基于机器视觉的水表检定方法研究

针对现有水表检定装置检定效率低、信息管理功能不足等问题,对水表指针识别、消除气泡影响、检定台自动化改造等方面进行了研究,提出了一种基于机器视觉的水表在线检测系统。采用距离法读取水表指针读数,通过模板匹配,旋转校正水表图像,利用极坐标变换,将子表盘展开成矩形,并集成二维码识别模块,实现了对水表的检定与数据保存;设计了上行走机构带动相机移动拍照,使用单个相机完成了5个工位水表图像的采集。研究结果表明:与人工肉眼读表和手工记录读数方法相比,该检测方法能确保水表的检定精度,同时提高了检定效率,并且检定数据可溯源。     

一种基于图像识别的机械式水表智能检定装置设计

现有图像识别方法无法提高机械式水表读数的识别成功率及效率。针对这一问题开发了一种视觉识别水表指针位置的图像识别方法，以提高识别算法的效率和抗干扰能力。采用摄像系统对水表表盘拍照，采集检定前后各指针的静态位置并分析其角度，进而识别出检定开始时刻和终止时刻的水量示值，两者之差即为水表累积体积示值，结合计量标准器自动测量的实际累积水量，实现水表示值误差的自动检定。基于以上算法设计了一套机械式水表智能检定装置，一次可实现2～10台同规格水表同时全自动检定，图像解析度可达到1/30指针刻度，极大地提升了检定信号的分辨率；图像的采集、识别时间只需10 ms,识别成功率高于99.9%。     

基于HSV空间的指针示数识别方法

为实现水表表盘指针区域的示数自动识别,提出以表盘结构信息结合HSV色彩空间分量实现区域定位及指针读数的图像识别方法。利用图像信息实时计算Hough检测所需参数进行表盘内圆及指针外圆的定位;采用HSV色彩空间通道信息作为指针轮廓提取标准;通过计算指针轮廓与预设半径同心圆的交点及指针所在圆心至轮廓点的最远距离,两种方式结合判断指针转动的角度并将其转换成实际的指针示数;通过对不同分位的指针识别结果进行合理性判断,完成常见机械误差的示数矫正;最后,采集现场工况下表盘图像对该算法进行测试,通过与人工读数结果相比较,表明当前的示数识别方法具有良好的准确性和可靠性。     

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。     

基于多光源激光传感器的机械式水表自动检定装置设计

针对现有机械式水表检定装置检定精度不高以及检定效率低的问题,设计了一种基于多光源激光传感器的机械式水表自动检定装置。检定时,被检水表通水运转,末位指针持续转动,多光源激光传感器组依据测距原理获取指针转动的脉冲信号,然后将累计脉冲数换算成水表的累积体积示值,并与流经水表的实际体积对比计算得到示值误差。该检定装置提高了检定信号分辨力,减少了人为检定误差,实现了检定的自动化,提高了检定效率。     

基于灵敏指针的水表计量性能测试及方法

针对企业水表研发过程中水表性能测试问题，运用图像识别技术设计了一套基于测量灵敏指针旋转加速度的水表性能测试系统。通过模板匹配方法定位灵敏指针ROI区域，采集灵敏指针转动图像序列，利用SIFT算法对相邻每帧图片进行特征点匹配，计算出灵敏指针的旋转角度；通过灵敏指针的旋转角度累加计算出该过程的累计流量，其精度可达万分之一，相较千分位的红色指针精度提高了10倍以上；将灵敏指针的旋转角度转换为角加速度，通过分析灵敏指针的角加速度图像推导水表内部机构的受力变化情况，以量化评测其性能。该分析系统的研制及相应方法的确立，为企业实现水表的高精度测试提供了有效可行的方案。     

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。     

基于机器视觉的水表检定一体机的研发

针对机械式水表检定存在人眼读数误差大和现有检定装置能力的不足,以实现水表准确读数、自动化检定为目标,研发了一种基于机器视觉的水表检定一体机,采用模板匹配定位梅花针并计算转速,设计了具有方向性的水表托盘和立体式流水线,利用PLC搭建控制系统,实现了集水表输送、扫码、锁紧表罩、抽真空、注水、误差检定、分拣为一体的高精度、高效率检定。     

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。     

Water meter pointer reading recognition method based on target-key point detection

With the rapid development of video image technology and fifth-generation mobile network technology, the automatic verification of mechanical water meters has become an increasingly important topic in smart cities. Although much research has been done on this subject, the efficiency and accuracy of existing water meter pointer reading technology can still be improved. This paper proposes a new water meter pointer reading recognition method based on target-key point detection. Our method consists of a target detection module and a key point detection module. The target detection module uses a modified YOLOv4-Tiny network to detect and classify the areas where the dials and pointers are located in water meter images with distinct characteristics. The key point detection module is used to detect the key point of the pointer image. In this module, the structure of the RFB-Net network is improved to introduce multiple layers of low-level feature information, therefore, it can make full use of the information between multi-scale feature layers for key point detection. In addition to, aiming at the problem of dial rotation, a method of establishing a right-angle coordinate system based on key point is proposed to realize pointer reading. The whole method proposed in this paper is compared to the Hough transform feature matching algorithm and traditional machine learning algorithms through experiments which test the detection and recognition of the water meter dial, pointer and key points. The experiment results show that the missed detection rate of the model in this paper is 1.88% and 1.07% for the dial region and the pointer region, respectively. And the accuracy rate reaches 98.68%, the average processing time per image is 0.37 s. This implies that the water meter inspection task is completed quickly and accurately with strong robustness. Thanks to the lightweight algorithm of our approach, the model can also be fully automated and easily deployed on mobile devices.     

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。     

基于SIFT算法和改进最小二乘法的汽车仪表指针的识别

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。     

Automatic transformation between water level meter measurement data and altitude on the large-scale physical model

The water level is one of the most important physical parameters of the physical model experiment. A large-scale physical model usually has many water level meters, It is an important basis for the accurate simulation of the water level to determine the transformation relationship between those level meters readings and the altitude in the prototype. Based on collimated characteristics of laser and image processing by binarization of gray image and character segmentation, an automatic transformation system was developed to improve transformation accuracy. The main idea is to use laser scanner to build a reference plane, then light illuminates the water level meter, so that the CCD on the top of the water level meter could gather the laser beam and convert light intensity to image signals. With further image processing, such as threshold transformation, the system can get the coordinate of laser center. Due to the fixed relationship between the coordinate and the water level meter measurement data, then the system can found transformation relation between water level meter and altitude automatically. Experiments show that comparing with the manual calibration, relative error of automatic calibration water level meter altitude conversion decreased from ±1.34% to ±0.19%.     

基于M/T算法针对机械式水表误差检测及校准的改进方法

研究基于M/T高精度数字测速算法的改进比较法水表误差检测,采用反射式激光传感器对水表始动元件进行检测,采集到的反馈脉冲信号与时钟信号同时送入单片机进行M/T测速算法运算。从而得到始动元件转速,并根据标准表和被测表的转速求取水表示值误差。结果表明:该算法可以充分发挥M/T算法的宽域性,在整个测速范围内获得很高的测速精度和精度一致性,具有较高的动态测量分辨率。能够在短时间内对水表误差进行高精度测量并指导校准工作,实现动态误差测量及校准。     

高压直流输电阀冷系统流量类仪表检定装置的设计

介绍了一种以超声波流量计为标准流量计的阀冷系统流量类仪表检定装置。对该检定装置的硬件设计、控制系统以及检定方式进行了详细阐述。该装置尤其适用于大口径流量计的检定,实现了人机交互、数据采集、打印报表、数据归档等功能,提高了流量仪表检定装置的自动化水平。     

基于机器视觉的齿形结构齿顶圆检测方法

齿形结构作为传动装置的关键零部件,齿顶圆的精确检测是后续装配的重要依据。在齿顶圆的视觉测量中,传统图像处理方法检测精度较低,齿形结构倾角过大时轮齿存在遮挡导致算法的鲁棒性差。针对上述问题,现提出基于机器视觉的齿形结构齿顶圆检测方法。首先基于自适应阈值的曲率尺度空间(CSS)技术对轮齿进行亚像素角点检测,其次采用超最小二乘法拟合齿顶椭圆,最后通过补偿准偏心误差优化椭圆参数。实验结果表明,该方法不仅可以提取包含全部轮齿图像的齿顶圆,对于轮齿存在遮挡的图像也能进行高精度检测,同时能够补偿透镜畸变产生的椭圆准偏心误差,齿顶圆圆心测量精度为0.056 mm,法向量测量精度为0.068°,满足齿形结构视觉测量要求。     

基于集成成像技术的零件孔径位置检测

针对利用霍夫圆检测方法很难定位大尺寸零件上所有孔径位置的问题,本文提出了一种将集成成像技术与霍夫圆检测算法相结合的非接触式测量方法.首先,根据经典成像理论提出了一套集成成像信息获取算法.其次,利用二维平移台和CCD相机搭建了相机阵列实验装置.系统工作时,相机采集的元素图像阵列,可以通过霍夫圆检测和坐标获取算法来实现零件孔径位置的定位.基于上述理论进行了验证实验,结果显示,零件孔径位置的检测误差在0.3mm以内.该方法为集成成像技术应用于高精密位置检测提供了有效的理论支持.     

水表安装时的计量误差实验探讨

水表在实际现场安装中如果达不到安装要求,就会引起弯头、T型接头、变径及其所处的位置上、下游扰动,影响非容积式水表的精确度。利用水表检定装置做了模拟现场的相关试验,并得出了结论,及时掌握这些扰动带来的水表计量误差及趋势,以供水表安装人员参考。