共查询到20条相似文献,搜索用时 31 毫秒
1.
海上升压站采用挂轨机器人开展巡检作业,利用机器视觉手段自动识别数字式仪表读数,替代人工记录.提出了一种基于Mask-RCNN深度学习方法的数字仪表读数自动识别算法.将不同类型的数字仪表原始图像制作成数据集,利用深度学习算法进行训练,根据损失函数变化曲线对算法进行参数优化得到训练后的模型,再进行数字仪表图像的识别分析.采用灰度世界算法和霍夫变换等算法进行图像预处理,可有效改善数字识别的准确度.最后,实验对比了YOLOv3和Mask-RCNN深度学习算法的识别性能,结果表明前者具有较高的检测速度,后者具有更高的准确率.后者的识别率为99.52%,满足海上升压站远程监控对数字仪表读数正确率高的要求. 相似文献
2.
海上升压站采用挂轨机器人开展巡检作业,利用机器视觉手段自动识别数字式仪表读数,替代人工记录.提出了一种基于Mask-RCNN深度学习方法的数字仪表读数自动识别算法.将不同类型的数字仪表原始图像制作成数据集,利用深度学习算法进行训练,根据损失函数变化曲线对算法进行参数优化得到训练后的模型,再进行数字仪表图像的识别分析.采用灰度世界算法和霍夫变换等算法进行图像预处理,可有效改善数字识别的准确度.最后,实验对比了YOLOv3和Mask-RCNN深度学习算法的识别性能,结果表明前者具有较高的检测速度,后者具有更高的准确率.后者的识别率为99.52%,满足海上升压站远程监控对数字仪表读数正确率高的要求. 相似文献
3.
随着数字电网的发展,数字仪表在电网中的应用越来越广泛。为进一步提高数字仪表自动读数算法的准确率和识别效率,推动数字电网建设,文中提出一种基于YOLOv5和改进VGG-CTC模型的数字仪表自动读数方法。该方法包括数字区域定位和仪表字符识别两部分。首先,采用YOLOv5模型检测输入图像的仪表数字区域,输出预测的数字区域边界框;然后,对VGG网络的卷积层和全连接层参数进行改进,提出一种改进VGG网络,将预测的数字区域输入该网络,即可提取数字区域图像特征,通过长卷积层输出字符概率分布信息;最后,经过CTC转录模块将概率分布序列映射为预测的数字仪表示数。实验结果表明,所提自动读数方法的准确率为89.63%,识别时间为439 ms,相比其他读数方法具有较好的读数准确率和识别速度,能够提高智能电网对设备状态监测的准确性和高效性,对推进能源物联网和数字化电网的建设具有重要意义。 相似文献
4.
介绍了一个指针式仪表自动读数识别系统.首先对仪表图像进行预处理操作;然后利用减影法提取指针图像;最后根据仪表指针变化趋势特点,提出应用于仪表指针读数识别的快速Hough法对指针进行识别,通过限制搜索范围降低Hough计算量.实验结果证明,该方法能在很大程度上提高系统实时性,比传统标准Hough方法时间快2~3倍. 相似文献
5.
6.
随着指针式仪表在电网应用范围的不断扩大,应用自动检测技术实现仪表数据的自动读取对提升工作效率有重要意义。为此,建立了基于图像识别的仪表读数全自动检测系统基本架构,详细分析了系统的硬件组成结构及设备选型要求,基于图像预处理以及读数识别两个部分对全自动检测系统软件技术实现过程进行解析计算。最后,对实验检测值和实际值进行比对分析,实验结果表明:所提方法可用于实现仪表数据全自动检测,其读数识别的精准度符合性能要求,具有高效化、智能化的运行特性。 相似文献
7.
针对指针式仪表图像特点及现有读数识别方法存在的局限,提出了一种基于轻量级图像语义分割模型的读数全自动识别方法。首先,以轻量级语义分割网络CGNet为基础进行改进,通过增加通道注意力模块SENet进行特征增强和融合,同时适当加深分类层,从而预测更准确的刻度线、指针、量程数字等语义信息;接着,根据刻度线语义分割结果拟合椭圆,建立与标准圆的透视变换关系校正倾斜畸变的图像;然后,在校正图像中通过极坐标变换、图像细化、垂直投影等后处理操作精确提取刻度线、指针,并通过optical character recognition技术识别量程数字;最后,根据刻度线与指针相对位置关系及量程信息确定仪表读数。为验证该方法的有效性,构建了指针式仪表图像数据集。实验结果表明,该方法在图像语义分割精度上与现有轻量化方法相比有较大提升,对测试集图像读数识别的平均相对误差约为0.63%,可满足实际应用需求。 相似文献
8.
针对传统数显表读数识别算法适用性差、抗噪能力弱等问题,提出了一种适用于小数据集的基于语义分割和卷积神经网络(CNN)的数显表读数识别算法。该算法通过融合残差网络的U-net实现数字区域定位,利用卷积神经网络实现数字识别。采用mnist数据集预训练模型,使用真实表盘数字图片进行微调,建立适用于多种类、有背景噪声条件下的数显表识别模型。利用家用水表图片构建的测试数据集对算法进行验证。实验结果表明,数字区域定位分割结果的平均IoU为99.76%,160张水表读数识别准确率为100%,单张图片识别用时350.59 ms,满足工程应用需求。 相似文献
9.
对计算机实现七段数码管显示的数字字符的自动识别方法进行了研究。利用开放计算机视觉库(OpenCV)和VisualC++6.0组建实验平台,对数码管数字仪表的预处理过程和数字字符的正确分割与识别进行了研究。预处理过程主要包括灰度转换、中值滤波平滑、二值化以及去除噪声等几个方面。分别利用穿线法和模板匹配法对七段数码管式数字仪表进行识别。采用七段数码管式出租车计价器作为原始图像,研究结果表明,这两种方法都能获得比较好的识别效果。 相似文献
10.
为提高数字仪表图像识别率,结合机器视觉技术,在图像预处理的基础上,提出一种PSO的LSSVM参数优化方案。在图像预处理阶段,采用Hough变换校正,并通过形态学处理和二值化,以提高图像采集的效率;然后采用连通域的方式实现对图像区域的定位分割,并通过七段码实现图像特征提取;针对数字仪表识别是多分类的问题,采用OAO分类法将LSSVM算法拓展到多分类,并引入PSO算法对LSSVM参数进行优化;最后以OpenCV开源库、MATLAB作为工具,对上述算法进行验证。结果表明,0~9数字字符识别率为99.2%,整体图像样本测试识别率为99.6392%,高于其他算法,体现了较好的识别效果。 相似文献
11.
本文重点解决以图像方式存在的手写体数字识别问题,首先对图像进行预处理,其次对结构特征进行提取,最后利用神经网络模型对前面两步得到的样本数据进行学习和训练.通过MATLAB进行仿真,神经稀疏编码算法应用在手写体数字识别中能够得到比较好的识别率. 相似文献
12.
13.
变电站中指针式仪表使用广泛,随着工业的快速发展,图像处理以及机器视觉等技术在仪表读数中的应用越来越广泛,但传统单目视觉仪表读数识别仍存在一定的弊端,在没有正视仪表的情况下,读数仍然存在误差.针对以上问题,构建了一种基于双目视觉的指针式仪表读数识别方案,来实现指针式仪表的准确读数.使用标定过的双目相机拍摄左、右视图,通过... 相似文献
14.
15.
16.
17.
手写体数字识别是一个难度很大,但却具有广阔的应用前景的研究课题.本文主要研究了一种基于BP网络的手写体数字识别方法.这种方法先对数字字符进行分割、细化等预处理,生成数字样本.然后,使用大量数字样本对BP网络进行训练.最后,使用训练好的BP网络识别数字样本.经过测试,在对600个未经训练的字符样本的识别中,数字识别率可以达到95%以上. 相似文献
18.
19.
指针式仪表自动检定系统图像识别技术 总被引:2,自引:0,他引:2
将机器视觉技术应用到指针式仪表的检定系统中,可以改变传统的靠人工读数进行检定的方法,提高了指针式仪表检定的效率与精度。指针式仪表的识别与检定,关键就是通过指针示值的动态识别,来实现仪器仪表的读数和自动检定。针对指针式仪表示值的自动判读,提出了一种新的图像识别方法。该方法适合实际应用,检定精度高,准确性好。经实验数据证明,该识别方法简单、稳定且识别误差小。 相似文献
20.