表读数识别中易受光照变化影响、识别精度不高等问题,结合高压变电场中常见指针区域的图像特点,建立了指针式仪表读数高精度识别系统。鉴于巡检机器人的室外工作环境,提出了迭代最大类间方差算法,实现了多种光照条件下仪表图像的指针区域提取。经过分析指针转动和图像特性,提出了基于Hough变换的指针角度识别,推导出指针角度与仪表读数的函数关系。该算法较传统Hough变换角度提取法,增加了指针中心线通过表计中心等约束条件,提高了指针角度提取的精度,降低了搜索数据量和搜索时间。通过大量实验验证所建立的表计读数识别系统可实现室外各种光照条件下表计读数识别,获得95%以上的正确识别率。多组鲁棒性实验分析表明,该系统对光照条件、指针宽度、表盘干扰、拍摄角度(不产生指针阴影)具有较好的鲁棒性,但由于拍摄角度而产生指针阴影时,会引起较大的指针中心线提取和角度计算偏差,从而降低仪表读数识别精度。     

稀疏轮廓关联的直线整体矢量化算法

直线是工程图样矢量化过程中重要的识别对象,它的准确矢量化对图样的识别效果起到重要作用。基于光栅直线几何特征的局部和整体信息之间的关联,提出了稀疏轮廓关联的直线整体矢量化算法。该算法通过稀疏轮廓跟踪搜索直线的特征区域,得到直线特征区域的几何属性,利用获得的直线特征区域的几何属性指导直线后续的延拓跟踪。在延拓跟踪过程中,利用跟踪到的稀疏轮廓信息对直线进行延拓并进行校正,获得精确的矢量化结果。该算法在时间和空间上具有一定的优势,对直线的识别具有完整性和任意性、识别率高、具有强抗噪性等特点。     

基于计算机视觉的指针式仪表智能判读方法

指针式仪表的自动读数是近年来的热门研究内容，但一直存在由成像畸变导致的误差较大的问题。本文提出了一种基于计算机视觉的指针式仪表示值精确判读方法，在对指针式仪表图像中的指针与表盘长刻度进行提取并对其倾斜角度进行检测的基础上，依据针孔成像模型，分析了摄像机内部畸变参数对两直线间夹角成像失真的影响，建立了指针与零刻度间夹角、长刻度与零刻度间夹角的失真校正算法，采用牛顿插值法对指针与零刻度间夹角和仪表示值间的关系进行函数逼近，提高了基于计算机视觉的指针式仪表智能判读的准确度。对0．5级伏安表的判读实验证明了方法的有效性与正确性。     

基于ORB和改进Hough变换的指针仪表智能识读方法

为了满足变电站巡检机器人对电站指针仪表的智能识读要求,提出一种基于ORB和改进Hough变换的指针仪表识读方法,描述了该算法中仪表区域识别、二值化处理、骨架提取和读数获取等环节,利用C++在计算机上进行算法实现、验证。结果表明该算法满足读数精度要求、具有较好的实时性,拥有较高的可靠性和应用价值。     

便携式仪表巡检闪测系统的设计

针对传统人工仪表巡检的不便,设计了一种基于嵌入式Linux系统的便携式仪表巡检闪测系统。系统以三星ARM920芯片S32440A为核心处理器,通过CMOS图像传感器采集仪表图像信息,以RI-R6C-001A射频读写器芯片为核心设计电路将仪表信息发送给处理器,处理器将获取的图像和仪表信息上传上位机,上位机采用MATLAB图像处理软件分别对数显式和指针式仪表的图像进行图像处理和智能识别。结果表明,所述的便携式仪表巡检系统可以准确读取多个仪表的显示数据。     

变电站巡检机器人的数字仪表自动识别技术研究

针对变电站巡检机器人数字仪表识别算法准确度不高的问题,本文提出了一种基于样本匹配算法的数字仪表读数识别算法。该算法在使用局部最大类间方差的高阶统计和阈值对仪表板上的显示区域进行定位的基础上,最后根据数字仪表显示区域和数字位置相对固定的特征采用样本匹配算法实现对数字仪表的自动读数。实验结果表明,该方法简单、高效,可有效地应用于变电站自动检测机器人的室内仪表读数自动识别任务。     

常用指针式仪表识别技术研究综述

指针式仪表识别技术是模式识别领域的前沿研究方向,也是一项具有广阔应用前景的图像处理与识别检测技术。文章对目前应用的指针式仪表识别技术,主要实现方法、步骤及算法进行了总结,分析了它们的优缺点,最后根据国内外指针式仪表识别研究和应用的现状,指出其发展方向。     

基于改进GA-Otsu与RANSAC回归的指针式仪表识读算法

为解决指针式仪表的人工读数效率低、识读精度不高等问题,提出一种基于改进GA-Otsu与RANSAC回归(随机抽样一致性)的指针式仪表识读方法。利用ABF(自适应双边滤波器)对指针式仪表图像进行纹理和噪声滤除,结合Hough梯度法与Mask掩膜法对仪表图像进行表盘提取。基于改进GA-Otsu的图像分割算法得到分离的指针区域,经过形态学处理提取指针细化图。采用RANSAC算法拟合得到指针中心所在直线,计算其角度值,并结合量程信息与角度法完成仪表读数识读。实验结果表明,该算法能有效地分离指针目标与背景,相较改进前识读速度提升了约42.34%、识读平均相对误差小于1.15%,并对不同光照和阴影干扰均有较强的鲁棒性。     

基于SVM的精密指针式仪表自动读数方法

针对精密指针式仪表读数算法对自动读数的自适应性差问题,提出一种基于SVM的精密指针式仪表自动读数方法。该方法首先对二值化处理后的仪表图像通过面积形态学提取刻度并做极坐标变化,再利用面积形态学特征提取刻度与指针位置,最后利用SVM识别刻度对应的数值进行读数判读。实验表明,自动读数结果与实际数值相比误差均小于0.1%,算法稳定可靠。     

智能巡检机器人的电缆缺陷检测关键技术研究

为了满足电力系统运维过程中电缆沟巡检的任务要求,设计了一种智能型电缆沟巡检机器人系统,并对该系统中的电缆缺陷检测关键技术进行研究。提出了一种基于小波变换图像分割与图像轮廓检测的电缆绝缘层破损检测算法和电缆温度异常检测算法,通过在搭建的模拟电缆沟实验环境中对机器人系统进行整体测试,验证了算法的有效性。同时,测试结果表明,设计的机器人巡检系统能够实现实时的电缆缺陷检测,可以满足电力系统电缆巡检的实际要求。     

提高圆形指针式仪表自动识别算法准确度的探讨

随着计算机图像处理技术的发展,指针式仪表的自动识别在计量校准领域应用越来越普遍,可以大大提高校准效率与精度。仪表自动识别的过程大致相似,本文针对提高圆形指针仪表自动识别准确度的关键算法进行了探讨。实验证明,通过对识别算法的优化,可以大幅度提高指针式仪表的识别成功率。     

基于图像处理的汽车指针式仪表自动检测设计

目前我国汽车行业普遍采用人工检测仪表的方式,传统的肉眼判读方法受人的主观因素和外界环境的影响较大,本论文通过研究一种基于图像处理技术的汽车指针式仪表自动检测方案。利用图像处理技术,通过实现图像二值化,形态学处理与细化等图像预处理。采用计算区域特征与最小二乘法的方法识别并拟合出指针所在的直线,实现汽车仪表的指针检测。这种方法能减少运算量,并能准确地识别出指针直线和待求指针所指示的数值大小。     

基于双重霍夫空间投票的指针表自动读数方法

针对现有指针式仪表自动读数算法对图像采集条件要求较为严格的缺陷,提出一种基于双重霍夫空间投票的指针式仪表自动读数方法。该方法根据仪表刻度和圆心在霍夫空间中的分布特性,自适应地计算仪表圆心,并在极坐标空间使用投影法对图像进行分割,提取刻度和指针信息,最后通过距离法对指针式仪表进行读数。实验证明,所提出算法的平均引用误差均在0. 8%以下,有效提高了读数的正确率及鲁棒性。     

基于YOLOv5的指针式仪表自动读数方法研究

为了实现复杂环境下指针式仪表的自动读数,提出了一种基于目标检测的指针式仪表自动读数方法。首先,针对复杂环境下仪表检测困难的问题,利用改进的YOLOv5算法对仪表表盘进行检测,并提取出表盘区域;其次,结合AKAZE(accelerate-KAZE)算法、随机抽样一致性算法(random sample consensus, RANSAC)和椭圆拟合算法对提取出的表盘做2次透视变换,实现对表盘的倾斜校正;最后,将无倾斜的圆形表盘通过极坐标变换展开成矩形,再利用YOLOv5算法对指针位置进行识别,采用距离法得到最终读数。实验结果表明,所提方法的读数最大相对误差低于2.5%。此自动读数方法具有稳定性和准确性,可满足各类工业场景下的实际应用要求。