基于机器视觉的机械指针式仪表的读数识别方法

机械式指针仪表在工业生产实践中应用广泛,及时、准确地识别指针仪表指示信息是实现设备运行状态监测的重要手段之一。应用数字图像处理技术,本文提出了一种新的指针式仪表信息的自动识别方法。主要的步骤包括,使用轮廓跟踪法实现表盘与指针的区域分割,并进行了图像的预处理;利用图像变换算法进行指针方位的检测,获得指针的直线位置参数;最后,在已有信息的基础上,确定刻度线距关系及仪表最大量程,实现指针式仪表信息的自动读数识别。实验表明,本文所提出的自动读数识别方法准确、可靠且读数效率高。     

指针式仪表读数识别系统研究

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.     

基于图像处理的变电站指针式仪表读数研究

为解决变电站人工巡检指针式仪表工作强度大和读数误差高的问题,提出了一种基于图像处理技术的变电站指针式仪表自动检测系统。针对读入的图片实现图像灰度化、图像二值化;采用改进的Hough变换提取图像中的直线、计算指针角度和显示指针读数;并利用OpenCV函数库建立了指针式仪表图像的模型库,导入新的图片可选择不同的模型库。实验结果表明,该指针式仪表自动判读系统可以准确识别出指针的读数,且读数精度远大于人工读数。     

指针式仪表自动检定系统图像识别技术

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。     

指针式仪表数据智能采集系统设计

该系统采用ADSP-BF533+FPGA EP1C6T144C8的架构,可实现图像采集、指针仪表识别与读数、数据传输等功能.DSP通过对采集到的图像进行灰度变换、边沿检测以及Hough变换等处理后,实现对指针式仪表表盘的识别、指针定位和读数计算,并实现指针读数存储和传输.系统可通过串口实现组网测量与数据传榆.FPGA接...     

指针式水表数据远传系统的研究

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。     

基于种子填充的指针式仪表自动识别算法

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。     

基于图像处理的指针式仪表示数自动判读算法研究

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     

基于有效信息逐步裁剪的特种车辆数字仪表自动测量方法

本文主要是针对特种车辆仪表的特点,解决特种车辆指针式仪表非接触式自动检测的问题。在泰文中,利用摄像头代替人眼,利用计算机代替人脑,完成特种车辆仪表的图像采集、图像存储、仪表的自动识别和测量,识别结果自动存储与分析等过程。针对特种车辆仪表的圆心和半径、指针提取、起始刻度以及终止刻度的自动提取,本文提出了一种基于有效信息逐步裁剪的提取方法,最后获取了准确的识别信息。实验表明,我们的方法对特种车辆仪表的自动识别具有快速、准确且切实可行等特点。     

指针式仪表数据智能采集系统设计

系统采用ADSP-BF533+FPGA EP1C6T144C8架构,可实现图像采集、指针仪表识别与读数、数据传输等功能。DSP通过对采集到的图像进行灰度变换、边沿检测以及Hough变换等处理后,实现对指针式仪表表盘的识别、指针定位和读数计算,以及指针读数的存储和传输。系统可通过串口实现组网测量与数据传输。FPGA接收DSP的指令,实现对COMS摄像头采集控制、键盘扫描以及各器件的片选信号产生等功能。利用计算机SQL Server数据库技术编写上位机程序,可对测量数据进行管理和备份。     

基于机器视觉的水银温度计读数识别算法研究

基于机器视觉,提出了一种用于识别温度计读数的图像处理算法.对温度计图像进行霍夫曼变换,提取温度计的刻度线和水银柱的特征信息;利用膨胀算法和腐蚀算法相结合的方法,解决了刻度线和水银柱特征信息的间断问题;根据刻度线间的位置关系确定单位像素对应的温度值;通过确定水银柱的截止点来得到水银柱的长度,从而较精确地计算出温度计的读数.实践表明,该算法可达到0.1 ℃的精度.     

基于Halcon的指针式仪表的读数

为了实现指针式仪表的自动读数,提出了一种基于Halcon的极坐标变换、BP神经网络、形态学处理、几何计算相结合的方法。该方法考虑了仪表的圆心特征,对于各种不同的指针仪表,仅仅依赖仪表的图像信息,检测精度较高。实验证明该方法简单快捷,且有利于提高效率和精确度。     

基于图像处理的指针式仪表自动检定系统

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。     

基于双目视觉的指针仪表读数识别

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...     

基于Hough变换的指针式仪表的自动判读

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。     

基于Mask-RCNN海上升压站数字式仪表读数的自动识别算法

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.     

基于Mask-RCNN海上升压站数字式仪表读数的自动识别算法

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.     

基于语义分割和卷积神经网络的数显表识别算法研究

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。     

一种基于SVM的数字仪表显示值识别方法

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。     

计算机视觉百分表自动检定算法研究

针对指针式仪表表盘图像的特征,使用计算机视觉技术和数字图像处理方法设计并实现了指针式仪表的自动检定系统。使用图像差影法和自适应阈值分割算法,进行预处理;提出区域分割方法,对表盘图像进行分块处理,仅对提取到的表盘图像中的有效信息块进行处理,不对其他区域处理,极大地减少了计算量,有效提高了处理速度。提出的区域分割方法已经在指针式仪表自动检定系统中得到应用,实现了指针式仪表检定的智能化、自动化、快速化。