共查询到10条相似文献,搜索用时 46 毫秒
1.
采用模板匹配和改进的最小二乘法对汽车仪表指针的识别进行研究。首先通过中值滤波、二值化对仪表图像进行预处理,然后通过SIFT算法获得目标位置指针区域,最后细化和最小二乘得到仪表指针直线方程。实验结果表明,该方法的精度能满足工业要求,提高了检测的实时性。 相似文献
2.
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。 相似文献
3.
4.
5.
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。 相似文献
6.
7.
8.
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。 相似文献
9.
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。 相似文献