基于K-means与模板匹配的水表指针示数判读方法

针对企业水表校验台校验效率低、人工读数误差大的问题,提出一种水表指针示数自动判读方法。运用Hough变换对水表成像系统采集到的表盘图像进行倾斜校正,再利用两次K-means聚类分割技术消除复杂光源、气泡对指针图像分割的影响,完成自然光照条件下水表图像的指针分割;运用模板匹配技术实现指针示数的自动判读。测试结果表明对比人工读数,该方法降低了读数误差、提高了读数效率,满足水表校验使用要求,对提升水表生产效率、降低企业生产成本有重要意义。

基于刻度轮廓拟合的指针式仪表自动识别方法

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Freeman链码改进图像处理算法的指针式仪表识别

指针式仪表识别的优点很多,但也有不足之处,例如:受各种不确定因素的影响,极易导致图像处理与模式识别出现偏差,影响仪表的自动识别任务的可靠性,造成仪表在处理数据时的劳动强度增大、效率变低。基于上述问题,对基于Freeman链码改进图像处理算法的指针式仪表识别技术进行了研究。对Freeman链码图像处理算法进行了阐述创新性地应用了边缘算法对Freeman链码图像处理算法进行优化改进,并对改进方案进行了二次校正。对提出的优化算法进行斜率校正验证及性能检测。研究结果表明,基于Freeman链码改进图像处理算法能有效地提升指针式仪表的自动识别能力,有效地避免了单一的图像水平倾斜所造成的指针式仪表识别缺陷;优化算法在自指针式仪表的示数识别中耗时较多,最大相对误差为0.04%,明显优于霍夫变换算法。该研究能够为相关工业领域的指针式仪表的自动化识别的发展提供一定的参考。