机器视觉仪表识别方法的研究进展

介绍了机器视觉仪表识别方法的研究进展,具体给出了仪表刻度线、指针的定位、读数识别的原理和方法,并将这些图像处理算法的优劣进行对比,提出要结合仪表特征(多指针多颜色、均匀刻度、非均匀刻度)选择算法进行识别;同时,分析了采集设备中摄像头、光源对后续图像处理过程造成的影响;最后总结仪表识别的研究状况及存在的问题,为实现实验室型高准确度仪表的机器视觉自动化校表给出了一些参考建议.     

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。     

基于图像处理的指针式仪表智能识别方法研究

针对仪表的智能识别方法在电力系统的工程应用,利用图像处理的方法对指针式仪表的智能读数进行研究;首先,针对摄像头多视角、多距离的安装问题,利用定向二进制描述符ORB (oriented FAST and rotated BRIEF)算法求解仪表模板图像与待测图像的透视变换矩阵,用于定位指针旋转区域;然后根据表盘灰度特征信息,提出基于圆周区域的累积直方图法(circle-based regional cumu-lative histogram,CRH)对指针进行定位,由指针偏转角度得到读数;实验结果表明,该方法对指针读数识别十分有效,达到了实用化要求,且具有实时性好和精度高的特点.     

指针式仪表自动读数识别技术的研究现状与发展

指针式仪表自动判读技术是当前机器视觉研究的热点,也是模式识别领域一项重要的研究内容和前沿技术。在对指针式仪表识别技术进行了一般性概述之后,详细介绍了基于机器视觉的指针式仪表自动读数识别技术的基本概念、基本原理和主要研究内容,介绍了该技术在国内外的研究现状,同时重点介绍了图像校正、圆形表盘轮廓检测、指针线检测和角度计算等主要研究内容的最新进展,最后给出了指针式仪表自动读数识别涉及的关键技术和发展方向。     

指针式仪表通用读数识别方法及系统

变电站指针式仪表外观样式繁多,现有的方法只能对一个或两个指针的仪表或某种功能的仪表进行常规读数,无法同时支持两个以上表盘、两个以上指针、多种功能仪表的读数。基于以上问题,提出一种基于深度学习的通用指针式仪表读数识别方法。首先使用YOLOv5目标检测方法构建指针式仪表表盘检测模型,定位表盘位置。然后进一步在表盘中使用Mask R-CNN实例分割方法构建指针分割模型,识别指针mask区域。构建标定工具对表盘信息进行标定,将参数传递给读数识别模块。同时构建预置位纠偏算法,当预置位存在偏移时进行矫正,保证标定的信息与表盘位置保持对应。开发了指针式仪表通用读数识别模块,可对多指针、多表盘的情况进行遍历,实现任意类型指针仪表的读数识别。     

基于扫描线处理的指针式仪表快速读数算法

针对光照不均匀、指针检测速度过慢等因素造成指针式仪表读数算法无法快速、准确读取示数的问题,提出一种基于扫描线处理的快速准确读数新算法。新算法首先利用单尺度Retinex提取光照鲁棒性特征图像,然后应用提出的扫描线处理算法快速抽取进行Hough变换的特征像素点,最后用双阈值Hough变换检测直线。实验表明,所提算法创新性地将指针图像细化与双阈值Hough变换等相结合,不仅解决了光照变化的影响以及检测速度慢等问题,而且具有读数精度高、读取速度可调节等特点。     

基于二维码匹配的指针式仪表读数识别方法

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.     

基于深度学习的集气站指针式仪表读数研究

为了提高集气站仪表读数的信息化程度、减少人力资源成本,应用机器视觉和深度学习算法对指针式仪表的自动读数进行了研究.首先,对图像进行预处理,对白天采集的图像使用双边滤波进行降噪处理,对晚间采集的图像使用单尺度Retinex进行增强处理;接着,使用Mask基于区域的卷积神经网络(RCNN)获取采集图像中仪表的具体位置;然后...     

基于机器视觉的地面露水识别方法研究

针对人工检测露水存在的繁琐，工作量大与人工判断露量较为主观的问题。本文提出了一种基于机器视觉的露水检测的方法。通过机器视觉，获得地面露水图像。使用CLAHE、联合双边滤波及闭运算对图像进行预处理，消除外部光线导致的露水图像灰度不均匀，以及细小灰尘导致的噪声，对图像进行canny边缘检测，提取高亮的露珠区域，获得丰富的边缘信息。利用基于梯度的霍夫圆检测技术，设计合理的露珠判断参数，滤除掉过大或过小的疑似露珠，取得疑似露珠的最小外包圆并将其画出来。在无锡2个月内所有的有露的露水识别检测实验中，以人工方法为参考，露水检测一致性达到了95.9%露水覆盖率判断误差为10.8%，说明了本方法可以高效、客观的检测地面露水。     

基于MobileNetV2的圆形指针式仪表识别系统

针对目前指针式仪表识别任务在使用深度学习算法时存在模型参数量大、计算量大、准确率较低的问题,提出一种基于改进预训练MobileNetV2网络模型与圆形Hough变换相结合的圆形指针式仪表智能检测和识别系统.首先,采用Hough变换解决复杂场景内非圆形区域的干扰问题;然后,提取圆形区域以构建数据集;最后,使用基于改进预训...     

一种新型指针仪表识别方法研究

本文在简单介绍指针式仪表及其常用识别方法的基础上，提出了一种基于最大灰度相减法的新型识别方法。然后详细介绍了这一方法的工作过程，着重阐述了几个关键环节所用到的图像处理算法。最后，给出了试验的结果及分析，指出了优化的途径。     

基于机器视觉的动态多点手势识别方法

提出了一种高效的基于HSV颜色空间的多目标检测跟踪方法,实现通过摄像机实时检测跟踪多个指尖目标;定义了一套基于指尖运动轨迹的动态手势模型,并提出了动态手势识别方法;对于两点动态手势,通过BP神经网络进行手势学习和手势识别,而对于模拟鼠标手势和四点动态手势,利用指尖之间相互位置关系进行手势识别.测试结果表明,该方法能够快速、准确的跟踪多个运动的指尖目标并进行动态多点手势识别.     

机器视觉技术在荔枝识别与定位研究中的应用

为解决串型荔枝图像识别和定位问题,提出以Harris与SIFT算法融合的采摘点计算与匹配为基础,进行平行双目立体视觉模型下采摘点定位的研究方案。首先对荔枝YCbCr色彩空间的Cr灰度图进行二次阈值分割,分类识别出荔枝串、荔枝果与结果母枝。其次,提取识别果实区域的最小外接矩形、质心等特征信息,结合在结果母枝上检测的Harris特征点计算出采摘点的二维图像坐标,并对计算采摘点进行基于SIFT向量搜索的立体匹配。最后,对计算采摘点进行视觉定位及其深度误差分析实验,实验数据表明：在354~590?mm距离范围内,插值补偿后的采摘点的定位深度误差小于10?mm,能够较好满足荔枝采摘机器人的现有技术要求。     

基于机器视觉的不同类型甘蔗茎节识别

针对不同种类甘蔗表面多样性和复杂性等因素导致甘蔗图像的茎节难以识别问题，提出一种基于机器视觉且适合各种类型甘蔗的茎节识别方法。首先，通过迭代拟合法从原始图像中提取甘蔗目标区域，并估计甘蔗目标与横轴的倾斜角度，根据倾斜角度参数旋转甘蔗目标成近似平行横轴姿态；然后，利用双密度双树复小波变换（DD-DTCWT）对图像进行分解，使用不同层次的垂直和近似垂直方向的小波系数重构图像；最后，运用图像直线检测算法对重构图像进行检测，得到甘蔗茎节部位的边缘线，对边缘线的密度、长度、相互距离信息进一步验证便可实现甘蔗茎节的识别和定位。实验结果显示甘蔗茎节完整识别率达到92%，约80%的茎节的定位精度小于16个像素，95%的茎节的定位精度小于32个像素，所提方法在不同的图像背景下，都能够成功地对不同类型的甘蔗进行茎节识别，并且定位精度高。     

基于LabVIEW的网络机器视觉检测系统

针对生产过程中需要实时监测零件尺寸的情况,采用一种网络机器视觉尺寸测量系统,该系统以LabVIEW为平台,配以1394摄像头和图像采集卡,利用一定的图像处理技术完成视觉检测,利用DataSocket技术实现图像的网络实时发布和客户端图像的接收。经过测试,从图像采集、处理和发布系统耗时不超过280m s,该系统开发周期短,检测速度快,充分发挥了虚拟仪器技术的功能强大、扩展性强的特点。     

基于机器视觉的采茶机割刀控制方法

针对现有乘坐式采茶机切割的茶叶质量偏低的问题,提出了一种基于机器视觉的采茶机割刀控制方法。首先对相机参数进行低复杂度的标定,然后采用动态阈值分割方法和颜色分类器,提取茶叶图像中的嫩芽区域,并设计间接定位法定位弧形割刀位置;接着通过计算两个指定区域的嫩芽面积及它们的和与差异,得到弧形割刀左右两侧的动作参数;最后将动作参数传给下位机,控制割刀到达预期位置。本方法分别对单株茶树和实地茶园进行了实验,结果表明该方法能够准确定位弧形割刀位置和识别嫩芽区域,实现割刀位置的自适应调整,具有较好的茶叶切割效果,切割得到的嫩芽比例可达70%以上。     

基于机器视觉的钢轨轮廓测量方法研究

钢轨轮廓检测是轨道几何参数检测的重点和难点。采用二维平面靶标对激光摄像传感器进行标定,建立世界坐标系和图像坐标系的标定模型。通过棋盘格进行实验标定,获取300组数据,采用非线性最小二乘法来标定模型参数。结果表明:采用非线性最小二乘法能够将棋盘格水平和垂直的测量误差控制在0.3 mm左右,该方法能够很好地运用到钢轨轮廓测量中。