一种自动读取指针式仪表读数的方法

为解决变电站中自动化监控仪表读数的问题,提出基于机器学习和图像处理算法的指针式仪表自动读数方法,由仪表检测和指针识别两个阶段组成。使用全卷积网络(fully convolutional networks,FCN)对输入图像进行语义分割,以检测仪表的位置并提取仪表部分的图像。利用直方图均衡化、中值滤波和双边滤波减小光照和阴影对指针识别的干扰,并利用仿射变换矫正拍摄时的倾斜,再结合改进的霍夫变换识别仪表中指针的位置,从而计算指针角度获取读数。结果表明,对于自然场景中变电站中的指针式仪表,本研究能很好地检测出仪表并识别出指针的读数,对于光照和阴影等干扰具有良好的鲁棒性,可以显著减少变电站巡检人员的工作量,提高工作效率。     

基于图像识别的多指针仪表自动读数方法

针对多指针仪表的指针读数识别问题,提出了一种基于色差变换的定位方法和基于表盘结构特征的指针读数自动识别与判读方法.采用LRCD变换、数学形态学处理方法和p 分位法完成有效区域筛选及水表的指针定位,根据表盘中心到指针回转中心的连线与子表盘0刻度线的夹角等特征,计算出子表盘0刻度线与指针指向线段的夹角,进一步识别并判读出指针读数.实验结果表明,该定位及识别算法计算简单,具有较高的准确率,克服了表盘随机角度倾斜对读数识别算法的影响.     

复杂仪表的图像自动读数识别方法

在对复杂仪表的特点分析研究的基础上,提出了复杂仪表的图像自动读数识别的原理和方法。对实现其原理所采用的主要方法,如分段线性灰度变换、Hough变换、模板匹配法进行了介绍。以水表为实例证明了所采用的图象自动读数识别原理和方法的正确性和有效性。结果表明,该方法具有很好的稳定性、准确性、快速性等特点。     

基于HSI模型和Hough变换的指针式汽车仪表自动校验

为了克服传统的汽车仪表人工校验普遍存在准确率不高的弊端,提出一种指针式汽车仪表自动校验算法.针对汽车仪表盘颜色信息丰富的特征和采集图像时目标物体周边有阴影的现象,将RGB模型下的表盘图像转到HSI（色调、饱和度、亮度）模型以消除阴影影响,并利用色调和饱和度分量作为特征参数进行图像分割,并采用Hough变换检测目标;分别计算出指针指向主要刻度线时相对于零刻度线的偏转角,并与相对应的标准偏转角比较,若超过允许误差范围则返回重调.对常用汽车仪表盘的自动校验结果表明该算法精度好,校验准确率高.     

一种改进深度卷积生成对抗网络的人脸分割方法

在智能算法领域,人脸识别是一个重要的算法部分,而人脸分割又是人脸识别的一个重要组成部分。提出一种基于改进的深度卷积生成式对抗网络的人脸分割方法,将端到端的图像变换模式应用于生成器中,利用生成器对人脸图像进行分割。深度卷积生成式对抗网络将卷积层加入到生成器和判别器,使得生成器通过反卷积产生图像,而文中在反卷积之前再加入卷积层,组合形成全卷积的网络结构,将生成器的图像生成功能扩展成为语义分割功能。同时,生成器的输入原图和输出标签的通道组合作为判别器的判别对象,通过判别器来评判分割水平,进一步提高分割的标签与输入原图的关联性。经过多次实验,验证此方法能有效分割人脸主要区域。     

Hough变换的改进及其在电厂指针式仪表自动识别中的应用

在图像处理中,Hough变换广泛应用于图像空间中的直线检测,但其本身具有存储空间大、计算时间长的缺点。研究了传统Hough变换算法,针对其缺点,提出了一种改进的Hough变换算法。通过减小Hough变换的搜索范围来减小变换所需的存储空间和计算量,并将提前确定好的圆心直接加入到累加器中来减小计算量,从而大大减小了计算时间...     

基于距离谱回归的全景分割方法

全景分割旨在同时预测图像中每一个像素的语义标签和实例标签,是目前场景解析研究的难点和热点之一。针对现有的全景分割方法采用检测策略提取每个实例区域,无法有效解决实例遮挡的难题,提出一种基于距离谱的深度卷积全景分割模型。不同于现有的基于检测策略的全景分割方法,该模型利用前景像素点与边缘的距离关系构建最大距离和最小距离向量,在存在遮挡的情况下能够有效地刻画出同一实例不同区域的相对关系,从而缓解遮挡问题。为了有效预测最大距离谱和最小距离离谱,提出了一种基于卷积网络的距离谱回归模块。同时,为充分利用距离谱的实例表示优势,设计了2种由距离谱生成实例分割结果的方法。在Cityscapes数据集上进行了大量实验,实验结果表明,全景质量PQ达到了理想效果,本文方法有效。     

一种红外热图像目标区域分割的深度学习算法

为了解决复杂背景下红外热图像目标区域分割困难的问题,提出了一种利用全卷积网络和稠密条件随机场的深度学习分割算法。首先,利用全卷积网络进行像素级别特征提取,获得粗分割结果;然后,使用稠密条件随机场对粗分割结果进行上下文信息优化的精分割,最终实现目标区域的分割。将该算法应用于实际采集的太阳能板红外热图像数据集,五折交叉验证结果表明,该算法平均查准率为89.96%,平均查全率为94.55%,平均F₁指数为0.911 8,平均J指数为0.868 7。同时,最高查准率为93.35%,最高查全率为97.59%,最高F₁指数为0.956 2,最高J指数为0.912 5,均高于现有的主要算法。该算法耗时短且不需过多的人工干预,能实现复杂背景下红外热图像目标区域的有效分割。     

一种数显仪表数字字符识别方法研究

针对工业控制领域数显仪表检测系统数据自动采集中数显仪表图像存在的歪斜、缺损和模糊问题,给出了一种有效的数显仪表数字字符识别方法.通过Radon变换找到倾斜角度纠斜校正图像;采用腐蚀细化修补图像的缺损;运用行分割、单字分割与规范化进行数字字符的准确分割模糊图像,以网格法与交线特征提取法提取数显仪表数字字符的特征,采用三层BP神经网络进行数字字符识别.某煤矿企业实际采集的数显仪表彩色图像数字字符识别实例,说明本文方法识别率高,抗干扰性好.     

基于颜色提取方法的仪表彩色指针识别

主要论述了利用颜色提取及图像分割技术对汽车仪表指针位置进行识别处理的原理、步骤以及具体的实现过程.通过使用彩色提取和形态学图像处理技术,成功地提取了仪表盘中红色的指针,确定圆心并利用角度法计算出指针仪表读数.颜色提取方法为 HIS颜色空间的坐标区域表示法,与常见的先把仪表图像转化成灰度图再进行处理的方法比较,此方法对于彩色指针仪表的识别更简单有效.     

指针式仪表自动识别装置的设计

针对指针式仪表人眼读数效率低,不能转化成数字信号输入计算机,提出一种基于Hough变换的指针式仪表自动判读方法.该方法运用图像减影技术,通过调节图像分辨率实现指针的检出,再利用Hough变换做峰值检测、线检测和链接,通过转换偏转角度的基线位置,确定出仪表指针的读数.实验表明,该方法能快速有效地完成指针式仪表的自动判读,且最大不确定度明显优于人眼的识别,具有较高的精度.     

县区配电网远程自动抄表系统的研究

介绍了远程自动抄表系统的组成及功能,对通讯方式的选择进行了探讨,列举了2种县区配电网远程自动抄表系统的设计方案。     

基于GSM/MODEM无线通信的自动抄表系统实现

对远程抄表系统的组成、硬件软件设计、功能及技术性能进行了论述。该系统通过下位机（MCU）和无线收发模块（PTR200）收集、整理数据，通过无线MODEM模块经GSM网与上位机通信，控制中心通过上位机（PC机）收集数据，实现远程无线自动抄表的功能。     

基于MR图像的软骨特征自动分割方法

图像分割是关节软骨精确检测和评估的首要前提.针对股骨头软骨MR图像提出基于边缘的自动分割技术.利用Hough变换和髋关节的解剖学结构约束提取股骨头中心和图像的目标位置,确定出粗略分割图像的范围,并结合自适应阈值的Canny边缘检测算子确定被分割图像的边界,按照股骨头软骨边界的像素特点对检测结果进行逐一排查,以去除噪声获得精确的软骨内外边缘.提取内侧与外侧边缘之间的图像信息作为最后的分割结果.实验表明,分割方法可以实现对MR图像中髋关节股骨头软骨快速准确的自动分割.     

Hough变换和区域分离-合并相结合的分割算法

针对传统区域分离-合并算法中过分割的问题,提出一种基于边缘提取和区域分离-合并相结合的分割算法。即利用Canny算子对图像进行边缘提取,得到边缘像素集。然后将像素集作为边缘线,采用区域分离-合并算法进行图像分割。由于Canny算子所提取的像素集是不完整的,所以需要用Hough变换对其进一步完善,得到连续的边缘线。该算法能够提高区域分离-合并算法的精确度,较好地解决其过分割的问题。实验结果表明,该算法有效。     

基于改进Canny检测与Hough变换的仪表图像识别算法

针对发电厂中指针式仪表数量多、周围环境复杂、灰尘污染等因素导致获得的图像含有大量噪声从而影响仪表读数识别精度的问题,提出了一种改进Canny边缘检测算法,通过采用5×5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阈值选择法,有效避免了传统Canny算法易出现伪边缘、边缘信息多等现象,结合Hough变换技术提取仪表指针信息,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统Canny算法,仪表读数识别精度达到95%。     

一种改进的虹膜定位算法研究

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能.依据虹膜图像的灰度分布特点,首先对粗定位方法进行改进,包括在利用灰度投影方法粗定位瞳孔圆心及半径的基础上,剪切出虹膜图像中包含瞳孔的图片,冉利用灰度投影法对剪切图片进行粗定位瞳孔嘲心及半径.其次对传统的Canny边缘检测算子进行改进,使其只在垂直方向上检测边缘,并结合Hough变换定位外边缘.实验结果证明了该算法的有效性和可行性.     

基于两阶段区域生长法的肝内血管分割算法分析

为了在缺乏大量肝血管标注信息的情况下增强肝血管结构分割, 提出了局部-长距离-相邻信息融合模块, 并将其嵌入U-Net的编码阶段, 得到一种基于结构感知的肝血管分割网络。该模块有3个分支: 提取特征图局部信息的残差卷积模块, 利用自注意力机制提取特征图的全局信息的长距离提取模块, 以及利用相邻切片补充上下文信息的相邻信息提取模块。通过将以上3个分支模块的输出特征图进行融合, 可以有效提升网络的血管结构感知能力, 缓解2D网络无法表征血管立体走向与3D网络训练数据不足的问题。分别在MICCAI十项全能数据集中的肝血管与肿瘤数据集和三甲医院收集标注的自采肝血管数据集上进行了广泛的对比实验。结果表明, 与多种主流的分割算法相比, 该算法取得了最优的血管分割性能。所提出的方法在MICCAI数据集上Dice值达到64.04%, 在自采肝血管数据集上Dice值达到了72.07%。