巡检机器人中的指针式仪表读数识别系统

为了解决智能巡检机器人仪表读数识别中易受光照变化影响、识别精度不高等问题,结合高压变电场中常见指针区域的图像特点,建立了指针式仪表读数高精度识别系统。鉴于巡检机器人的室外工作环境,提出了迭代最大类间方差算法,实现了多种光照条件下仪表图像的指针区域提取。经过分析指针转动和图像特性,提出了基于Hough变换的指针角度识别,推导出指针角度与仪表读数的函数关系。该算法较传统Hough变换角度提取法,增加了指针中心线通过表计中心等约束条件,提高了指针角度提取的精度,降低了搜索数据量和搜索时间。通过大量实验验证所建立的表计读数识别系统可实现室外各种光照条件下表计读数识别,获得95%以上的正确识别率。多组鲁棒性实验分析表明,该系统对光照条件、指针宽度、表盘干扰、拍摄角度(不产生指针阴影)具有较好的鲁棒性,但由于拍摄角度而产生指针阴影时,会引起较大的指针中心线提取和角度计算偏差,从而降低仪表读数识别精度。     

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HSV空间的指针示数识别方法

为实现水表表盘指针区域的示数自动识别,提出以表盘结构信息结合HSV色彩空间分量实现区域定位及指针读数的图像识别方法。利用图像信息实时计算Hough检测所需参数进行表盘内圆及指针外圆的定位;采用HSV色彩空间通道信息作为指针轮廓提取标准;通过计算指针轮廓与预设半径同心圆的交点及指针所在圆心至轮廓点的最远距离,两种方式结合判断指针转动的角度并将其转换成实际的指针示数;通过对不同分位的指针识别结果进行合理性判断,完成常见机械误差的示数矫正;最后,采集现场工况下表盘图像对该算法进行测试,通过与人工读数结果相比较,表明当前的示数识别方法具有良好的准确性和可靠性。     

基于YOLOv5和U-net的指针式仪表读数识别方法北大核心CSCD

针对不同背景、距离条件下指针式仪表读数识别准确性低的问题,提出了一种结合YOLOv5和U-net的仪表读数识别方法。首先引入了YOLOv5算法检测并提取仪表区域;其次采用Hough梯度圆检测提取纯仪表盘和U-net分割算法准确分割出指针轮廓,并通过指针细化,加权最小二乘法拟合指针所在直线,根据定位坐标系获取指针方向和偏转角度,最后利用指针的偏转角度计算仪表读数。结果表明:提出的方法检测每张图像的平均耗时为64.511 ms,读数识别的成功率达97%,平均引用误差为0.577%,能快速并准确地识别出指针式仪表示数。     

基于透视校正的指针式仪表读数识别

针对在倾斜拍摄条件下如何正确获取指针式仪表读数的问题,提出了一种基于透视校正的识别方法。采用色值叠加法进行图像增强;采用Otsu算法对图像进行二值化,并通过最大连通域获取仪表表盘区域;采用Hough变换法和最小二乘法进行表盘区域的边界直线的提取;通过透视变换法对表盘区域图像进行校正;利用兴趣区模板提取指针特征,并通过最小二乘法确定指针的偏转角度,用以计算仪表的读数。实验结果表明,所提方法具有较高的准确度和较好的实时性,对在倾斜条件下拍摄的仪表图像进行读数识别具有一定的实用价值。     

基于ORB和改进Hough变换的指针仪表智能识读方法

为了满足变电站巡检机器人对电站指针仪表的智能识读要求,提出一种基于ORB和改进Hough变换的指针仪表识读方法,描述了该算法中仪表区域识别、二值化处理、骨架提取和读数获取等环节,利用C++在计算机上进行算法实现、验证。结果表明该算法满足读数精度要求、具有较好的实时性,拥有较高的可靠性和应用价值。     

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。     

基于对称性特征的指针仪表识别

指针式仪表在电力行业应用广泛,对指针式仪表读数自动识别是实现电网设备自动化和智能化巡检的基础。通过提取待识别指针图像中的对称性特征,在角度和距离空间中进行投票,得到候选指针对称轴,再结合指针边缘像素点的共线性和指针对称轴线段对应的像素值近似一致性等先验信息,对候选指针进行筛选,并根据指针对称轴的旋转角度计算得到仪表的最终读数。实验结果表明,该方法能够准确定位指针区域并识别仪表示数,且算法耗时很短,能够满足对指针式仪表实时巡检的需求。     

观察电子电位差计指针状态来判断其故障成因

本文给出通过观察仪表指针状态来分析仪表故障的方法。     

基于SIFT算法和改进最小二乘法的汽车仪表指针的识别

采用模板匹配和改进的最小二乘法对汽车仪表指针的识别进行研究。首先通过中值滤波、二值化对仪表图像进行预处理,然后通过SIFT算法获得目标位置指针区域,最后细化和最小二乘得到仪表指针直线方程。实验结果表明,该方法的精度能满足工业要求,提高了检测的实时性。     

基于YOLOv4的指针式仪表自动检测和读数方法研究

针对仪表自动检测读数时,由于仪表特征不明显、复杂背景环境等因素造成的仪表检测困难、提取速度慢的问题,提出了一种基于YOLOv4的指针式仪表自动检测和读数方法.首先,利用YOLOv4检测提取了仪表盘区域,采用霍夫变换裁剪了表盘区域;其次,在表盘区域查找了刻度线轮廓,利用最小二乘法拟合了刻度线轮廓直线,得到了指针回转中心;...     

基于图像处理的汽车指针式仪表自动检测设计

目前我国汽车行业普遍采用人工检测仪表的方式,传统的肉眼判读方法受人的主观因素和外界环境的影响较大,本论文通过研究一种基于图像处理技术的汽车指针式仪表自动检测方案。利用图像处理技术,通过实现图像二值化,形态学处理与细化等图像预处理。采用计算区域特征与最小二乘法的方法识别并拟合出指针所在的直线,实现汽车仪表的指针检测。这种方法能减少运算量,并能准确地识别出指针直线和待求指针所指示的数值大小。     

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。     

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。     

基于形态学处理的仪表指针提取算法

指针式仪表被广泛应用在工业检测等诸多领域,目前指针式仪表检测朝着自动化和智能化的方向发展。指针特征提取是指针式仪表检测系统中极为关键的技术,针对仪表表盘环境复杂、指针的粗细不一等因素导致的指针特征提取困难问题,提出了基于形态学处理的仪表指针提取算法。首先将获取的图像经过图像增强处理、中值滤波、otsu算法获得干净的二值化图,其次将反转后的二值化图经过形态学处理,最后输出提取结果。实验结果表明:该算法在损失极少量指针长度的情况下能够更为精确有效的提取指针信息,解决“双边缘效应”现象和复杂表盘环境下无关信息对指针特征信息的干扰,从而可以提高仪表检测的精确程度和仪表检测系统的适用性,对指针式仪表检测系统的读数识别研究具有重要意义。     

特种承压设备仪表AI识别算法研究

本研究的主要目的是分析人工智能(AI)对当前特种承压设备仪表的识别、数据采集、处理的具体算法。目前特种承压设备仪表通过人工读数、监控的方法容易产生误差,以及劳动力资源利用不充分的问题,且存在对作业人员自身的安全威胁。Hough直线检测算法是人工智能(AI)中的一种图像识别算法,依赖于卷积神经网络(CNN)和循环神经网络(RNN)能够在经过预处理的图像中,将仪表指针的位置坐标以及水平夹角计算出来,之后根据仪表自身的参数来计算当前仪表显示数值。采用人工智能(AI)算法对特种承压设备仪表进行机器识别,能实时监控仪表状态,且保证读数准确性,消除了作业人员自身的安全隐患,同时能自动进行数据统计、分析,使用户和管理机构能够及时把握设备当前运行情况,主动调整设备相关参数,保证承压设备的正常、高效运作。     

仪表盘设计视觉显示实验研究

驾驶室的显示仪表是驾驶员不可缺少的认评工具,它的可靠度与认知度直接关系到驾驶员交通安全。本文介绍了信息加工理论,分析了影响仪表盘读数准确度与认知度的因素,介绍了仪表表盘设计前为提高仪表的认读速度而设计的实验。并通过仪表表盘与仪表指针的组合实验和实验数据分析处理,得出了最佳表盘与指针的组合,从而为驾驶室显示仪表的设计提供了一种必要的实验设计方法。     

基于计算机视觉的电测仪表自动识别方法的研究

研究图像处理技术在仪表自动化校验中的应用方案,详细介绍了基于最大似然估计的最小二乘拟合方法来确定指针和刻度线的参数.利用计算机视觉识别技术、信息处理技术和智能仪器设计原理,可从根本上解决电测仪表快速、准确的自动校验问题.