低对比度下的智能电表液晶屏外观检测研究

为了解决智能电表（Smart Meter）自动化检测系统中的关键技术问题,提出了在低对比度环境下智能电表液晶屏外观质量检测的处理方法。实现液晶屏区域的准确分割;采用基于小波变换的图像增强算法在低对比度环境下突出液晶屏上的字符信息;利用形态学梯度对字符信息进行重构,最终实现对液晶屏的外观质量检测。实验结果表明,该处理方法能够有效地解决低对比度环境下的智能电表液晶屏外观质量检测问题,检测可靠性高,具有较高工程应用价值。     

基于数字图像处理的电表液晶屏识别研究

该文从数字图像处理的基本原理和方法着手,通过相机采集图像,然后对图像进行处理和分析,对所有图像中电表图像的共同图像特征,通过设计合适的图像特征提取技术,实现目标与背景的可靠分离,从而实现对智能电表上液晶屏的识别和定位。     

基于轮廓特征点的高精度识别目标方法

为了实现高成功率、高精度和快速识别跟踪目标,提出对基于轮廓特征点的目标精确识别方法。在识别过程中采用了轮廓提取和多边形拟合算法自动搜寻到图像中要识别和跟踪的目标,同时对目标物轮廓的多边形角点进行亚像素分辨率的定位,从而可以利用目标轮廓角点的精确定位来实现对多边形目标的识别与跟踪。试验结果以及特征点亚像素算法分辨率的分析表明,采用这种自动识别与跟踪目标的方法,其精度可以达到0．02像素。     

基于GVF Snake模型的步态识别轮廓提取

步态识别作为一种新的生物识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态特征提取是步态识别的关键步骤。采用背景消减法与对称差分法相结合对运动人体分割,采用改进的GVF Snake模型对人体运动步态轮廓进行边缘提取。实验结果表明该方法能准确高效地提取边缘特征作为步态识别的特征。     

基于泛在电力物联网的普适性智能电表状态实时评估方法

针对当前智能电表状态评估存在精确度低、泛化性差和实时困难等问题,本文采用泛在电力物联网构建状态实时评估方法解决该问题。首先,采用决策树算法实现智能电表的分类,整体增强方法的匹配度和适应性;随后针对不同类别的智能电表,采用Apriori算法对样本集数据的特征集进行识别和提取,从而降低特征维度并增强关联性;接着,基于决策引擎实现对智能电表状态实时评估,并以度量学习实现新增物联网采集数据的有效性评估,反馈优化传感设备部署,从而根据评估结果实现对新增部署传感器及其位置的调整,进而根据应用场景不断优化智能电表状态实时评估应用模式。实验结果表明,本方法可实现智能电表运行状况的实时、普适、精准运维评估,进一步解决泛在电力物联网设备现场部署经验不足、校验无目标等问题。     

基于OpenCV的图像椭圆特征识别与定位研究

面向平板零件上螺纹孔的识别定位需求,基于开源计算机视觉库OpenCV进行椭圆特征的识别与定位研究。采用Canny边缘检测算法提取图像边缘信息,对边缘图像通过轮廓检索得到单一的连续轮廓,并对得到的每一条连续轮廓进行椭圆拟合。研究给出一种评价轮廓与所拟合椭圆误差的计算方法,以此误差为准则实现非椭圆特征的剔除。进一步针对螺纹孔形成的相套椭圆特征,采用聚类筛选的方法得到螺纹孔对应的内环椭圆特征,从而实现了板上螺纹孔的识别与定位。     

基于安卓手机的液晶屏数字识别系统的设计与实现

针对带有七段码的数字液晶屏,设计了一种基于安卓手机的液晶屏数字识别系统。通过手机拍照获取液晶屏图像,利用安卓本地接口功能调用计算机视觉库,对图像进行处理;针对图像的倾斜问题,通过图像预处理和霍夫变换取得图像倾斜角,并进行倾斜矫正;利用直方图对数字字符进行分割,以网格法提取字符的特征值,用三层BP神经网络进行液晶屏数字字符的识别。实际检测结果表明识别率很高,而且识别速度很快,该系统基于安卓手机,使用方便,便于携带,可以实时操作。     

基于kinect骨骼系统的手势识别研究

针对使用计算机视觉技术进行手势识别易受环境影响的问题,提出了一种基于kinect的骨骼系统的手势识别方案。采用Kinect进行深度数据采集,建立深度图像,提取人体轮廓,利用骨骼系统确定腕部坐标及灰度值后,提出根据腕部坐标采用最近邻法则和阈值法提取手势区域,可有效去除非手势目标,对平滑后的手势轮廓用不变矩对4种手势进行了识别。实验结果表明,该方法能有效识别静态手势,且在不同光照和复杂背景的条件下,具有很强的健壮性。     

基于DTW的手势识别算法

针对大多数手势识别算法对于形状变化较大的手势鲁棒性不强的现状,提出了一种基于DTW(Dynamic Time Warping)的手势识别算法。论文采用ASL手势数据集作为实验数据,通过图像预处理得到手势的轮廓,再对手势轮廓中心点到轮廓点的距离和轮廓曲率等特征进行提取,最后利用DTW算法寻找规整路径的方法进行识别。实验结果表明,利用DTW算法进行手势识别具有较高的准确率和鲁棒性,识别一幅图像中的手势平均时间小于0.1s,适合于实时手势识别。     

视电阻率等值线图水体区域自动识别系统

为了实现对视电阻率等值线图中的疑似水体区域进行识别,开发了一种基于不规则三角网(TIN)等值线填充与OpenCV轮廓提取对各个水体区域进行涂色与识别的系统,改进了等值线填色过程,并根据提取的水体区域轮廓拓扑关系树,计算各个区域面积,给出区域在图像中的具体位置.通过对自动识别结果与人工识别结果的对比,验证系统的实用性,说明系统能够快速准确地识别出视电阻率等值线图的水体区域.     

基于STM32F的高精度数字电能表在线校验仪

研制了高精度手持式数字电能表在线检测仪.以工作频率120 MHz的STM32F207为主控CPU,采用片内高达2 MHz转换速度的12位A/D对电网进行同步交流采样,实时对三相电压、三相电流进行分析计算,完成对频率、电压有效值、电流有效值、有功功率、无功功率、功率因数等电能质量指标的监测,并采用非线性方式对功率的相位偏差进行补偿,测量结果由TFT LCD实时显示,并通过RS232实现上下位机以及多机通信.该校验仪具有测量指标多、精度高、实时性好等优点,能广泛应用于电力公司的各供电和检测部门.     

基于自适应特征提取的印鉴自动识别方法

文章提出了一种基于自适应特征提取和支撑向量机的印鉴自动识别方法。印鉴图像经预处理后,依据印鉴字笔划分布对图像进行自适应的三角分割。自适应分割后的三角格网分布作为图像的主要特征来判别印鉴的真伪。该方具有旋转和平移不变性,因此无需一般印鉴自动识别方法对于印鉴图像位置,方向不一致时所进行的旋转,定位,配准操作。提取的特征用支撑向量机进行判别,以提高该方法的适应性。     

基于数据相关性和灰色关联的相位识别对比研究

目前,台区相位识别技术主要依赖电力线载波模块。针对这一实际情况,对数据相关性算法和灰色关联分析算法应用到台区相位识别进行了创新性研究。对一段时间内采集到的单相电表电压和集中器三相电压有效值数据曲线建立模型,通过数据相关性算法或者灰色关联分析算法获得单相电能表的安装相别。经过现场验证,在无需额外增加其他设备、无需依赖载波模块情况下,两种算法均能够准确分析出单相电能表的安装相别。对两种算法的计算工作量和计算准确度进行了对比和分析,得出两种算法中灰色关联分析算法的计算工作量小、计算准确。将数据相关性算法和灰色关联分析算法应用到电力相位识别领域,将是对台区相位识别方法的丰富和补充,今后可推广使用。     

基于反汇编的智能电表软件功能检测模型

电力企业在智能电表的生产过程中发现制造商用于招标展示的样品表和竞标成功后大量投产的批量表存在显著差异。由于检测不足,许多投入实际使用的批量表出现工作状态异常、质量不合格的情况,对这些电表的维护造成了不必要的花费。针对此问题制定了一种智能电表软件功能检测方案,设计了一种嵌入式智能电表代码逆向模型。模型以分析智能电表核心程序从而获取系统运行特征为思路,以反汇编算法分析电表固件代码功能为手段,对嵌入式智能电表进行软件功能差异测试。模型包括固件代码提取、固件代码反汇编和软件功能比较三大模块,在反汇编模块中基于现有的线性扫描和递归遍历算法使用了一种改进的单步扫描算法(SDA)。实际应用时对智能电表批量产品和样品进行比较鉴别,对系统功能的差异测量效果明显;同时使用该模型在维护电力企业已使用电表时可控制拟投产电表与已使用电表功能和质量误差在±20%范围内。     

基于Lon Works技术的智能化电量计量系统

LonWorks网络是美国Echelon开发的一种新型现场总线控制网络。文章提出了采用该现场总线网络实现工厂电表电量自动计量的一般方法 ,智能节点的硬件、软件及PC机监测软件等的具体实施方案。     

基于小样本学习的LCD产品缺陷自动检测方法

针对高分辨率液晶显示器产品(liquid crystal display, LCD)质量在线检测需求,基于深度学习提出一种LCD缺陷自动检测方法。通过设计自适应浅层特征提取层,并引入稀疏卷积结构,多维度、多尺度的提取深层特征,采用迁移学习和深度卷积生成对抗生网络扩充数据强化训练,构建基于小样本学习的LCD表面缺陷检测模型。其特征在于,采用设计的自动分割与定位预处理软件将高分辨率图像划分成适于卷积神经网络学习的图像子块,并根据模型对图像子块的判定类别和定位坐标,同时获取多类型缺陷检测结果。实验结果表明,本文模型可以有效提高检出率,并减少漏检率。     

一种消除 LCD 运动图像去模糊模型极点的方法

sinc-1模型作为逆系统能较好地改善LCD运动图像模糊现象, 但其在极点处无法正确还原运动模糊的图像, 且难以硬件实现. 因此, 本文从系统辨识的角度出发, 提出了一种采用基于变步长最小均方误差(Least mean square, LMS)的低阶Volterra非线性系统拟合sinc-1模型的LCD运动图像去模糊的方法. 仿真结果表明, 该方法能消除sinc-1模型的极点问题, 较好地改善了LCD运动图像模糊现象, 简单且易于硬件实现.     

彩色液晶模块的图文与曲线显示方法

为了使低端MCU获取高性能的实时监视界面,研究了基于彩色液晶模块的字符串、静态与动态图像的显示方法。以微控制器为核心,采用8 bit总线方式开发了彩色TFT液晶模块的智能仪表界面。在论述图像转换像素矩阵原理的基础上,研究了图文混合显示的方法和实现步骤,建立了测量参数与显示模块像素之间的坐标转换关系,并且利用滚屏刷新的方法实现实时曲线的动态显示。用实例验证了文本、图形和实时曲线显示方法的可行性。     

基于YOLOv3网络的电能表示数识别方法

随着智能电网的不断发展,基于数字图像处理方法的电能表自动抄表系统被广泛应用,为提升传统电能表示数自动识别的准确率,提出了一种基于YOLOv3 (You Only Look Once)网络的电能表示数识别新方法.对于电能表图像,构建基于YOLOv3-Tiny网络的计数器定位模型并训练,使用训练完毕的模型定位计数器目标区域,裁剪计数器区域生成计数器图像;对于计数器图像,构建基于YOLOv3网络的计数器识别模型并训练,使用训练完毕的模型识别计数器目标区域的数字.选择巴西巴拉那联邦大学公开的电能表数据集作为研究对象,通过与YOLOv2-Tiny定位模型、CR-NET识别模型的对比实验,表明了本方法具有更高的定位准确率和识别准确率.