共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
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
3.
4.
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
5.
6.
分析现有人工抄表方式及已有水表自动抄表系统存在的问题,提出一种低成本的基于视觉技术的指针式水表远传抄表系统的设计方案。该系统平时不需要供电,只是在抄表时才临时提供电源,具有节电功能且无数据累计误差;水表读数以图像方式保存,当出现问题时便于用户核对。采用图像截取方法仅采集对识别有用的图像信息,降低对存储空间及处理速度的要求,用较低成本的处理器替代高成本专用图像处理器,降低电路成本;根据采集的指针图像特点和指针式水表的结构特征,设计确定指针指向的算法,并将识别软件嵌入到硬件采集器中,在硬件采集器中实现指针式水表读数的识别。实验证其可应用性,对指针式水表数据远传系统的发展有重要意义。 相似文献
7.
《电子技术与软件工程》2017,(24)
针对指针式仪表自动识别中的指针提取,提出了一种基于种子填充的指针式仪表自动识别方法。算法主要由基于种子填充的指针提取算法和基于改进Hough变换的指针识别算法组成。算法首先运用差影法获取种子点,然后采用行扫描法提取指针,最后通过改进的Hough变换对指针式仪表进行读数识别。实验表明,种子填充法有效提取了指针特征,为后续获取较好的识别效果奠定了基础,整个算法高效快速,获得了较好的识别效果。 相似文献
8.
本文为了获取指针式仪表的示数,研究了基于图像处理的示数自动判读算法。根据采集到的仪表示数图像,首先采用预处理增强、降采样及二值化、旋转投影指针的方法提取出指针所在的区域;然后选取备选区域并进行二值化处理,在备选区域中定位了针尖的位置;最后对刻度线进行标记和排序,完成了示数判读。结果表明,测量的214幅图像中,误差小于仪表最小分度值5%的读数占85.05%。本文网络版地址:http://www. eepw.com.cn/article/274754.htm 相似文献
9.
10.
11.
12.
13.
指针式仪表在雷达装备中应用广泛,必须对指针式仪表进行检定,以确定仪表的精度和准确度。设计了基于图像处理的指针式仪表自动检定系统,分析了自动检定原理和流程,采用图像处理算法确定指针旋转轴心位置,采用距离法识别指针读数,检定的结果以Excel表格的形式保存数据,作为该仪表是否合格的判断依据,从而实现指针式仪表自动检定。试验证明了自动检定系统的有效性。 相似文献
14.
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
15.
提出了一种利用计算机视觉技术和模式识别解决指针式仪表判读的方法。由摄像头获取仪表盘图像,将其转换成数字信号,再利用相关的图像处理方法对表盘图像进行中值滤波、图像的增强和锐化、二值化处理,然后根据Hough变换提取目标信息,确定出指针式仪表的读数。经实验结果表明,该算法具有较高的精度。 相似文献
16.
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
17.
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
18.
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
19.
一种基于SVM的数字仪表显示值识别方法 总被引:4,自引:0,他引:4
数字仪表识别在工业中应用广泛,但各种仪表差别较大,方法也差别很多。在此提出了一种数字仪表显示值的快速识别方法,该方法首先由计算机自动定位分割图像中的数字区域,并实现了单个数字的切分,然后根据数字特点,创新性地改进了特征提取方法,对每个数字图像提取了一组具有较高区分度,且计算简单的典型特征。最后,基于SVM识别,构造了一种数字识别器,实现了仪表显示值的实时识别。 相似文献