基于机器学习和模板匹配的变电站仪表自动读数方法

针对变电站固定摄像头拍摄的各种类型的指针式仪表,提出一种自动读数方法。该方法包括模板制作、模板匹配、图像处理、表针识别和几何读数五个阶段。通过模板制作确定刻度值和角度的几何关系,使用模板匹配算法定位待读数的仪表盘位置,提取仪表盘部分的图像,并通过高斯滤波和伽马变换降低光照和阴影对表针识别的干扰。为提升复杂环境下图像二值化的效果,使用K均值聚类算法获取仪表盘图像的动态二值化阈值。为适应圆形和椭圆形变形的表盘,使用可变长度的线段拟合仪表盘二值化图像中的表针,获取表针的旋转角度,再结合主要刻度的角度和刻度值的对应关系,计算出表针角度对应的读数。实际应用结果表明,针对自然场景下变电站中的指针式仪表,该方法对光照、阴影、遮挡、倾斜、变形等干扰因素具有良好的鲁棒性,误差均小于最小刻度间隔,满足工程应用要求。

依托Python的模拟仪表读数自动识别系统设计研究

为了强化模拟仪表读数自动识别质量,本研究首先基于梯度霍夫变换的圆心检测与半径算法,以及霍夫变换的指针边缘检测算法,来提高指针检测的准确性;其次采用刻度线裁剪与轮廓检测技术,有效提升了刻度线轮廓的识别效率;再次通过距离法与角度法相结合的方式,优化指针仪表读数的计算方法,减少了误差;最后基于Python实现的指针式仪表读数自动识别系统,通过结果及误差分析验证了方法的有效性和实用性。研究表明:该成果可提升模拟仪表读数自动识别的精度和效率,为相关领域的技术发展提供新的思路和方法。

基于树莓派的指针式仪表读数自动识别系统设计

本文针对指针式仪表读数识别过程中表盘定位精度不高、量程手动输入、自动化程度低等问题,提出了基于改进的完全局部二值模式(CLBP)的表盘特征提取算法,结合支持向量机(SVM)和图像下采样方法,实现表盘精准定位,设计仪表量程自动获取方法,实现量程的自动获取,减少工作量。以树莓派为硬件平台,设计指针式仪表读数自动识别系统。测试表明,读数识别相对误差在2%以内,识别平均时间为534ms/次。

基于改进YOLOv5轻量化的指针式仪表识别与读数方法研究

文章针对指针式仪表自动读数存在的读数精度低、鲁棒性差及实时性不足等问题,提出了一种基于改进YOLOv5轻量化模型的指针式仪表识别与读数的方法。首先,采用改进的YOLOv5识别并定位复杂场景中待检测仪表的位置,提取仪表区域;然后,通过特征点匹配与透视变换对仪表图像进行校正;最后,利用M-LSD算法提取指针并通过直线拟合计算出指针所指向的刻度读数。试验结果表明:文章提出的方法最大误差为0.05mA,在最小刻度范围内,该方法具备良好的鲁棒性、精确性和实时性,可满足不同复杂场景下的实际应用。

基于树莓派的指针式仪表读数自动识别系统设计

针对指针式仪表读数识别过程中表盘定位精度不高、量程手动输入、自动化程度低的问题,提出了基于改进的完全局部二值模式(CLBP)的表盘特征提取算法,结合支持向量机(SVM)和图像下采样方法,实现表盘精准定位,设计仪表量程自动获取方法,实现量程的自动获取,减少工作量。以树莓派为硬件平台,设计指针式仪表读数自动识别系统。测试表明,读数识别相对误差在2%以内,识别平均时间为534 ms/次。

基于关键点检测的指针仪表读数算法

通过摄像头实现指针式仪表自动读数时易受复杂环境、摄像头不同角度等因素影响,而且在实际的应用中难以均衡检测速度和检测精度,为此,文章提出一种基于关键点检测的指针仪表读数算法。以ResNet18为主干网络,摒弃了最后两个阶段的残差块以及之后的全连接层,并针对指针仪表表盘的特点设计了一个轻量级特征融合网络,同时引入提高模型性能的姿态修正机(pose refine machine,PRM)。最后利用得到的表盘圆心、零刻度线、当前指针刻度3个关键点信息,通过角度法完成读数计算。实验结果表明,本文算法读数误差仅为0.506%,速度可达53 fps,相比于传统算法具有较高的精确度;相比于其他同类算法,在拥有更少参数量与运算复杂度的情况下,仍能实现对指针关键点的高准确度预测,充分证明所提算法的有效性。

煤矿巡检机器人仪表识别技术的研究

为实现煤矿巡检机器人的无人化和智能化,保障巡检机器人能够读取各类仪表仪器的显示数据,设计了一种基于深度学习的多类型仪表视觉识别系统。该系统利用YOLOv3网络模型进行仪表类型判别以及定位,同时采用改进的径向灰度法结合Hough变换和Canny边缘检测算法来读取指针式仪表的数据;并使用EasyOCR获取数字式仪表的读数。测试结果表明该系统在仪表识别方面有较好的准确性,三类仪表的读数相对误差均小于3.8%。该系统为煤矿巡检机器人的视觉系统提供了一种实际有效的解决方案。

指针式仪表读数自动识别算法及系统研究

基于指针式压力表自动识别系统的构成,结合机器视觉理念,提出一种图像归一化算法。此算法对传统的平面二维插补算法进行改进,将压力表中的文字标识去除,并将整体圆形表盘转化为矩形图像,获取压力表刻度线表盘模板,通过对表盘刻度线进行细化和定位,形成指针式仪表读数自动识别算法。将算法集成到MFC应用程序,完成应用程序模块化设计,形成指针式压力表自动识别系统。实际应用结果表明,该识别系统可有效保障数据读数精准性,同时降低工作成本,具有一定的推广使用价值。

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PAT-Unet的泄露电流仪表示数识读算法设计

仪表能准确反映变电站电气设备的运行状态,为了克服人工巡检造成仪表漏读与错读等情况,提出一种基于PAT-Unet神经网络的仪表示数智能识读算法对泄露电流仪表的示数进行智能识读。首先设计PAT-Unet神经网络对仪表的指针与密集刻度进行分割,网络中在编码层构建特征聚合模块与残差特征分散模块,增强特征的提取能力;设计Transformer特征浓缩模块,进行深层语义信息融合,以增强对细小目标分割精度;引入金字塔切分注意力机制,加强网络编码层与译码层之间的信息交互能力。结合轮廓检测算法与最小外接矩形算法,计算刻度分割结果的关键点,利用透视变换完成倾斜仪表的校正;再使用K-means聚类算法定位泄露电流仪表圆心;最后,根据仪表圆心利用极坐标变换将扇形表盘展开为矩形,通过分别计算零刻度与指针以及最大刻度之间的距离关系得到泄露电流仪表示数。实验证明,所提算法能对倾斜仪表盘进行校正,在保证读数准确度的同时,能对泄露电流仪表示数进行智能识读。

计量检定实验室仪表读数自动识别系统设计

本研究旨在设计并实施一套计量检定实验室仪表读数自动识别系统,以提高检定效率、降低人为误差,并确保检定结果的准确性和可靠性。通过采用图像识别与处理技术和深度学习算法,系统能够自动识别仪表读数,实现数据的自动录入与校验。研究还聚焦于解决实施过程中的适应性、算法鲁棒性与解释性,以及与检定业务流程的集成等问题。通过本研究,我们期望为计量检定领域引入一种先进的自动化方法,提高实验室工作效率,减少人为误差,从而保障检定结果的准确性和可靠性。

基于OpenVINO的变电站指针式仪表自动读数研究

为提高变电站巡检机器人进行指针式仪表自动读数的准确性和实时性,提出一种基于OpenVINO的变电站指针式仪表读数方法。通过关键算法的改进及OpenVINO工具的加速,样机系统对同质量图片的检测和识别速度达到78 ms,相对于TensorFlow框架提升了约40倍。通过对比改进前后Mask R-CNN的表盘分割效果、表盘矫正前后的表盘分割效果对仪表读数精确度的影响,可知在仪表自动读数阶段,仪表读数的准确度得到有效提升。

基于Faster R-CNN的变电站指针式仪表识别技术研究

针对变电站仪表读数准确性差和效率低的问题,提出了一种基于Faster R-CNN的目标检测算法和EmguCV图像处理库结合的方法。首先引入了Faster R-CNN两阶段目标检测算法,对仪表盘进行检测识别和提取。其次,采用随机采样圆检测进行圆形表盘定位,使用Laplace算子处理图像提取主刻度线并结合环向模板匹配法进行仪表指针定位。最后,通过指针偏移角度来计算最终示数。通过仿真实验表明:提出的方法对仪表的识别率达到了99.38%,自动读数系统平均误差小于0.2%,对每张图片的处理时间约为35 ms。

基于视觉显著性的指针式仪表读数识别算法

针对指针式仪表读数算法对光照变化影响较大、识别精度不高的问题,提出一种基于视觉显著性区域检测的指针式仪表读数方法.首先利用区域对比度、空间关系、中心先验性等视觉显著性区域检测先验知识,提取仪表图像指针区域;然后用无向图排序算法进行优化,抑制非指针区域的干扰,突出指针区域;再通过依次旋转仪表指针图像统计旋转不同角度时仪表指针图像在纵轴上的投影最大值,计算指针至平行于横轴需要旋转的角度,并判断指针旋转至平行于横轴时指针顶部区域与底部区域在横轴上的投影最大值在仪表图像中位置,获取指针与横轴的夹角;最后采用最小二乘法拟合指针夹角与指针刻度之间的线性函数参数,计算仪表读数.实验结果表明,该方法在不同光照下能较好地提取指针区域,得到的仪表读数与人工读数误差较小,算法稳定可靠.

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。

基于图像传感器的仪表自动读数系统

基于图像传感器的仪表自动读数是现代测量的发展趋势。利用机器视觉和图像处理技术,设计了一种机器视觉与图像传感器测量相结合的自动读数测量系统。利用LED漫反射光源的特性设计测量用光,有效削弱仪表表面的强镜面反射,取得光照较均匀的图像;利用移位寄存式线性逼近法从刻线群中识别出对准刻线;利用特征窗平移法提取字符特征实现了快速字符识别。实验表明:系统的测量准确性比用传统的测量方法提高了1倍,而且操作便捷,测量效率高。

基于扫描线处理的指针式仪表快速读数算法

针对光照不均匀、指针检测速度过慢等因素造成指针式仪表读数算法无法快速、准确读取示数的问题,提出一种基于扫描线处理的快速准确读数新算法。新算法首先利用单尺度Retinex提取光照鲁棒性特征图像,然后应用提出的扫描线处理算法快速抽取进行Hough变换的特征像素点,最后用双阈值Hough变换检测直线。实验表明,所提算法创新性地将指针图像细化与双阈值Hough变换等相结合,不仅解决了光照变化的影响以及检测速度慢等问题,而且具有读数精度高、读取速度可调节等特点。

计量检定实验室仪表读数自动识别系统设计

针对计量检定实验室对仪表进行检定时人工检定方式效率低下,读数识别系统开发成本高的问题,设计了一套基于树莓派的计量检定实验室仪表读数自动识别系统。系统采用树莓派4B控制摄像头采集仪表读数的图片,然后采用SSDA算法定位图像读数区域,并进行字符分割,再使用BP神经网络和特征匹配算法识别分割出的字符,最后通过SSH方式将识别结果发送给PC端进行存储。实验结果表明,系统运行时间为500~600 ms,读数识别的正确率在92%以上,证明系统可用于计量检定实验室仪表读数的自动识别。

基于文本特征及二次矫正的指针式仪表自动读数算法

现有的指针式仪表读数算法常通过检测仪表的刻度进行示数识别,但仪表图像中的刻度包含的特征较少,从而容易出现误检测。针对此问题,提出了一种新的指针式仪表自动读数算法,该算法通过选取较大区域的图像特征大幅度地提高了仪表读数识别的鲁棒性。由于指针刻度值文本是各类仪表具有的共同部分且具有远多于刻度图像的特征,因此所提算法以刻度值文本作为识别依据,首先通过卷积神经网络检测仪表图像中的刻度值文本,并使用其位置坐标来拟合仪表的圆心,在得到圆心的基础上通过极坐标变换及图像二次矫正将圆弧形的刻度区域转换为水平直线型的区域,同时被识别的文本值也用于改进距离判读法。该方法与其他读数算法的比较结果表明,该算法具有较高的读数准确率,引用误差在0.5%以下,且在复杂拍摄条件下具有更高的鲁棒性。

基于DSP的指针仪表自动读数系统的设计与实现

本文提出了一种利用数字信号处理器TMS320DM642构成一个自动读数系统的方法,介绍了系统的软硬件设计。采用基于相邻帧图像相减的预处理方法和中心投影法实现了指针式仪表指针的快速检测。