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。     

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YOLOv5的指针式仪表自动读数方法研究

为了实现复杂环境下指针式仪表的自动读数,提出了一种基于目标检测的指针式仪表自动读数方法。首先,针对复杂环境下仪表检测困难的问题,利用改进的YOLOv5算法对仪表表盘进行检测,并提取出表盘区域;其次,结合AKAZE(accelerate-KAZE)算法、随机抽样一致性算法(random sample consensus, RANSAC)和椭圆拟合算法对提取出的表盘做2次透视变换,实现对表盘的倾斜校正;最后,将无倾斜的圆形表盘通过极坐标变换展开成矩形,再利用YOLOv5算法对指针位置进行识别,采用距离法得到最终读数。实验结果表明,所提方法的读数最大相对误差低于2.5%。此自动读数方法具有稳定性和准确性,可满足各类工业场景下的实际应用要求。     

基于计算机视觉的指针式仪表智能判读方法

指针式仪表的自动读数是近年来的热门研究内容，但一直存在由成像畸变导致的误差较大的问题。本文提出了一种基于计算机视觉的指针式仪表示值精确判读方法，在对指针式仪表图像中的指针与表盘长刻度进行提取并对其倾斜角度进行检测的基础上，依据针孔成像模型，分析了摄像机内部畸变参数对两直线间夹角成像失真的影响，建立了指针与零刻度间夹角、长刻度与零刻度间夹角的失真校正算法，采用牛顿插值法对指针与零刻度间夹角和仪表示值间的关系进行函数逼近，提高了基于计算机视觉的指针式仪表智能判读的准确度。对0．5级伏安表的判读实验证明了方法的有效性与正确性。     

基于机器视觉的指针式仪表读数自动校准方法

指针式仪表是工业生产的重要辅助工具,其读数显示精度直接影响工业生产质量,通过机器视觉技术的应用优化设计指针式仪表读数自动校准方法。首先,利用机器视觉技术采集指针式仪表图像,经过灰度化处理、畸变校正和滤波等3个步骤,完成初始图像的预处理;其次,定位提取仪表图像中的表盘区域、指针以及刻度线;最后,利用角度法自动识别当前的仪表读数,确定仪表校准方向,计算仪表校准量,实现指针式仪表读数的自动校准。实验结果表明：应用优化设计的校准方法,压力表、温度表和电流表的平均校准误差分别降低了3.88 MPa、0.78℃和0.044 A,即优化方法在校准效果方面更加具有优势。     

基于改进GA-Otsu与RANSAC回归的指针式仪表识读算法

为解决指针式仪表的人工读数效率低、识读精度不高等问题,提出一种基于改进GA-Otsu与RANSAC回归(随机抽样一致性)的指针式仪表识读方法。利用ABF(自适应双边滤波器)对指针式仪表图像进行纹理和噪声滤除,结合Hough梯度法与Mask掩膜法对仪表图像进行表盘提取。基于改进GA-Otsu的图像分割算法得到分离的指针区域,经过形态学处理提取指针细化图。采用RANSAC算法拟合得到指针中心所在直线,计算其角度值,并结合量程信息与角度法完成仪表读数识读。实验结果表明,该算法能有效地分离指针目标与背景,相较改进前识读速度提升了约42.34%、识读平均相对误差小于1.15%,并对不同光照和阴影干扰均有较强的鲁棒性。     

户外巡检机器人指针式仪表识别方法研究

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。     

基于刻度轮廓拟合的指针式仪表自动识别方法北大核心CSCD

为实现仪表的自动识别,提出基于轮廓的表盘区域检测与基于最小二乘法和刻度点定位的仪表示数识别方法。该算法通过二值化、滤波等预处理方法减少干扰,结合轮廓间的内嵌关系,提取出包含指针和刻度的表盘区域,得到仪表盘刻度轮廓集,并采用随机最小二乘法拟合表盘椭圆。通过分析指针的特性,提出基于EDLines直线检测算法的指针检测方法,完成对表盘内指针的提取与定位。最后根据指针直线方程、刻度编号和量程范围自动完成读数。实验表明,该算法具备较强的抗干扰能力,读数与人工读数误差较小,满足实际精度需求。     

基于Linux系统的非线性指针式仪表识别研究

对常用的指针式仪表提出了一种新的识别方法,利用标度间隔,分度长与刻度值间的对应关系,识别指针读数,可对线性刻度和非线性刻度的仪表指针“读取”数值。系统采用嵌入式系统设计方案,使用嵌入式Linux为操作系统Qt／Embedded为用户界面开发环境。USB摄像头实时采集表盘图像,初步建立了软、硬件指针仪表图像识别系统,有利于降低成本,增加便利性。     

基于嵌入式Linux非线性指针式仪表识别系统的研究

对常用的指针式仪表提出了一种新的识别方法,利用标度间隔,分度长与刻度值间的对应关系,识别指针读数．可对线性刻度和非线性刻度的仪表指针“读取”数值。系统采用嵌入式系统设计方案,使用嵌入式Linux为操作系统Qt／Embedded为用户界面开发环境,USB摄像头实时采集表盘图像,初步建立了软、硬件指针仪表图像识别系统．有利于降低成本,增加便利性。     

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。     

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.     

基于EP7312的GPRS自动抄表系统设计

基于通信网络进行远程自动抄表是用电管理现代化的必然需求。为此,文章设计和实现了一种基于高性能的32位嵌入式处理器EP7312的远程自动抄表系统。该系统采用嵌入式Linux操作系统,并利用GRPS网络进行远程通讯,同时在功能上不仅能实时准确地对用电数据进行采集,还具有数据处理和分析能力。实际应用表明,该系统在实现高效率自动抄表的同时还具有较好的性价比。     

基于光学传输矩阵的电动二维转镜读数修正

针对数字式二维转镜在光学转像时产生的转角值与实际像移不一致的问题,提出了一种运用光学矩阵修正读数误差的方法。根据二维转台对准读数检测原理建立数学模型,得出修正后的出射光线的俯仰角及方位角。为了验证上述模型的正确性,采用高精度经纬仪对修正后的出射光线方向进行校对。经实验对比,该方法在不提高加工安装精度的情况下修正了二维转镜的读数误差,其精度达到4″。     

空调电机启动控制设备变形量激光检测方法

提出一种基于 MNF 的空调电机启动控制设备变形量激光检测方法。首先,利用激光扫描技术获得空调电机启动控制设备的具体变形位置,利用改进的最小噪声分离变换( MNF )方法,估计噪声信息并通过差分计算进行降维处理;然后,利用激光检测技术确定空调电机启动控制设备在低维噪声图像中的变形程度;最后,进行仿真实验测试。仿真结果表明,所提方法能够有效降低虚警率以及漏检率。     

基于卡尔曼滤波的焊缝检测技术研究

提出一种基于卡尔曼滤波技术的电弧焊焊缝检测新方法。利用视觉传感器获取弧焊区熔池图像,并抽取图像质心作为描述焊缝位置的特征矢量,建立图像质心状态方程和测量方程。在有色噪声模型的基础上,应用卡尔曼滤波对图像质心位置和质心位移进行状态估计,得到最小均方差条件下的焊缝位置最佳预测值,从而减小过程噪声和测量噪声引起的焊缝位置测量偏差,实现弧焊过程中焊缝位置的精确检测。计算机仿真及实际焊接试验结果验证了该方法的有效性。     

尺度空域相关性在机械零件形貌检测中的应用

为了能准确快速的提取机械零件的边缘信息,根据小波分析多尺度空间的相关性,在模极大值边缘检测的基础上提出一种新的图像边缘检测方法,此种方法不需要对零件的视觉图像进行预处理就能较精确地检测出图像的边缘,在抑制噪声的同时提高边缘的定位精度,克服了直接对图像进行模极大值边缘检测造成的误差。结果表明,使用该方法对边缘进行检测可获得满意的结果。     

采用图像直方图特征函数的高速相机自动曝光方法

提出一种采用图像直方图特征(Histogram Feature,HF)函数的自动曝光方法,用于在背景光照快速、大范围变化的情况下对高速相机进行自动曝光控制。首先,采用多点测光对获取的图像进行兴趣区域(Region of Interests,ROIs)提取,以降低系统测光的计算量。然后,通过计算兴趣区域的HF函数选取大步长对曝光时间进行粗调。最后,通过模糊逻辑计算出曝光时间的精调步长并运用阈值限制实现变步长搜索最佳曝光时间,提高高速相机自动曝光的准确性及稳定性。实验结果表明:本文方法可以在2ms内完成一帧图像的亮度测量并对曝光时间进行调整,相较于基于平均亮度值的传统自动曝光方法,在0~110ms内,光源光照强度从760~23 100lux反复变化时,本文方法获得的图像信息熵比平均亮度值法的信息熵均值提高48.38%,方差降低62.13%,可以提供更好与更稳定的图片细节信息,为后续的自动调焦、图像识别以及目标跟踪提供参考。     

散斑运动模糊复原的直线电机动子位置检测

图像测量技术具有非接触性、抗干扰性等优点被越来越多地应用到双次级永磁直线电机动子位置检测中。针对图像采集过程中所产生的图像模糊问题,提出了一种精确辨识运动模糊参数的方法,实现了直线电机动子位置的精确测量。采用数字散斑图像作为原始拍摄面,通过相机获得包含动子位置信息的序列运动模糊图像。利用奇异值分解对运动模糊图像进行去噪重构预处理,降低噪声对运动模糊参数辨识精度的影响。求取预处理后图像的倒谱图,通过主成分分析找到倒谱图二值化后亮线的主矢量方向即为模糊方向;同时作出倒谱三维图,利用其负峰值中两个最小值坐标求出模糊长度。根据计算的模糊参数值复原模糊散斑图像,再利用图像亚像素测量方法获得动子位置。实验结果表明:本文算法的计算耗时比Radon算法缩短了5倍多,不同位移下的平均绝对误差仅为0.084 7mm,满足直线电机动子位置检测的实时性和高精度要求。