基于卷积神经网络的指针式仪表识别

目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪表的识别方法.首先用Faster R-CNN算法检测仪表圆盘,再采用基于深度学习的方法Faster R-CNN算法检测指针,根据得到的指针目标框的位置信息裁剪得到指针图像,在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数.和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰.实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55％.对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.     

改进ORB和Hough变换的指针式仪表识读方法

为了实现指针式仪表的自动识读,提出一种基于改进ORB（Oriented FAST and Rotated BRIEF）和Hough变换算法的指针式仪表识读算法。利用角点强化方法加强ORB算法检测的特征点,通过特征点匹配对计算模板图像与待检测图像之间的透视变换矩阵。利用数学形态学处理、阈值分割等图像预处理提取指针,并提出一种用于确定指针旋转圆心的基于ORB特征匹配对的相似特征三角形方法,结合投影法定位指针方向。利用指针细化算法和添加圆心约束的Hough变换算法检测指针角度。最后根据仪表的先验信息得到读数结果。实验结果表明该算法在识读速度和精度等方面都能够满足指针式仪表识读的要求,具有较高的可靠性和工程应用价值。     

基于模板匹配与Hough圆检测的仪表识别

随着自动化技术的不断发展,国内电力系统的自动化程度不断提高,无人变电站、无人配电房也逐渐普及。针对变电站中指针式圆形仪表的识别,提出了一种基于模板匹配与Hough圆检测的仪表识别方法。首先对图像进行预处理,将摄像头获取到的RGB彩色图像进行灰度化以及图像的局部直方图均衡化,将预先采集的仪表模板与待测图片进行两次模板匹配,获取仪表大致位置并对图像进行定位裁剪,通过Hough圆检测获取圆形表盘位置及其圆心坐标,将图像通过K-means方法二值化,再通过旋转虚拟直线法对指针进行拟合识别,通过角度与刻度的对应关系计算读数。利用Python和OpenCV视觉库实现算法,实验结果表明,该算法对于指针式圆形仪表识别效果显著,定位表盘位置准确,指针识别和角度计算有较高的精度。     

基于机器视觉的指针式仪表示数识别方法研究

基于机器视觉技术实现指针式仪表数据的自动读取具有重要意义,针对现有方法中存在的识别精度不高等不足,提出一种基于标定的指针式仪表数据视觉读取方法。首先,基于标定模板完成仪表表盘最大、最小刻度线识别与斜率计算;其次,通过仪表表盘图像预处理及连通区域筛选得到指针大致区域;然后,融合Hough和边缘聚类与拟合方法实现仪表指针边缘的精确定位,进而实现指针数据的识别与读取;最后,以某品牌避雷器监测器为例,对上述方法进行实验验证。结果表明,该方法能够准确、稳定的识别出指针式仪表读数。     

基于视觉显著性的指针式仪表读数识别算法

针对指针式仪表读数算法对光照变化影响较大、识别精度不高的问题,提出一种基于视觉显著性区域检测的指针式仪表读数方法.首先利用区域对比度、空间关系、中心先验性等视觉显著性区域检测先验知识,提取仪表图像指针区域;然后用无向图排序算法进行优化,抑制非指针区域的干扰,突出指针区域;再通过依次旋转仪表指针图像统计旋转不同角度时仪表指针图像在纵轴上的投影最大值,计算指针至平行于横轴需要旋转的角度,并判断指针旋转至平行于横轴时指针顶部区域与底部区域在横轴上的投影最大值在仪表图像中位置,获取指针与横轴的夹角;最后采用最小二乘法拟合指针夹角与指针刻度之间的线性函数参数,计算仪表读数.实验结果表明,该方法在不同光照下能较好地提取指针区域,得到的仪表读数与人工读数误差较小,算法稳定可靠.     

基于区域生长的指针式仪表自动识别方法

针对复杂多指针式仪表的读数自动识别难度大精度低的问题,提出了一种基于区域生长的指针式仪表自动识别方法。算法主要由基于区域生长的指针提取算法和基于 Hit-Miss 变换法击中直线或基于最小二乘法拟合直线的指针识别算法所组成。其中,区域生长所需的种子点通过基于差影法的模糊聚类自动选取。实验表明,基于区域生长的指针提取算法有效提取了指针特征,为 Hit-Miss 变换法和最小二乘法获得良好的指针识别精度奠定了重要基础。整个算法高效快速,能满足实时识别的应用需求。本文首次提出将基于区域生长的图像分割算法运用于指针式仪表识别领域中,丰富了指针式仪表识别的应用方法,获得了良好的识别效果。     

基于计算机视觉的指针式仪表自动检测系统

对基于计算机视觉的指针式仪表自动检测系统设计中所涉及到的数字图像处理关键技术进行了研究。利用指针图像的先验特征,构造了基于空间相关和灰度相关的邻域平滑算子。在常规图像分割理论的基础上,进行了图像多灰度等级分割的理论分析,提出了多灰度等级分割算法。根据仪表图像的噪声特征,构造了阈值减影算法,以实现指针的检出。其研究结果己应用于“基于计算机视觉的指针式仪表自动检测系统”的设计开发中,实现了指针式仪表质量检测的自动化。     

非均匀光照下指针式仪表自动判读算法设计

拟合人眼视觉机制提出了非均匀光照下指针仪表图像的预处理算法,在此基础上进一步设计了座舱指针式仪表自动判读算法。首先对仪表盘图像进行亮度均衡、二值化变换,再将指针细化,然后根据改进的Hough变换提取目标信息,确定座舱指针式仪表的读数。实验结果表明,该算法有效地解决了在非均匀光照情况下的飞机座舱指针式仪表自动判读,降低了判读误差。     

基于纹理分析的仪表读数区域定位新方法

仪表读数自动识别的关键是准确检测出指针在刻度区域的位置,因此仪表盘上刻度区域的准确定位是仪表自动读数识别的重要步骤。提出一种基于形态学和纹理分析的仪表读数区域定位新方法。用图像重构技术清除图像边界及与边界相连接的结构,即仪表盘边框和指针,然后利用形态学算法来分割仪表盘的各个区域,最后用纹理统计分析方法和频谱度量方法定位出刻度区域,排除非刻度区域,这样进行指针读数时就可以只对指针和刻度进行处理,排除其它干扰。实验结果表明,对方形指针式仪表而言,上述方法能有效定位仪表刻度区域,且具有较强的鲁棒性和抗干扰性。     

先验知识指导生成虚拟样本在指针式仪表识别上的应用

为解决现有指针式仪表识别方法依赖于预处理的有效性且泛化能力不足的问题,提出一种基于深度卷积神经网络与虚拟样本结合的识别方法.该方法利用深度卷积神经网络自适应地提取仪表图像关键特征,避免无关信息的干扰;采用先验知识构建指针式仪表虚拟样本生成模型,解决深度卷积神经网络面临的小样本难题.仿真数据、实验数据和现场实际应用结果表明,文中方法是可行有效的,且比传统的指针定位方法识别效果更好,尤其在更换仪表、局部信息缺失等复杂情况下具有很好的鲁棒性.     

聚晶金刚石复合片崩角缺陷视觉检测技术研究

针对目前国内生产聚晶金刚石复合片(PDC)的企业大多数在表面缺陷检测环节严重依赖于人工检测,存在检测效率低、主观性强等问题,提出了一种基于机器视觉的检测方法替代人工检测.将倒角边缘的崩角缺陷作为检测目标,研究崩角图像的表面特征后,提出了在硬件上使用零角度环形光源突出崩角特征,在检测方式上通过阈值分割、中值滤波进行预处理,然后利用最小二乘法拟合获取倒角圆环的圆心位置和小圆半径并建立掩码,最后通过与(AND)运算提取出崩角信息,进行识别和标记.结果显示:实现对图像中的崩角缺陷自动检测和定位,并且判断标准统一.     

布氏硬度自动测量中多圆检测方法

圆检测应用广泛,是布氏硬度自动测量的关键。针对圆检测中存在圆分裂、多个圆、不完整圆的情况,提出一种基于交叉圆合并、凸包点迭代纯化最小二乘拟合的圆检测方法。首先对图像进行纹理增强并二值化,其次提取有效区域的最小外接矩形,并得到圆弧与最小外接矩形的三个切点,得到初始圆,然后合并有交叉的圆。最后求合并圆的轮廓点与其凸包的交集,进行迭代纯化最小二乘拟合,最终得到亚像素级的圆半径值。最后通过实际应用测试,验证了论文方法的有效性。     

角点密度特征下的粘连蘑菇定位算法

在基于机器视觉实现蘑菇自动化采摘过程中,由于蘑菇苗床背景复杂多样,蘑菇群落之间尺度、形状差异大,且相互间存在复杂粘连,造成采摘位置定位困难,针对该问题,提出了以Harris角点为纹理特征的背景过滤算法,实现菌丝、木屑、杂草等干扰因素下的前景目标的准确提取;继而针对粘连蘑菇的尺度差异,提出了一种迭代方法搜索前景距离图中的区域极值点,在此基础上采用基于标记的分水岭算法实现粘连蘑菇的分割;最后利用椭圆拟合对蘑菇边界和中心坐标进行定位.通过实际场景中的蘑菇样本图片进行测试,证明算法定位准确性达到86.3%,平均处理时间为0.711 s,满足实时性要求.     

轴承防尘盖缺陷机器视觉自动检测方法研究

轴承防尘盖在装配过程中易出现各种擦伤、压痕等缺陷，从而影响配套主机的精度、可靠性及寿命，急需研发自动化的轴承表面缺陷检测设备来提高我国轴承生产水平。采用自主设计的自动化检测设备，利用机器视觉结合图像处理方法对轴承表面图像进行采集、分析和处理；采用连通域检测和轮廓筛选方法对轴承外轮廓进行提取；采用最小二乘法拟合外轮廓圆得到圆心及外径，结合半径占比分离法实现防尘盖圆环区域的提取；采用改进算法对防尘盖圆环图像进行展开以避免图像展开时字符或缺陷的误分割；采用垂直方向投影法分离字符区和非字符区，通过连通域检测法对两部分是否存在缺陷分别进行判别。实验结果表明，采用自主设计的轴承检测设备结合最小二乘法、OTSU法、改进的图像展开和投影算法，可实现轴承防尘盖缺陷的自动化检测，正确识别率为96.9%。     

基于机器视觉的圆定位技术研究

针对视觉处理中常见的圆形目标检测,提出了结合Blob分析与最小二乘法圆拟合的定位检测方法,利用Blob分析算法实现粗定位,根据粗定位的输出检测目标圆的边界点,将其作为输入参数给最小二乘法圆拟合进行精定位;实现了在视场范围内对圆形区域自动检测及中心定位,在DSP视觉系统上以钢琴弦柱加工为检测背景对算法进行验证,实验结果表明算法满足工业应用中的实时性和精确性要求。     

Toward Accurate and Fast Iris Segmentation for Iris Biometrics

Iris segmentation is an essential module in iris recognition because it defines the effective image region used for subsequent processing such as feature extraction. Traditional iris segmentation methods often involve an exhaustive search of a large parameter space, which is time consuming and sensitive to noise. To address these problems, this paper presents a novel algorithm for accurate and fast iris segmentation. After efficient reflection removal, an Adaboost-cascade iris detector is first built to extract a rough position of the iris center. Edge points of iris boundaries are then detected, and an elastic model named pulling and pushing is established. Under this model, the center and radius of the circular iris boundaries are iteratively refined in a way driven by the restoring forces of Hooke's law. Furthermore, a smoothing spline-based edge fitting scheme is presented to deal with noncircular iris boundaries. After that, eyelids are localized via edge detection followed by curve fitting. The novelty here is the adoption of a rank filter for noise elimination and a histogram filter for tackling the shape irregularity of eyelids. Finally, eyelashes and shadows are detected via a learned prediction model. This model provides an adaptive threshold for eyelash and shadow detection by analyzing the intensity distributions of different iris regions. Experimental results on three challenging iris image databases demonstrate that the proposed algorithm outperforms state-of-the-art methods in both accuracy and speed.     

基于改进 Mask R-CNN 深度学习算法的隧道裂缝智能检测方法

隧道裂缝检测是避免隧道重大灾害和日常养护的重要工作,但传统人工检测工作量巨大,无法 满足实际需求。采用深度学习神经网络 Mask R-CNN 模型对裂缝进行智能自动检测,避免了人工检测的耗时耗 力。通过调整算法参数,优化模型检测结果,获得适用于隧道裂缝检测的 Mask R-CNN 模型。针对自动识别的 裂缝结果,进一步计算其几何特征参数。为充分利用裂缝狭长弯曲特性,体现裂缝走向及基本形态,提出了基 于骨架提取和函数拟合思想的裂缝几何特征计算方法。根据裂缝骨架,可获得裂缝走势,计算裂缝长度。通过 函数拟合,可得到贯穿裂缝狭长区域的函数,根据函数法向量计算宽度。根据裂缝几何参数计算结果,结合规 范规定的须修复裂纹宽度要求,可实现隧道裂缝检测自动预警,为隧道裂缝自动检测提供了技术支撑。     

基于数学形态学的套印偏差自动检测算法

为了精确检测套印偏差,提出一种基于数学形态学的偏差自动检测算法。首先,对新形式色标采用多结构元素多尺度形态学边缘检测算法提取色标边缘;然后采用最小二乘拟合算法对其边缘进行拟合,得到套印色标圆的亚像素圆心坐标;最后经偏差计算公式获得准确的套印偏差数据。实验及实际测试结果表明,该算法且具有较强的抗扰性,能够满足高精度、实时的套印偏差检测要求。     

基于步行GPS轨迹的路网提取方法

准确提取和及时更新路网信息,对于道路规划和车辆导航等方面至关重要。目前,基于GPS轨迹的路网提取方法一般是从浮动车或出租车的GPS轨迹中挖掘城市主干路网。然而,现有方法忽略了小路的自动提取,它对于抗震救灾、小区导航或乡村游览等场合非常重要。因此,本文提出基于步行GPS轨迹的路网提取方法,分为数据预处理、道路中心线生成和路网精度评价3个部分。其中,先后采用轨迹点聚类、聚类点分割和中心线拟合等方法生成道路中心线。通过自行采集的步行GPS数据进行实验,结果表明,本文方法能够准确提取路网,覆盖率可达96.21%,而误检率仅3.26%;并且能够提取小路和更新路网。     

轮廓初始点检测对眼睛虹膜区域反射光的去除

针对传统人眼反射光模型单一的缺陷,提出了一种自适应的对不规则形状人眼反射光的检测并去除算法。对含有人眼反射光区域,应用区域生长算法对人眼图像进行分割,并利用垂直边缘检测算子提取虹膜左右轮廓边界,拟合虹膜轮廓,对虹膜所在轮廓区域,采用提出的反射光轮廓初始点检测算法,反射光区域判定算法,对其轮廓的位置进行自动定位并提取,利用虹膜及瞳孔的纹理信息对人眼反射光覆盖区域进行修补。通过对不同人眼图像进行验证,结果表明该方法对检测不同噪声条件下的虹膜反射光具有鲁棒性,并且能够更加快速有效地对虹膜反射光进行去除。