基于旋转投射校准的配电室指针仪表读取方法

为了解决配电室指针仪表监测中存在准确率差、采集频度低的问题，基于旋转投射校准，提出配电室指针仪表自动读取方法。为了消除巡检机器人多次拍摄配电室指针仪表图片存在拍摄角度差的影响，采用区域卷积神经网络对配电室指针仪表图片进行图像旋转投射校准；采用固定标准特征变换算法对指针仪表图像进行分割，并采用颜色变换特征提取指针仪表的刻度特征。在此基础上，通过霍夫变换提取指针仪表的指针读数；在某区域配电室进行实例应用，并将所提方法与应用支持向量机方法进行比较，其结果验证了所提方法的有效性和可行性。     

一种适用于变电站巡检机器人的仪表识别算法

该文提出一种改进的适合智能变电站巡检机器人室外工作环境的变电站仪表设备的读数识别算法.首先针对各个不同种类的仪表设备图像,进行设备模板化处理,并在模板库中建立各仪表的min刻度和max刻度的位置信息.对于机器人实时采集的仪表设备图像,在后台服务中调取相应设备的模板图,利用尺度不变特征变换(SIFT)算法,在输入图像中匹配提取仪表表盘区域子图像.而后对表盘子图像进行二值化、仪表指针骨干化处理,利用快速霍夫变换(fast Hough transform)检测指针直线去除噪音干扰,定位指针精确位置和指向角度,完成指针读数.此算法经过国内某500 kV智能变电站巡检机器人实地测试,各种仪表综合识别率超过99.2％,对仪表的读数具有高精度高鲁棒性,完全满足该智能变电站推进无人值守的仪表设备读数自动检测识别的要求.     

改进ORB和Hough变换的指针式仪表识读方法

为了实现指针式仪表的自动识读,提出一种基于改进ORB（Oriented FAST and Rotated BRIEF）和Hough变换算法的指针式仪表识读算法。利用角点强化方法加强ORB算法检测的特征点,通过特征点匹配对计算模板图像与待检测图像之间的透视变换矩阵。利用数学形态学处理、阈值分割等图像预处理提取指针,并提出一种用于确定指针旋转圆心的基于ORB特征匹配对的相似特征三角形方法,结合投影法定位指针方向。利用指针细化算法和添加圆心约束的Hough变换算法检测指针角度。最后根据仪表的先验信息得到读数结果。实验结果表明该算法在识读速度和精度等方面都能够满足指针式仪表识读的要求,具有较高的可靠性和工程应用价值。     

基于深度学习的指针仪表识别系统

指针仪表识别并读数是机房巡检的重要任务，该文基于图像处理和深度学习算法，设计了一种指针仪表识别系统。首先，通过巡检机器人采集机房巡检的数据集；其次，对Faster R-CNN模型进行池化策略改进，并使用更深的ResNet152残差网络，实现仪表区域的识别和定位；最后，使用边缘检测结合霍夫变换对仪表进行矫正和读数。实验结果表明，改进后的Faster R-CNN模型准确率较高，平均精确度提高了6.2%，也优于当前主流的网络模型。该模型测试的读数误差在2%以内，企业测试人员实际运行后的误差在4%内，可以满足企业巡检需求，具有较好的应用价值。     

基于均值漂移和区域合并的指针仪表图像分割

均值漂移算法在图像分割中有着十分重要的作用,考虑到图像的噪声和边缘保持等因素,提出了一种基于均值漂移的图像平滑和基于阈值的区域合并的指针式仪表图像分割方法.首先利用均值漂移算法对图像进行滤波降噪,然后对滤波降噪后的图像通过阈值的区域合并方法进行阈值分割.经过均值漂移滤波后的图像不仅能很好地保持指针仪表图像的边缘特征,还能有效地去除噪声,而基于阈值的区域合并方法能够使得分割的图像效果更明显.     

巡检机器人中指针式仪表示数的自动识别方法

针对巡检机器人室外自主识别仪表示数易受到光照影响的问题，在研究了基于二维伽马函数的仪表图像光照不均匀自适应校正算法的基础上，提出了基于最大稳定极值区域（MSER）提取指针区域的算法。首先，通过三尺度高斯函数提取光照分量，构造二维伽马函数自动地调整图像反光区域或过暗区域的亮度；然后，通过MSER的两次稳定区域检测提取指针区域；接着，以指针通过仪表轴心为条件，用细化算法和累计概率霍夫变换（PPHT）精确地定位到指针，提高了定位直线的准确度；最后，通过PPHT检测的直线两个端点与轴心位置比较，直接可以判断指针指向，更加方便了计算示数。实验结果表明，所提的仪表示数识别方法能够适应不同光照下、不同类型仪表的指针定位，且识别示数的正确率达到94%以上。     

一种指针式仪表的识别方法

当前指针式仪表识别技术日益成熟,其中指针形状和位置的识别大多采用Hough变换算法,传统的Hough变换算法运算时间长、储存空间大,使得识别过程效率低下。针对以上缺点,提出一种改进型Hough变换。通过限定指针式仪表表盘环形区域、运用差影法确定指针的大致区域、指针通过表盘圆心这三个限制条件来缩减Hough变换扫描的范围,以此缩减Hough变换算法的存储空间和计算量。将改进型Hough变换算法与传统的Hough变换算法相比较,实验结果表明:改进型Hough变换可有效地减少算法运行时间,提高指针仪表识别的实时性。     

复杂工况下视觉AGV导航标识带中心线的提取研究

针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下,对视觉AGV采集到的路面导航标识带图片进行特征提取,采用灰度化、中值滤波进行了图像预处理,研究了Otsu法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用,并对预处理图像作了分割对比实验;然后对分割后的图像进行边缘提取,分析了基于最小二乘法和Hough变换算法的直线拟合原原理,提出了Hough算法下基于边缘线的中心线拟合算法,并作了直线拟合对比试验;实验表明,复杂工况下,采用基于形态学和Otsu算法相结合的方法对图像进行分割,得到的二值图像边界更完整,效果更好,基于Hough变换算法较最小二乘法能更精确有效地提取出导航标识带中心线及其方程。     

变电站指针式仪表自动读数系统设计

针对变电站指针式仪表人工抄表存在易受工作人员主观因素影响,常发生漏检、误检,存在工作环境辐射危害大等问题,设计一种由巡检机器人和图像处理技术组成的变电站指针式仪表自动读数系统。该系统以STM32芯片为核心,由工字电磁传感器、双自由度云台、高清变倍相机以及ESP8266等组成的巡检机器人,能精确定位在仪表前对仪表图像进行采集并传回计算机终端。由计算机终端通过改进的区域卷积神经网络（Faster Region Convolutional Neural Networks,Faster R-CNN）目标检测算法提取出仪表盘高清图像,去除冗余信息后经霍夫变换检测出指针中心线位置,得出仪表读数。     

OMR图像倾斜矫正与分割

提出一种采用Hough变换进行OMR图像倾斜矫正的方法,该方法不必识别定位标记位置,具有很好的抗噪能力。为克服Hough变换计算量大的缺点,采用图像子抽样生成低辨率图像进行Hough变换,提高了算法效率。同时,提出一种快速游程段中心迭代算法分割图像,结合Hough变换,可快速准确地实现OMR图像的倾斜矫正与分割。     

基于深度学习的集气站指针式仪表读数研究

为了提高集气站仪表读数的信息化程度、减少人力资源成本,应用机器视觉和深度学习算法对指针式仪表的自动读数进行了研究.首先,对图像进行预处理,对白天采集的图像使用双边滤波进行降噪处理,对晚间采集的图像使用单尺度Retinex进行增强处理;接着,使用Mask基于区域的卷积神经网络(RCNN)获取采集图像中仪表的具体位置;然后...     

嵌入式环境指针式仪表快速识别算法研究

论文在对已有的各种使用图像处理手段进行仪表指针识别方案进行研究的基础上,根据工控环境中指针式仪表所具有特点,设计了基于多分辨率处理、霍夫变换的快速、准确的指针识别算法,该算法是已有识别方案的改进与融合。为了对算法性能进行测试,论文在所提算法的基础上,设计了简单并且容易部署的指针识别系统。识别系统的运行数据证明,论文所提算法可在资源有限的嵌入式系统中对工控环境中的指针式仪表读数进行快速而准确的识别。     

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。     

微电子封装位置在线实时图像识别算法研究

提出一种针对流水线上微电子点胶封装位置的在线实时图像识别算法。通过对封装位置所在圆的颜色特征分析,提取R分量进行图像灰度化,采用迭代法对灰度图像进行阈值分割去除复杂背景得到二值图像,利用中值滤波法平滑二值图像消除分割后的噪声,运用Sobel算子提取边缘获得边缘信息,利用Hough变换找出边缘信息中待识别圆的中心位置,完成对封装位置的检测。实验结果表明,利用机器视觉技术可以快速、准确地对微电子封装位置进行定位,具有很好的理论和实际应用价值。     

基于机载LiDAR点云的电力线自动提取

基于机载激光雷达数据提出了一种在林区中电力线自动提取方法,该方法是基于统计分析和二值化图像处理技术设计。首先采用高度阈值,分离出电力线候选数据集,并采用一组标准(例如,高度标准,密度标准和直方图阈值)来对候选集进行统计分析,选择电力线的候选点。然后将候选点转化为二值化图像,并进行形态学优化,采用基于图像的处理技术,利用渐进概率霍夫线性变换对图像进行直线分割。最后将分割出来的电力线二值化图像转换成三维点云,并利用区域增长精细化提取电力线点云。使用不同林区环境下的4组机载激光雷达数据进行实验,实验结果表明,算法在林区环境下能够完整地提取出电力线,且电力线分类精度较高,对于电力巡线具有较高的利用价值。     

基于模板匹配与Hough圆检测的仪表识别

随着自动化技术的不断发展,国内电力系统的自动化程度不断提高,无人变电站、无人配电房也逐渐普及。针对变电站中指针式圆形仪表的识别,提出了一种基于模板匹配与Hough圆检测的仪表识别方法。首先对图像进行预处理,将摄像头获取到的RGB彩色图像进行灰度化以及图像的局部直方图均衡化,将预先采集的仪表模板与待测图片进行两次模板匹配,获取仪表大致位置并对图像进行定位裁剪,通过Hough圆检测获取圆形表盘位置及其圆心坐标,将图像通过K-means方法二值化,再通过旋转虚拟直线法对指针进行拟合识别,通过角度与刻度的对应关系计算读数。利用Python和OpenCV视觉库实现算法,实验结果表明,该算法对于指针式圆形仪表识别效果显著,定位表盘位置准确,指针识别和角度计算有较高的精度。     

基于深度学习的配电柜指针仪表示值识读研究

为准确读取配电柜指针式仪表的示值,保证巡检机器人作出相应决策,提出一种结合改进YOLOv5和PSPNet模型的指针仪表检测及示值识读方法;首先利用主干网络替换为轻量化网络MobileNetv3的YOLOv5算法检测定位表盘区域;然后采用特征提取网络替换为MobileNetv2的PSPNet算法对表盘的刻度线区域和指针进行分割,并通过最小二乘法圆拟合和霍夫直线检测法得到指针回转中心及指针的偏转角度;最后结合指针偏转角度和相邻主刻度线与回转中心连线的偏转角度,通过公式法求取仪表示值;实验结果表明,该算法能够准确提取配电柜上的指针仪表表盘,并对表盘中的刻度和指针进行精准分割,在误差允许的范围内指针仪表示值识读相对误差最大为6.5%,满足实际工程应用的需求。     

指针表刻度中心直线拟合方法研究

重点研究直线图像的直线方程拟合方法,提出了一种基于最小距离直线拟合新方法,用于拟合指针表刻度直线.对采集的仪表图像做预处理后,获得仪表各刻度直线的二值图像.使用最小距离直线拟合方法拟合各刻度中心直线,使用刻度拟合直线相交点对拟合直线进行最小二乘修正,提高刻度中心直线的拟合精度.仿真结果表明,该直线拟合方法能快速确定高精度指针表刻度线图像的精确直线方程,有利于提高指针表读数的精度.     

基于卷积神经网络的指针式仪表识别

目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪表的识别方法.首先用Faster R-CNN算法检测仪表圆盘,再采用基于深度学习的方法Faster R-CNN算法检测指针,根据得到的指针目标框的位置信息裁剪得到指针图像,在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数.和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰.实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55％.对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.