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。     

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。     

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。     

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。     

基于单参数同态滤波与全局对比度增强的指针仪表读数识别方法

为解决光照变化、指针阴影对指针式仪表读数识别的影响,提出具有单参数的指数型同态滤波与全局对比度处理的仪表读数识别方法。设计了单参数指数型同态滤波器来增强图像对光照变化的适应性;利用全局对比度图像增强算法来突出表盘信息区域;通过二值化、连通域处理、形态学处理提取指针区域;通过细化处理和累计概率霍夫变换定位指针中心线;获取指针的偏转角度来计算仪表读数。仿真实验表明,所提算法能够在不同光照变化和存在指针阴影的条件下较好地提取指针区域,且读数识别的正确率达到95%以上。     

一种用于变电站避雷器仪表智能读数的图像处理方法

针对在户外条件下进行图像处理的特点,提出了一种用于智能变电站巡检机器人检测避雷器读数的图像处理方法。为了减少光照对图像处理的影响,首先对仪表设备的灰度图像进行底帽变换,然后对图片进行大津二值化和Canny边缘检测,并利用概率霍夫变换进行直线检测,根据避雷器仪表指针的特点对检测得到的直线进行过滤,得到避雷器指针的准确位置。通过巡检机器人巡检数据的实际检测,该方法在误差允许范围内对避雷器正确读数的概率超过96.5%,具有较高的鲁棒性,可满足巡检机器人现场检测的需求。     

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。     

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。     

基于透视校正的指针式仪表读数识别

针对在倾斜拍摄条件下如何正确获取指针式仪表读数的问题,提出了一种基于透视校正的识别方法。采用色值叠加法进行图像增强;采用Otsu算法对图像进行二值化,并通过最大连通域获取仪表表盘区域;采用Hough变换法和最小二乘法进行表盘区域的边界直线的提取;通过透视变换法对表盘区域图像进行校正;利用兴趣区模板提取指针特征,并通过最小二乘法确定指针的偏转角度,用以计算仪表的读数。实验结果表明,所提方法具有较高的准确度和较好的实时性,对在倾斜条件下拍摄的仪表图像进行读数识别具有一定的实用价值。     

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。     

基于Hough变换与特征聚类的指针轮廓识别方法

无人值守机器人在智能配电房进行巡检、监测采样过程中,需对配电房内的指针式仪表进行自动化识别与判读。对于方型指针式仪表,提出一种基于轮廓特征筛选与直线检测的仪表智能识别方法。在该算法的前处理过程中,针对巡检视角窗口的移动性与多个仪表的分割提出了基于分数体系的算法;在表盘指针识别的图像处理过程中,提出了基于轮廓特征检测与Hough线段识别相结合的方法,并进行聚类估值处理,有效地改进了传统的直线检测方案。利用OpenCV视觉库和C++在计算机中进行算法实现和验证,结果表明,该算法满足精度要求,具有较高的应用价值。     

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。     

变电站指针式仪表检测与识别方法

受限于复杂的电磁环境,变电站中的大量模拟式仪表需要人工读取示数,不利于变电站自动化管理。而目前针对仪表自动读数方法的研究大多基于预先获取到的高质量图像,其中仪表目标位于图像中央且占比较大,仪表表盘与相机平面平行,这需要大量预先的仪表测量与相机标定工作,不能满足实际电站环境下的使用要求。为解决上述问题,提出了一种完整的变电站指针式仪表的自动检测与识别方法。首先利用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,计算其距离视野中央的偏离值与图像占比,据此调整相机位置和缩放倍数。通过透视变换消除表盘平面与相机平面偏差造成的仪表图像畸变,通过霍夫变换检测仪表的表盘与指针,完成仪表读数识别。变电站实际测试实验结果表明,本方法最大读数误差仅为1.82%,对于复杂背景下多类别仪表的自动检测与识别任务具有良好的准确性与稳定性,可满足变电站实际应用需求。     

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。     

基于彩色分割的指针式仪表识别方法

本文介绍了基于彩色分割的指针式仪表识别方法。通过使用RGB彩色分割和形态学图像处理技术,成功地提取了仪表盘的圆心、指针针尖及始末刻度坐标,据此计算出指针读数。实验表明,本方法适用于在自然光照条件下拍摄的光照不均匀、有投影的仪表图像。     

基于Linux系统的非线性指针式仪表识别研究

对常用的指针式仪表提出了一种新的识别方法,利用标度间隔,分度长与刻度值间的对应关系,识别指针读数,可对线性刻度和非线性刻度的仪表指针“读取”数值。系统采用嵌入式系统设计方案,使用嵌入式Linux为操作系统Qt／Embedded为用户界面开发环境。USB摄像头实时采集表盘图像,初步建立了软、硬件指针仪表图像识别系统,有利于降低成本,增加便利性。