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。     

基于双重霍夫空间投票的指针表自动读数方法

针对现有指针式仪表自动读数算法对图像采集条件要求较为严格的缺陷,提出一种基于双重霍夫空间投票的指针式仪表自动读数方法。该方法根据仪表刻度和圆心在霍夫空间中的分布特性,自适应地计算仪表圆心,并在极坐标空间使用投影法对图像进行分割,提取刻度和指针信息,最后通过距离法对指针式仪表进行读数。实验证明,所提出算法的平均引用误差均在0. 8%以下,有效提高了读数的正确率及鲁棒性。     

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。     

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。     

基于单参数同态滤波与全局对比度增强的指针仪表读数识别方法

为解决光照变化、指针阴影对指针式仪表读数识别的影响,提出具有单参数的指数型同态滤波与全局对比度处理的仪表读数识别方法.设计了单参数指数型同态滤波器来增强图像对光照变化的适应性;利用全局对比度图像增强算法来突出表盘信息区域;通过二值化、连通域处理、形态学处理提取指针区域;通过细化处理和累计概率霍夫变换定位指针中心线;获取...     

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。     

基于灰度梯度联合二值图的抗干扰指针仪表自动识读方法

无人值守机器人在智能配电房进行设备状态检测过程中,需对配电房内的各类指针式仪表进行自动化识别判读。对于方型指针式仪表检测过程中出现的大角度倾斜、阴影与反光干扰,提出一种基于灰度梯度比值阵与联合二值图的抗干扰指针识别算法。在表盘定位过程中,提出基于灰度直方图峰值检测与灰度梯度比值阵相结合的方法,有效消除了边框阴影的干扰,实现四条边框方向的定位;在指针识别过程中,提出基于联合二值图的方法,有效增强了表盘中的指针信息,并通过Hough直线检测与线段聚类,最终进行倾斜校正从而获取指针角度。利用C++语言与OpenCV视觉库在计算机中进行算法实现与验证,结果表明,该算法在强干扰条件下仍表现出较高的鲁棒性和精度,具有较高的应用价值。     

基于Hough变换与特征聚类的指针轮廓识别方法

无人值守机器人在智能配电房进行巡检、监测采样过程中,需对配电房内的指针式仪表进行自动化识别与判读。对于方型指针式仪表,提出一种基于轮廓特征筛选与直线检测的仪表智能识别方法。在该算法的前处理过程中,针对巡检视角窗口的移动性与多个仪表的分割提出了基于分数体系的算法;在表盘指针识别的图像处理过程中,提出了基于轮廓特征检测与Hough线段识别相结合的方法,并进行聚类估值处理,有效地改进了传统的直线检测方案。利用OpenCV视觉库和C++在计算机中进行算法实现和验证,结果表明,该算法满足精度要求,具有较高的应用价值。     

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。     

指针式指示表的自动读取及MATLAB仿真

针对指针式指示表的自动判读,介绍了指针式指示表的自动读取及MATLAB仿真。计算机获取指示表数字图像后,首先对图像进行预处理,包括图像平滑、图像分割及膨胀细化等步骤,然后通过Hough变换提取出指针所在的位置,通过图形用户界面把度数显示出来,最后利用表盘刻度与角度对应的线性关系得到指针读数。     

基于卷积神经网络的数码仪表识别方法

为了在复杂多变的环境中实现对数码仪表正负号和小数点的实时识别,提出了一种基于卷积神经网络的数码仪表识别方法。先采用模板匹配方法对目标图像提取感兴趣区域,并对感兴趣区域进行分割,然后对分割的单字符区域采用卷积神经网络进行0~9数字、正负号的识别,再对分割的小数点区域采用MOSSE算法进行小数点识别,最后根据单字符、正负号和小数点的识别结果获取读数。实验结果表明,该方法能够在复杂的环境下准确且稳定地识别数码仪表读数。     

基于机器视觉的电厂数字仪表识别算法研究

数字仪表读数识别技术被广泛应用在电厂中，但是电厂中复杂环境为仪表读数获取带来了很大困难。为了解决光照不均、仪表倾斜、尺度变化、图像模糊、预处理繁复等问题，本文设计了一种基于深度学习的电厂数字仪表识别算法。在YOLOv5模型上加入CBAM注意力模块加强特征提取，同时为了强化利用底层特征，使用BiFPN结构代替PANet结构。实验表明，本文提出的改进YOLOv5在实际电厂现场95%以上准确率，对小数点也敏感，成功应用于现场生产环境中。