一种自动读取指针式仪表读数的方法

介绍一种基于机器学习和图像处理算法,针对自然场景中的指针仪表图片进行仪表检测和读数识别.首先,检测并提取出图像中恰好包含仪表的部分,再针对不同的图像中仪表存在大小的多尺度特点,使用图像金字塔方法对原图进行多次的缩小和放大操作.再使用固定大小的滑动窗口对缩放后的图像进行遍历,提取每个窗口图像HOG(Histogram of Oriented Gradient)特征,使用线性SVM(Support Vector Machine)分类器对窗口是否含有仪表进行判断.然后对检测得到的仪表图像,通过图像处理的方法进行图像预处理,减少阴影的干扰,获取梯度、边缘等信息,再结合改进的霍夫变换,结合仪表图像的灰度信息检测指针的位置,以计算指针的角度.最后,根据指针的角度以及量程信息,计算当前指针的读数.实验证明,该方法具有较好的稳定性与准确性.

有掘必探综合保障体系在防治水管控中的应用与研究

在煤矿建设和生产过程中,经常遇到水的危害,阳煤五矿在实践工作中积累了自己的经验,形成了自己的特色体系,对该矿防治水工作进行合理规划,同时以《煤矿防治水规定》及集团公司相关文件为蓝图形成了一套具有五矿特色的防治水保障体系-有掘必探综合保障体系,全面推进"1·4·2"煤矿安全管理模式,做好煤矿防治水管理工作,切实加强煤矿防治水工作的监督检查力度,建立健全防治水监管体系,提升对防治水工作的管控能力,将会避免水患事故的发生,从而保障煤矿职工生命财产安全。

基于背景先验与低秩恢复的显著性目标检测方法

显著性检测是指计算机通过算法自动识别出图像中的显著性目标,广泛应用于目标识别、图像检索与图像分类等领域。针对现有基于稀疏与低秩矩阵恢复的显著性检测模型中低秩转换矩阵的获取、前景稀疏矩阵的处理以及超像素块之间的关系,需对现有的稀疏与低秩矩阵恢复模型进行优化,使之更好地适用于图像的显著性检测。首先,根据背景的对比度和连通度原则获取图像低秩的背景字典,采用3种尺度分割图像的多个特征矩阵获得图像的前景稀疏矩阵;其次,通过计算邻居像素点之间的影响因子矩阵与置信度矩阵对显著图的结果进行结构约束,并且采用稀疏与低秩矩阵恢复模型对图像进行显著性检测;最后,利用K-means聚类算法的传播机制优化得到的显著图。在公开数据集上进行实验验证,结果证明本文方法能够准确有效地检测出显著性目标。

基于Faster R-CNN的显著性目标检测方法

显著性目标检测成为计算机视觉领域中的研究热点问题之一,但目前的方法在面对前景和背景对比度不强及复杂背景的图像时,较难取得好的检测效果。融合多尺度超像素分割方法,提出一种在背景信息相对复杂的场景中基于FasterR-CNN的显著性目标检测方法。首先对图像进行多尺度超像素分割,同时利用FasterR-CNN对图像进行目标检测,根据似物性特点对超像素进行显著性筛选,得到初始目标位置特征后进行显著性检测及优化,最后使用元胞自动机方法对多尺度超像素显著性图进行融合。通过在特定类数据集进行实验,与已有典型显著性检测进行对比分析,验证了本文方法在背景复杂的图像中可提升显著性目标检测的精度。