基于KAZE特征匹配的指针式仪表自动读数方法北大核心CSCD

针对远距离多角度下的指针式仪表盘刻度模糊、表盘变形带来的自动识别困难,提出了一种基于KAZE特征的关键点匹配的表盘自动读数方法。首先针对每类表盘制作模板,然后分别提取待识别图像及其模板图像的KAZE特征,采用KNN进行关键点匹配,并通过RANSAC消除匹配错误的关键点。通过匹配结果得到表盘区域ROI,并根据ROI区域的直方图分布进行二值化和形态学处理得到边缘信息,采用概率霍夫变换拟合直线归类合并出指针直线,最终结合标注的先验知识得出读数。结果表明提出的方法很好的解决了远距离多角度下的表盘自动读数问题,在560个样本中,误差控制在一刻度之内的结果达到了96%以上,满足了实用要求。     

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。     

基于彩色分割的指针式仪表识别方法

本文介绍了基于彩色分割的指针式仪表识别方法。通过使用RGB彩色分割和形态学图像处理技术,成功地提取了仪表盘的圆心、指针针尖及始末刻度坐标,据此计算出指针读数。实验表明,本方法适用于在自然光照条件下拍摄的光照不均匀、有投影的仪表图像。     

基于机器视觉的指针式仪表检测

为了解决仪表机柜室指针式仪表检测效率低、检测结果不准确的问题,本文提出一种优化后的神经网络检测方法,即YOLO v3检测法。该检测法通过较少的网络层数获得较高的检测效率和精度,增加磁化数量,提升对微小图片的感知能力,采用新型GIo U函数作为运算法则,根据不同的采集对象,自动选择采集区域的大小。经测试,YOLO v3检测法对单个指针式仪表的检测精度、检测速度和检测准确性超过了其他检测方法,且能适应仪表机柜室复杂的电磁环境,具有较高的推广价值。     

工业用指针式仪表智能识别系统的设计与开发

系统设计使用PHP、 Python进行开发,采用B/S架构,应用ThinkPHP、 Flask、 Vue框架开发Web服务器,使用MySQL和Redis作为数据库存储数据。系统通过Web服务器与算法服务器配合,利用视频流对仪表进行识别,产生告警信息,可定时读数,并通过平台进行展示,以此替代了目前繁重且高成本的人工抄表,实现了智能化工作与管理。     

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。     

基于DSP核心的指针式仪表自动检定装置

绝大多数指针式仪表的检定系统是由计算机来完成图像的采集、计算、控制、装置自动调节等功能,由于基于计算机的视觉系统使用PC作为其核心处理器,系统都比较庞大,因此应用范围受到了限制.为了更好的解决指针式仪表的检定工作和使仪表检定工作更加简便化,论文针对小型指针式仪表设计了以DSP为核心的自动检定系统,保证检测速度和精度并且检测方便,经实验数据证明,该装置能够快速,方便地达到检定效果.     

基于ICM的精密指针式仪表自动读数方法

针对精密指针式仪表自动读数算法自适应性较差的问题,提出一种基于ICM的精密指针式仪表自动读数方法。该方法基于二值化后仪表图像的噪声信息分布特性,利用ICM点火时序矩阵在图像相邻像素间的并行递进关系,研究和实现图像的腐蚀和膨胀,并设计加权最大类间方差法自适应地计算迭代次数,消除刻度周边噪声,提取到刻度圆弧所在位置。最后根据圆弧极径、极角等信息对刻度区域做极坐标变换输出图像,采用距离法对极坐标变换后图像进行读数判读。实验表明,自动读数结果与实际数值相比误差均小于0.2%,算法稳定可靠。     

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。     

基于计算机视觉技术的指针式仪表自动检定方法

介绍基于计算机视觉技术的指针式显示仪表检定方法、系统构成及工作原理,并对图像分析方法用于仪表示值的自动判读算法进行了研究,结果表明其指针定位的最大不确定度明显优于人眼的识别.     

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。     

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。     

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。     

基于图象处理的复杂指针式仪表的识别

根据仪表的结构特点,提出了复杂的指针式仪表的识别方法.对实现其功能的主要方法做了介绍,如阈值迭代二值化、边界跟踪、Hough变换的目标信息的提取、模板匹配.     

基于RANSAC的圆拟合算法在螺纹孔检测中的应用

在视觉检测过程中,针对多残缺、多噪声圆周的拟合精度不佳的问题,提出了一种基于RANSAC的圆拟合算法。首先对图像进行边缘检测,使用基于Scharr算子的Canny算法可获得高质量的边缘分布图;使用霍夫梯度法在边缘分布图中对目标圆弧进行粗定位,并提取包含目标圆弧的点集;提取到的点集中含有大量无关边缘像素点,使用RANSAC算法剔除点集中的异常数据,得到有效样本数据构成的待拟合圆周点集;最后采用LIN算法对待拟合圆周点集进行拟合,得出最终的拟合结果。算法在椒盐噪声和曲线噪声抗干扰实验中表现优异,有着较强的抗干扰能力。已经成功应用到了螺纹孔圆周的拟合,精度和实时性均可满足实际生产要求。     

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;...