基于YOLOv4的指针式仪表自动检测和读数方法研究

针对仪表自动检测读数时,由于仪表特征不明显、复杂背景环境等因素造成的仪表检测困难、提取速度慢的问题,提出了一种基于YOLOv4的指针式仪表自动检测和读数方法。首先,利用YOLOv4检测提取了仪表盘区域,采用霍夫变换裁剪了表盘区域;其次,在表盘区域查找了刻度线轮廓,利用最小二乘法拟合了刻度线轮廓直线,得到了指针回转中心;最后,细化指针轮廓,并利用随机采样一致性拟合了指针中心直线,根据指针的回转角度换算得到了仪表读数。实验及研究结果表明:采用指针式仪表自动检测和识别方法的仪表检测精度达到了98.6%,读数的平均基本误差为0.72%,平均识别时间为80.65 ms;同时,该结果也证明了算法的有效性和快速性。     

基于透视校正的指针式仪表读数识别

针对在倾斜拍摄条件下如何正确获取指针式仪表读数的问题,提出了一种基于透视校正的识别方法。采用色值叠加法进行图像增强;采用Otsu算法对图像进行二值化,并通过最大连通域获取仪表表盘区域;采用Hough变换法和最小二乘法进行表盘区域的边界直线的提取;通过透视变换法对表盘区域图像进行校正;利用兴趣区模板提取指针特征,并通过最小二乘法确定指针的偏转角度,用以计算仪表的读数。实验结果表明,所提方法具有较高的准确度和较好的实时性,对在倾斜条件下拍摄的仪表图像进行读数识别具有一定的实用价值。     

基于HSV空间的指针示数识别方法

为实现水表表盘指针区域的示数自动识别,提出以表盘结构信息结合HSV色彩空间分量实现区域定位及指针读数的图像识别方法。利用图像信息实时计算Hough检测所需参数进行表盘内圆及指针外圆的定位;采用HSV色彩空间通道信息作为指针轮廓提取标准;通过计算指针轮廓与预设半径同心圆的交点及指针所在圆心至轮廓点的最远距离,两种方式结合判断指针转动的角度并将其转换成实际的指针示数;通过对不同分位的指针识别结果进行合理性判断,完成常见机械误差的示数矫正;最后,采集现场工况下表盘图像对该算法进行测试,通过与人工读数结果相比较,表明当前的示数识别方法具有良好的准确性和可靠性。     

基于YOLOv5和U-net的指针式仪表读数识别方法北大核心CSCD

针对不同背景、距离条件下指针式仪表读数识别准确性低的问题,提出了一种结合YOLOv5和U-net的仪表读数识别方法。首先引入了YOLOv5算法检测并提取仪表区域;其次采用Hough梯度圆检测提取纯仪表盘和U-net分割算法准确分割出指针轮廓,并通过指针细化,加权最小二乘法拟合指针所在直线,根据定位坐标系获取指针方向和偏转角度,最后利用指针的偏转角度计算仪表读数。结果表明:提出的方法检测每张图像的平均耗时为64.511 ms,读数识别的成功率达97%,平均引用误差为0.577%,能快速并准确地识别出指针式仪表示数。     

一种基于机器视觉的水表检定装置的研制

研制了一种基于机器视觉的水表检定装置,该检定装置通过设计移动式图像采集平台,单个相机即可完成对多工位的水表指针图像采集,节约了设备成本。采用角度法识别水表指针读数,通过模板匹配校正图像,提出了一种改进的最小二乘法拟合圆心的算法定位指针,利用harris角点检测算法获取针尖点,根据圆心与指针角点形成的连线之间的夹角获得指针的读数。实验表明:该检定装置与人工检定的方法相比,提高了生产效率,且系统的识别正确率在94%以上,具有较高的准确性。     

基于YOLOv5的指针式仪表自动读数方法研究

为了实现复杂环境下指针式仪表的自动读数,提出了一种基于目标检测的指针式仪表自动读数方法。首先,针对复杂环境下仪表检测困难的问题,利用改进的YOLOv5算法对仪表表盘进行检测,并提取出表盘区域;其次,结合AKAZE(accelerate-KAZE)算法、随机抽样一致性算法(random sample consensus, RANSAC)和椭圆拟合算法对提取出的表盘做2次透视变换,实现对表盘的倾斜校正;最后,将无倾斜的圆形表盘通过极坐标变换展开成矩形,再利用YOLOv5算法对指针位置进行识别,采用距离法得到最终读数。实验结果表明,所提方法的读数最大相对误差低于2.5%。此自动读数方法具有稳定性和准确性,可满足各类工业场景下的实际应用要求。     

无先验知识的仪表自动检测与判读算法

针对其他算法对先验知识的需求造成的不便,提出无需先验知识的表盘区域检测与仪表判读算法。对于表盘区域检测算法,通过结合椭圆检测方法和非极大值抑制,检测备选仪表区域,通过设计预处理和梯度值与水平线角度的计算方法,在种子点选取时加入向心约束,检测向心线段并筛选仪表区域。针对仪表判读算法,通过设计分扇区选点算法拟合刻度线所在椭圆,识别刻度线,设置线段融合条件识别指针,利用最大极值稳定区域算法提取感兴趣区域(ROI),连接相邻ROI合成刻度值信息,随即关联刻度值与其近邻主刻度线的角度并进行拟合,完成仪表判读。实验表明,算法运行总时间为0.63 s,误差在一个刻度内的概率为80%,在两个刻度内的概率为96.7%,满足实际需求。     

基于单参数同态滤波与全局对比度增强的指针仪表读数识别方法

为解决光照变化、指针阴影对指针式仪表读数识别的影响,提出具有单参数的指数型同态滤波与全局对比度处理的仪表读数识别方法。设计了单参数指数型同态滤波器来增强图像对光照变化的适应性;利用全局对比度图像增强算法来突出表盘信息区域;通过二值化、连通域处理、形态学处理提取指针区域;通过细化处理和累计概率霍夫变换定位指针中心线;获取指针的偏转角度来计算仪表读数。仿真实验表明,所提算法能够在不同光照变化和存在指针阴影的条件下较好地提取指针区域,且读数识别的正确率达到95%以上。     

基于SVM的精密指针式仪表自动读数方法

针对精密指针式仪表读数算法对自动读数的自适应性差问题,提出一种基于SVM的精密指针式仪表自动读数方法。该方法首先对二值化处理后的仪表图像通过面积形态学提取刻度并做极坐标变化,再利用面积形态学特征提取刻度与指针位置,最后利用SVM识别刻度对应的数值进行读数判读。实验表明,自动读数结果与实际数值相比误差均小于0.1%,算法稳定可靠。     

基于改进GA-Otsu与RANSAC回归的指针式仪表识读算法

为解决指针式仪表的人工读数效率低、识读精度不高等问题,提出一种基于改进GA-Otsu与RANSAC回归(随机抽样一致性)的指针式仪表识读方法。利用ABF(自适应双边滤波器)对指针式仪表图像进行纹理和噪声滤除,结合Hough梯度法与Mask掩膜法对仪表图像进行表盘提取。基于改进GA-Otsu的图像分割算法得到分离的指针区域,经过形态学处理提取指针细化图。采用RANSAC算法拟合得到指针中心所在直线,计算其角度值,并结合量程信息与角度法完成仪表读数识读。实验结果表明,该算法能有效地分离指针目标与背景,相较改进前识读速度提升了约42.34%、识读平均相对误差小于1.15%,并对不同光照和阴影干扰均有较强的鲁棒性。     

基于KAZE特征匹配的指针式仪表自动读数方法北大核心CSCD

针对远距离多角度下的指针式仪表盘刻度模糊、表盘变形带来的自动识别困难,提出了一种基于KAZE特征的关键点匹配的表盘自动读数方法。首先针对每类表盘制作模板,然后分别提取待识别图像及其模板图像的KAZE特征,采用KNN进行关键点匹配,并通过RANSAC消除匹配错误的关键点。通过匹配结果得到表盘区域ROI,并根据ROI区域的直方图分布进行二值化和形态学处理得到边缘信息,采用概率霍夫变换拟合直线归类合并出指针直线,最终结合标注的先验知识得出读数。结果表明提出的方法很好的解决了远距离多角度下的表盘自动读数问题,在560个样本中,误差控制在一刻度之内的结果达到了96%以上,满足了实用要求。     

基于KAZE特征匹配的指针式仪表自动读数方法

针对远距离多角度下的指针式仪表盘刻度模糊、表盘变形带来的自动识别困难,提出了一种基于KAZE特征的关键点匹配的表盘自动读数方法。首先针对每类表盘制作模板,然后分别提取待识别图像及其模板图像的KAZE特征,采用KNN进行关键点匹配,并通过RANSAC消除匹配错误的关键点。通过匹配结果得到表盘区域ROI,并根据ROI区域的直方图分布进行二值化和形态学处理得到边缘信息,采用概率霍夫变换拟合直线归类合并出指针直线,最终结合标注的先验知识得出读数。结果表明提出的方法很好的解决了远距离多角度下的表盘自动读数问题,在560个样本中,误差控制在一刻度之内的结果达到了96%以上,满足了实用要求。     

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。     

基于双重霍夫空间投票的指针表自动读数方法

针对现有指针式仪表自动读数算法对图像采集条件要求较为严格的缺陷,提出一种基于双重霍夫空间投票的指针式仪表自动读数方法。该方法根据仪表刻度和圆心在霍夫空间中的分布特性,自适应地计算仪表圆心,并在极坐标空间使用投影法对图像进行分割,提取刻度和指针信息,最后通过距离法对指针式仪表进行读数。实验证明,所提出算法的平均引用误差均在0. 8%以下,有效提高了读数的正确率及鲁棒性。     

基于形态学处理的仪表指针提取算法

指针式仪表被广泛应用在工业检测等诸多领域,目前指针式仪表检测朝着自动化和智能化的方向发展。指针特征提取是指针式仪表检测系统中极为关键的技术,针对仪表表盘环境复杂、指针的粗细不一等因素导致的指针特征提取困难问题,提出了基于形态学处理的仪表指针提取算法。首先将获取的图像经过图像增强处理、中值滤波、otsu算法获得干净的二值化图,其次将反转后的二值化图经过形态学处理,最后输出提取结果。实验结果表明:该算法在损失极少量指针长度的情况下能够更为精确有效的提取指针信息,解决“双边缘效应”现象和复杂表盘环境下无关信息对指针特征信息的干扰,从而可以提高仪表检测的精确程度和仪表检测系统的适用性,对指针式仪表检测系统的读数识别研究具有重要意义。     

基于计算机视觉的指针式仪表智能判读方法

指针式仪表的自动读数是近年来的热门研究内容，但一直存在由成像畸变导致的误差较大的问题。本文提出了一种基于计算机视觉的指针式仪表示值精确判读方法，在对指针式仪表图像中的指针与表盘长刻度进行提取并对其倾斜角度进行检测的基础上，依据针孔成像模型，分析了摄像机内部畸变参数对两直线间夹角成像失真的影响，建立了指针与零刻度间夹角、长刻度与零刻度间夹角的失真校正算法，采用牛顿插值法对指针与零刻度间夹角和仪表示值间的关系进行函数逼近，提高了基于计算机视觉的指针式仪表智能判读的准确度。对0．5级伏安表的判读实验证明了方法的有效性与正确性。     

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。     

基于椭圆拟合的车辆遮挡处理算法

为了对遮挡车辆进行分割,提出了一种基于椭圆拟合的车辆遮挡处理算法。在遮挡检测方面,利用最小二乘椭圆拟合法检测独立前景区域中的车尾阴影。如果检测到2个车尾阴影,则判断前景区域中存在着遮挡现象。在遮挡处理方面,利用与车道线方向平行的直线将前景区域轮廓分割为2个子轮廓。之后,提出了长轴方向固定的最小二乘椭圆拟合法对2个子轮廓分别进行拟合,并定义2个子轮廓到各自椭圆的距离之和作为分割评价函数,最后选择具有最小评价值的直线作为车辆遮挡的分割直线。实验结果表明,该算法能够准确地检测和分割车辆间的遮挡现象。     

基于协方差矩阵的轮廓曲线拟合算法研究

针对工业视觉领域中,包含直线、圆弧特征的零件轮廓尺寸的检测,提出了一种基于协方差矩阵的轮廓曲线拟合算法.该算法首先采用8-连通法提取轮廓边缘数据,并排序成有序点集;然后计算轮廓曲线最小包围盒,根据已知曲线类型,初步确定特征点范围;其次基于协方差矩阵的特征值分析自适应地确定特征点的支撑区域,精确提取特征点;最后采用最小二乘法拟合曲线方程,重建轮廓曲线.对具体的零件进行实验分析,结果表明,采用基于协方差矩阵的轮廓曲线拟合算法实用性强,测量精度高,对在线视觉检测具有重要意义.     

基于灰度梯度联合二值图的抗干扰指针仪表自动识读方法

无人值守机器人在智能配电房进行设备状态检测过程中,需对配电房内的各类指针式仪表进行自动化识别判读。对于方型指针式仪表检测过程中出现的大角度倾斜、阴影与反光干扰,提出一种基于灰度梯度比值阵与联合二值图的抗干扰指针识别算法。在表盘定位过程中,提出基于灰度直方图峰值检测与灰度梯度比值阵相结合的方法,有效消除了边框阴影的干扰,实现四条边框方向的定位;在指针识别过程中,提出基于联合二值图的方法,有效增强了表盘中的指针信息,并通过Hough直线检测与线段聚类,最终进行倾斜校正从而获取指针角度。利用C++语言与OpenCV视觉库在计算机中进行算法实现与验证,结果表明,该算法在强干扰条件下仍表现出较高的鲁棒性和精度,具有较高的应用价值。