CN117274966B - 室外工业仪表监测方法、系统、可读存储介质及计算机 - Google Patents
室外工业仪表监测方法、系统、可读存储介质及计算机 Download PDFInfo
- Publication number
- CN117274966B CN117274966B CN202311568288.8A CN202311568288A CN117274966B CN 117274966 B CN117274966 B CN 117274966B CN 202311568288 A CN202311568288 A CN 202311568288A CN 117274966 B CN117274966 B CN 117274966B
- Authority
- CN
- China
- Prior art keywords
- pointer
- picture
- dial
- line segments
- segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 47
- 238000012216 screening Methods 0.000 claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 238000007670 refining Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000011426 transformation method Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101100030351 Schizosaccharomyces pombe (strain 972 / ATCC 24843) dis2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种室外工业仪表监测方法、系统、可读存储介质及计算机，方法包括获取现场采集图片以及预设点位；根据现场采集图片获取表盘的几何信息，并矫正定位表盘的几何信息，基于表盘的中心搭建二维坐标系；对预设点位依次进行步变换及校准，并截取变换及校准完成后的预设点位中的指针区域，并分割指针区域，得到分割特征；对分割特征进行细化，得到分割特征中所有的细化线段，筛选超过设定阈值的细化线段，得到真指针线段，并分析真指针线段，得到指针数据；结合二维坐标及指针数据进行刻度对应，以得到表盘读数。本发明能够筛除假指针，从而能够得到更加精确的仪表读数，以更加有效的监测仪表。
Description
技术领域
本发明涉及仪表监测技术领域，特别涉及一种室外工业仪表监测方法、系统、可读存储介质及计算机。
背景技术
工业仪表，是指气体、液体涡轮流量计，涡街流量计，电磁流量计等流量计量仪表以及压力开关、差压开关、压力变送器，差压变送器，液位开关，液位计，温湿度记录仪等工业用仪器。
现阶段的室外工业仪表监测方法包括传统的图像识别技术方法和基于深度学习的识别方法。由于室外环境变化较大，其较大程度上影响了图像采集装置，所以最为主流的读数方法为传统的图像识别技术。
现有技术当中，由于室外场景中的各种环境因素限制（如拍摄角度，对焦程度，光线采集等），部分表盘的图像监测效果较差，基于户外仪表监测，存在两种问题：精度问题、稳定性问题。在现有的技术中，由于稳定性原因，大部分实际使用方法都为传统图像处理为主，深度学习无法在低数据样本的情况下进行精准监测，从而导致大量监测误报和漏检。而目前已有的传统算法中，很多方案都精度问题，由于户外拍摄角度和环境因素的影响以及采用的方法导致精度无法得到提升。
发明内容
基于此，本发明的目的是提供一种室外工业仪表监测方法、系统、可读存储介质及计算机，以至少解决上述现有技术当中的不足。
本发明提供以下技术方案，一种室外工业仪表监测方法，所述方法包括：
获取现场采集图片以及预设点位；
根据所述现场采集图片获取表盘的几何信息，并矫正定位所述表盘的几何信息，基于所述表盘的中心搭建二维坐标系；
对所述预设点位依次进行步变换及校准，并截取变换及校准完成后的所述预设点位中的指针区域，并分割所述指针区域，得到分割特征；
对所述分割特征进行细化，得到所述分割特征中所有的细化线段，筛选超过设定阈值的所述细化线段，得到真指针线段，并分析所述真指针线段，得到指针数据；
结合所述二维坐标及所述指针数据进行刻度对应，以得到表盘读数。
与现有技术相比，本发明的有益效果是：通过在预设点位中截取出指针区域，得到真指针线段，并通过分析真指针线段得到指针数据，能够筛除掉假指针，并能够得到表盘中指针数据，并通过现场的照片获取到表盘的几何信息，矫正表盘的几何信息之后，以表盘的中心搭建二维坐标系，并基于二维坐标系与指针数据的刻度对应，得到表盘的读数，从而能够更加准确的得到表盘的读数，以能够更加准确有效的对室外仪表进行监测。
进一步的，所述获取现场采集图片以及预设点位的步骤包括：
获取现场采集图片、模板标准图片以及预设点位；
提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征，并将所述标准图片局部特征与所述采集图片局部特征进行匹配。
进一步的，所述提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征，并将所述标准图片局部特征与所述采集图片局部特征进行匹配的步骤包括：
采用尺度不变特征变换算法提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征；
采用关键点描述子的相似度的欧式距离进行定位校准，以使所述标准图片局部特征与所述采集图片局部特征进行匹配。
进一步的，所述根据所述现场采集图片获取表盘的几何信息，并矫正定位所述表盘的几何信息，基于所述表盘的中心搭建二维坐标系的步骤包括：
根据所述表盘的几何信息得到所述表盘的中心点，并通过椭圆拟合得到所述表盘的中心坐标；
基于所述中心坐标搭建所述表盘的所述二维坐标系。
进一步的，所述并截取变换及校准完成后的所述预设点位中的指针区域，并分割所述指针区域，得到分割特征的步骤包括：
通过Mask追踪截取变换及校准完成后的所述预设点位中的所述指针区域；
基于Mask区域进行自适应阈值二值化，以分割所述指针区域，得到所述分割特征。
进一步的，所述对所述分割特征进行细化，得到所述分割特征中所有的细化线段，筛选超过设定阈值的所述细化线段，得到真指针线段，并分析所述真指针线段，得到指针数据的步骤包括：
采用Zhang-Suen算法对所述分割特征进行细化，并采用累积霍夫变换方法，得到所述分割特征中所有的所述细化线段；
建立筛选模型，基于所述筛选模型将所有的所述细化线段欧几里得度量进行排序；
通过异常角度筛选筛除超过所述设定阈值的细化线段，并从未超过所述设定阈值的细化线段中选取对应轮廓的最大面积作为所述真指针线段；
通过远近点分析所述真指针线段，得到所述指针数据。
进一步的，所述结合所述二维坐标及所述指针数据进行刻度对应，以得到表盘读数的步骤包括：
选取所述预设点位中的起始点位作为角度零点，并获取所述预设点位中的刻度终点；
基于所述角度零点及所述刻度终点计算所述指针数据的角度，并使所述角度进行刻度对应，得到所述表盘的读数。
本发明还提供一种室外工业仪表监测系统，所述系统包括：
获取模块，用于获取现场采集图片以及预设点位；
搭建模块，用于根据所述现场采集图片获取表盘的几何信息，并矫正定位所述表盘的几何信息，基于所述表盘的中心搭建二维坐标系；
分割模块，用于对所述预设点位依次进行步变换及校准，并截取变换及校准完成后的所述预设点位中的指针区域，并分割所述指针区域，得到分割特征；
分析模块，用于对所述分割特征进行细化，得到所述分割特征中所有的细化线段，筛选超过设定阈值的所述细化线段，得到真指针线段，并分析所述真指针线段，得到指针数据；
对应模块，用于结合所述二维坐标及所述指针数据进行刻度对应，以得到表盘读数。
本发明还提出一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的室外工业仪表监测方法。
本发明还提出一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的室外工业仪表监测方法。
附图说明
图1为本发明第一实施例中的室外工业仪表监测方法的流程图；
图2为本发明第二实施例中的室外工业仪表监测系统的结构框图；
图3为本发明第三实施例中的计算机设备的结构框图。
主要元件符号说明：
11、获取模块；12、搭建模块；13、分割模块；14、分析模块；15、对应模块；
10、存储器；20、处理器；30、计算机程序。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1，所示为本发明第一实施例中的室外工业仪表监测方法，所述方法包括步骤S1至步骤S5：
S1，获取现场采集图片以及预设点位；
具体的，所述步骤S1包括步骤S11至步骤S12；
S11，获取现场采集图片、模板标准图片以及预设点位；
需要解释的是，现场采集图片也就是仪表的表盘信息，在本实施例中，预设点位包括仪表刻度起点，仪表刻度终点。
S12，提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征，并将所述标准图片局部特征与所述采集图片局部特征进行匹配；
具体的，所述步骤S12包括步骤S121至步骤S122：
S121，采用尺度不变特征变换算法提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征；
需要解释的是，通过尺度不变特征变换算法提取采集图片局部特征以及标准图片局部特征，能够有效提升提取时的稳定性、高精确度以及高速性。
S122，采用关键点描述子的相似度的欧式距离进行定位校准，以使所述标准图片局部特征与所述采集图片局部特征进行匹配。
需要解释的是，采用关键点描述子的相似度的欧式距离进行定位校准来使图片局部特征以及标准图片局部特征进行匹配，能够有效提升匹配时的精确度。
S2，根据所述现场采集图片获取表盘的几何信息，并矫正定位所述表盘的几何信息，基于所述表盘的中心搭建二维坐标系；
具体的，所述步骤S2包括步骤S21至步骤S22：
S21，根据所述表盘的几何信息得到所述表盘的中心点，并通过椭圆拟合得到所述表盘的中心坐标；
S22，基于所述中心坐标搭建所述表盘的所述二维坐标系；
需要解释的是，在得到表盘的中心点位置之后，通过表盘的刻度信息能够搭建二维坐标系，可以有效解决均匀、非均匀仪表的读数问题，在具体实施时，通过椭圆拟合得到几何中心，并将几何中心坐标作为仪表中心的坐标。
S3，对所述预设点位依次进行步变换及校准，并截取变换及校准完成后的所述预设点位中的指针区域，并分割所述指针区域，得到分割特征；
具体的，所述步骤S3包括步骤S31至步骤S32：
S31，通过Mask追踪截取变换及校准完成后的所述预设点位中的所述指针区域；
S32，基于Mask区域进行自适应阈值二值化，以分割所述指针区域，得到所述分割特征；
值得说明的是，预设点位还包括截取的指针区域的。
S4，对所述分割特征进行细化，得到所述分割特征中所有的细化线段，筛选超过设定阈值的所述细化线段，得到真指针线段，并分析所述真指针线段，得到指针数据；
具体的，所述步骤S4包括步骤S41至步骤S44：
S41，采用Zhang-Suen算法对所述分割特征进行细化，并采用累积霍夫变换方法，得到所述分割特征中所有的所述细化线段；
需要解释的是，采用Zhang-Suen算法对分割特征进行细化，提升在细化过程中的稳定性及准确性，值得说明的是，在细化之后，对细化后的分割特征中的指针线段进行直线拟合，并采用累积霍夫变换方法，得到分割特征中所有的细化线段。
S42，建立筛选模型，基于所述筛选模型将所有的所述细化线段欧几里得度量进行排序；
需要解释的是，在本实施例中，筛选模型为筛选器，筛选器采用表盘中心到各个细化线段的欧几里得度量进行排序。
S43，通过异常角度筛选筛除超过所述设定阈值的细化线段，并从未超过所述设定阈值的细化线段中选取对应轮廓的最大面积作为所述真指针线段；
需要解释的是，通过异常角度筛选筛除掉超过设定阈值的细化线段，也就是将异常的细化线段筛除掉，然后取出未超过设定阈值的细化线段中对应轮廓的最大面积作为真指针线段。
值得说明的是，在本实施例中，筛选模型的算法为：
；
其中，filter表示筛选模型，distance表示点到直线的欧几里得距离，A、B、C分别表示对应线段的三个直线参数，x0、y0分别表示仪表中心点的横坐标、纵坐标，（x1，y1）、（x2，y2）表示线段上两个点的横坐标及纵坐标，θmin、θmax表示仪表起始点与仪表最大值点对应的角度，thresh为距离阈值。
S44，通过远近点分析所述真指针线段，得到所述指针数据；
需要解释的是，远近点分析的分析式为：
；
其中，（P1x，P1y）、（P2x，P2y）表示线段上的两个端点的坐标，（Centerx，Centery）表示仪表中心点的坐标，表示两个点组成的线段，Dis1表示近点距离仪表中心的距离，Dis2表示远点距离仪表中心的距离，P1表示离仪表中心更近的端点，P2表示离仪表中心更远的端点。
S5，结合所述二维坐标及所述指针数据进行刻度对应，以得到表盘读数；
具体的，所述步骤S5包括步骤S51至步骤S52：
S51，选取所述预设点位中的起始点位作为角度零点，并获取所述预设点位中的刻度终点；
需要解释的是，在获取预设点位中的刻度终点之后，对仪表进行顺时针或逆时针的判断，然后根据仪表表盘信息，通过椭圆拟合得到几何中心作为仪表表盘中心的坐标，在本实施例中，拟合采用最小二乘法，拟合式为：
；
其中，A、B、C、D、E分别为椭圆的五个参数，x为椭圆上点的横坐标，y为椭圆上点的纵坐标，、表示对椭圆参数变量A的偏导，/>表示对椭圆参数变量B的偏导，/>表示对椭圆参数变量C的偏导，/>表示对椭圆参数变量D的偏导，/>表示对椭圆参数变量E的偏导，表示对椭圆参数变量F的偏导，/>表示仪表表盘轮廓点的横坐标，/>表示仪表表盘轮廓点的纵坐标，F表示仪表表盘轮廓线的函数表达式。
值得说明的是，仪表的几何中心可以通过预设点位的方式进行辅助验证计算。
S52，基于所述角度零点及所述刻度终点计算所述指针数据的角度，并使所述角度进行刻度对应，得到所述表盘的读数；
需要解释的是，根据仪表中心点和刻度起始点连成一条直线，该直线与指针线段形成夹角θ，通过夹角θ可以计算得到均匀刻度仪表的数值，计算公式为：
；
其中，θ为指针计算得到的夹角，θbegin、θend分别为仪表刻度起始点、仪表刻度终点对应的角度，Range为仪表的量程，Valuebegin为仪表起始刻度对应的数值，θ0-begin、θ0-end分别表示指针所在的某一刻度区间（非仪表刻度起始点）的起点角度值、终点角度值，Value0为指针所在刻度区间起点对应的数值，表示仪表显示的示数。
综上，本发明上述实施例当中的室外工业仪表监测方法，通过在预设点位中截取出指针区域，得到真指针线段，并通过分析真指针线段得到指针数据，能够筛除掉假指针，并能够得到表盘中指针数据，并通过现场的照片获取到表盘的几何信息，矫正表盘的几何信息之后，以表盘的中心搭建二维坐标系，并基于二维坐标系与指针数据的刻度对应，得到表盘的读数，从而能够更加准确的得到表盘的读数，以能够更加准确有效的对室外仪表进行监测。
实施例二
请参阅图2，所示为本发明第二实施例中的室外工业仪表监测系统，所述系统包括：
获取模块11，用于获取现场采集图片以及预设点位；
搭建模块12，用于根据所述现场采集图片获取表盘的几何信息，并矫正定位所述表盘的几何信息，基于所述表盘的中心搭建二维坐标系；
分割模块13，用于对所述预设点位依次进行步变换及校准，并截取变换及校准完成后的所述预设点位中的指针区域，并分割所述指针区域，得到分割特征；
分析模块14，用于对所述分割特征进行细化，得到所述分割特征中所有的细化线段，筛选超过设定阈值的所述细化线段，得到真指针线段，并分析所述真指针线段，得到指针数据；
对应模块15，用于结合所述二维坐标及所述指针数据进行刻度对应，以得到表盘读数。
在一些可选实施例中，所述获取模块11包括：
获取单元，用于获取现场采集图片、模板标准图片以及预设点位；
提取匹配单元，用于提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征，并将所述标准图片局部特征与所述采集图片局部特征进行匹配。
在一些可选实施例中，所述提取匹配单元包括：
提取子单元，用于采用尺度不变特征变换算法提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征；
匹配子单元，用于采用关键点描述子的相似度的欧式距离进行定位校准，以使所述标准图片局部特征与所述采集图片局部特征进行匹配。
在一些可选实施例中，所述搭建模块12包括：
拟合单元，用于根据所述表盘的几何信息得到所述表盘的中心点，并通过椭圆拟合得到所述表盘的中心坐标；
搭建单元，用于基于所述中心坐标搭建所述表盘的所述二维坐标系。
在一些可选实施例中，所述分割模块13包括：
截取变换单元，用于通过Mask追踪截取变换及校准完成后的所述预设点位中的所述指针区域；
分割单元，用于基于Mask区域进行自适应阈值二值化，以分割所述指针区域，得到所述分割特征。
在一些可选实施例中，所述分析模块14包括：
细化单元，用于采用Zhang-Suen算法对所述分割特征进行细化，并采用累积霍夫变换方法，得到所述分割特征中所有的所述细化线段；
建立单元，用于建立筛选模型，基于所述筛选模型将所有的所述细化线段欧几里得度量进行排序；
筛选单元，用于通过异常角度筛选筛除超过所述设定阈值的细化线段，并从未超过所述设定阈值的细化线段中选取对应轮廓的最大面积作为所述真指针线段；
分析单元，用于通过远近点分析所述真指针线段，得到所述指针数据。
在一些可选实施例中，所述对应模块15包括：
选取单元，用于选取所述预设点位中的起始点位作为角度零点，并获取所述预设点位中的刻度终点；
对应单元，用于基于所述角度零点及所述刻度终点计算所述指针数据的角度，并使所述角度进行刻度对应，得到所述表盘的读数。
上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同，在此不再赘述。
本发明实施例所提供的室外工业仪表监测系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容。
实施例三
本发明还提出一种计算机设备，请参阅图3，所示为本发明第四实施例中的计算机设备，包括存储器10、处理器20以及存储在所述存储器10上并可在所述处理器20上运行的计算机程序30，所述处理器20执行所述计算机程序30时实现上述的室外工业仪表监测方法。
其中，存储器10至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器10在一些实施例中可以是计算机设备的内部存储单元，例如该计算机设备的硬盘。存储器10在另一些实施例中也可以是外部存储装置，例如插接式硬盘，智能存储卡（Smart MediaCard, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，存储器10还可以既包括计算机设备的内部存储单元也包括外部存储装置。存储器10不仅可以用于存储安装于计算机设备的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
其中，处理器20在一些实施例中可以是电子控制单元 (Electronic ControlUnit，简称ECU，又称行车电脑)、中央处理器（Central Processing Unit, CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器10中存储的程序代码或处理数据，例如执行访问限制程序等。
需要指出的是，图3示出的结构并不构成对计算机设备的限定，在其它实施例当中，该计算机设备可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
本发明实施例还提出一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的室外工业仪表监测方法。
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种室外工业仪表监测方法，其特征在于，所述方法包括：
获取现场采集图片以及预设点位；
所述获取现场采集图片以及预设点位的步骤包括：
获取现场采集图片、模板标准图片以及预设点位，所述预设点位包括仪表刻度起点、仪表刻度终点以及截取的指针区域；
提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征，并将所述标准图片局部特征与所述采集图片局部特征进行匹配；
所述提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征，并将所述标准图片局部特征与所述采集图片局部特征进行匹配的步骤包括：
采用尺度不变特征变换算法提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征；
采用关键点描述子的相似度的欧式距离进行定位校准，以使所述标准图片局部特征与所述采集图片局部特征进行匹配；
根据所述现场采集图片获取表盘的几何信息，并矫正定位所述表盘的几何信息，基于所述表盘的中心搭建二维坐标系；
对所述预设点位依次进行变换及校准，并截取变换及校准完成后的所述预设点位中的指针区域，并分割所述指针区域，得到分割特征；
所述并截取变换及校准完成后的所述预设点位中的指针区域，并分割所述指针区域，得到分割特征的步骤包括：
通过Mask追踪截取变换及校准完成后的所述预设点位中的所述指针区域；
基于Mask区域进行自适应阈值二值化，以分割所述指针区域，得到所述分割特征；
对所述分割特征进行细化，得到所述分割特征中所有的细化线段，筛选超过设定阈值的所述细化线段，得到真指针线段，并分析所述真指针线段，得到指针数据；
所述对所述分割特征进行细化，得到所述分割特征中所有的细化线段，筛选超过设定阈值的所述细化线段，得到真指针线段，并分析所述真指针线段，得到指针数据的步骤包括：
采用Zhang-Suen算法对所述分割特征进行细化，将所述分割特征与指针线段进行直线拟合，并采用累积霍夫变换方法，得到所述分割特征中所有的所述细化线段；
建立筛选模型，基于所述筛选模型将所有的所述细化线段欧几里得度量进行排序，所述筛选模型为筛选器，所述筛选器采用表盘中心到各个细化线段的欧几里得度量进行排序；
通过异常角度筛选筛除超过所述设定阈值的细化线段，并从未超过所述设定阈值的细化线段中选取最大轮廓面积对应的所述细化线段作为所述真指针线段；
通过远近点分析所述真指针线段，得到所述指针数据；
结合所述二维坐标及所述指针数据进行刻度对应，以得到表盘读数；
所述结合所述二维坐标及所述指针数据进行刻度对应，以得到表盘读数的步骤包括：
选取所述预设点位中的起始点位作为角度零点，并获取所述预设点位中的刻度终点；
基于所述角度零点及所述刻度终点计算所述指针数据的角度，并使所述角度进行刻度对应，得到所述表盘的读数。
2.根据权利要求1所述的室外工业仪表监测方法，其特征在于，所述根据所述现场采集图片获取表盘的几何信息，并矫正定位所述表盘的几何信息，基于所述表盘的中心搭建二维坐标系的步骤包括：
根据所述表盘的几何信息得到所述表盘的中心点，并通过椭圆拟合得到所述表盘的中心坐标；
基于所述中心坐标搭建所述表盘的所述二维坐标系。
3.一种室外工业仪表监测系统，其特征在于，所述系统包括：
获取模块，用于获取现场采集图片以及预设点位；
所述获取模块包括：
获取单元，用于获取现场采集图片、模板标准图片以及预设点位，所述预设点位包括仪表刻度起点、仪表刻度终点以及截取的指针区域；
提取匹配单元，用于提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征，并将所述标准图片局部特征与所述采集图片局部特征进行匹配；
所述提取匹配单元包括：
提取子单元，用于采用尺度不变特征变换算法提取所述现场采集图片中的采集图片局部特征以及所述模板标准图片的标准图片局部特征；
匹配子单元，用于采用关键点描述子的相似度的欧式距离进行定位校准，以使所述标准图片局部特征与所述采集图片局部特征进行匹配；
搭建模块，用于根据所述现场采集图片获取表盘的几何信息，并矫正定位所述表盘的几何信息，基于所述表盘的中心搭建二维坐标系；
分割模块，用于对所述预设点位依次进行步变换及校准，并截取变换及校准完成后的所述预设点位中的指针区域，并分割所述指针区域，得到分割特征；
所述分割模块包括：
截取变换单元，用于通过Mask追踪截取变换及校准完成后的所述预设点位中的所述指针区域；
分割单元，用于基于Mask区域进行自适应阈值二值化，以分割所述指针区域，得到所述分割特征；
分析模块，用于对所述分割特征进行细化，得到所述分割特征中所有的细化线段，筛选超过设定阈值的所述细化线段，得到真指针线段，并分析所述真指针线段，得到指针数据；
所述分析模块包括：
细化单元，用于采用Zhang-Suen算法对所述分割特征进行细化，将所述分割特征与指针线段进行直线拟合，并采用累积霍夫变换方法，得到所述分割特征中所有的所述细化线段；
建立单元，用于建立筛选模型，基于所述筛选模型将所有的所述细化线段欧几里得度量进行排序，所述筛选模型为筛选器，所述筛选器采用表盘中心到各个细化线段的欧几里得度量进行排；
筛选单元，用于通过异常角度筛选筛除超过所述设定阈值的细化线段，并从未超过所述设定阈值的细化线段中选取最大轮廓面积对应的所述细化线段作为所述真指针线段；
分析单元，用于通过远近点分析所述真指针线段，得到所述指针数据；
对应模块，用于结合所述二维坐标及所述指针数据进行刻度对应，以得到表盘读数；
所述对应模块包括：
选取单元，用于选取所述预设点位中的起始点位作为角度零点，并获取所述预设点位中的刻度终点；
对应单元，用于基于所述角度零点及所述刻度终点计算所述指针数据的角度，并使所述角度进行刻度对应，得到所述表盘的读数。
4.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至2任一所述的室外工业仪表监测方法。
5.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2任一所述的室外工业仪表监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311568288.8A CN117274966B (zh) | 2023-11-23 | 2023-11-23 | 室外工业仪表监测方法、系统、可读存储介质及计算机 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311568288.8A CN117274966B (zh) | 2023-11-23 | 2023-11-23 | 室外工业仪表监测方法、系统、可读存储介质及计算机 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274966A CN117274966A (zh) | 2023-12-22 |
| CN117274966B true CN117274966B (zh) | 2024-04-19 |
Family
ID=89203098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311568288.8A Active CN117274966B (zh) | 2023-11-23 | 2023-11-23 | 室外工业仪表监测方法、系统、可读存储介质及计算机 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274966B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016101643A1 (zh) * | 2014-12-26 | 2016-06-30 | 国网重庆市电力公司电力科学研究院 | 一种仪表数据读取方法及系统 |
| CN111126371A (zh) * | 2019-11-22 | 2020-05-08 | 重庆大学 | 一种基于图像处理的粗指针表盘示数读取方法 |
| CN111325164A (zh) * | 2020-02-25 | 2020-06-23 | 北京眸视科技有限公司 | 指针表示数识别方法、装置和电子设备 |
| CN112836726A (zh) * | 2021-01-12 | 2021-05-25 | 云南电网有限责任公司电力科学研究院 | 一种基于视频信息的指针类仪表示数读取方法及装置 |
| CN113537075A (zh) * | 2021-07-19 | 2021-10-22 | 中国电信股份有限公司 | 指针式仪表读数识别方法及装置、存储介质及电子设备 |
| CN113657339A (zh) * | 2021-08-26 | 2021-11-16 | 上海电机学院 | 一种基于机器视觉的仪表指针计数读取方法及介质 |
| CN114549835A (zh) * | 2022-02-15 | 2022-05-27 | 中国人民解放军海军工程大学 | 一种基于深度学习的指针式仪表矫正识别方法及装置 |
| CN115424009A (zh) * | 2022-09-14 | 2022-12-02 | 南京视道信息技术有限公司 | 一种基于Yolact网络的指针式仪表数据自动读取方法 |
| CN116844147A (zh) * | 2023-07-10 | 2023-10-03 | 昆明理工大学 | 一种基于深度学习的指针式仪表识别和异常警报方法 |
| WO2023208214A1 (zh) * | 2022-04-30 | 2023-11-02 | 瞬联软件科技（北京）有限公司 | 一种仪表盘识别方法、识别装置、存储介质和计算机设备 |
| CN117079286A (zh) * | 2023-08-31 | 2023-11-17 | 杭州谐云科技有限公司 | 一种指针仪表的识别方法和识别系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107590498B (zh) * | 2017-09-27 | 2020-09-01 | 哈尔滨工业大学 | 一种基于字符分割级联二分类器的自适应汽车仪表检测方法 |
-
2023
- 2023-11-23 CN CN202311568288.8A patent/CN117274966B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016101643A1 (zh) * | 2014-12-26 | 2016-06-30 | 国网重庆市电力公司电力科学研究院 | 一种仪表数据读取方法及系统 |
| CN111126371A (zh) * | 2019-11-22 | 2020-05-08 | 重庆大学 | 一种基于图像处理的粗指针表盘示数读取方法 |
| CN111325164A (zh) * | 2020-02-25 | 2020-06-23 | 北京眸视科技有限公司 | 指针表示数识别方法、装置和电子设备 |
| CN112836726A (zh) * | 2021-01-12 | 2021-05-25 | 云南电网有限责任公司电力科学研究院 | 一种基于视频信息的指针类仪表示数读取方法及装置 |
| CN113537075A (zh) * | 2021-07-19 | 2021-10-22 | 中国电信股份有限公司 | 指针式仪表读数识别方法及装置、存储介质及电子设备 |
| CN113657339A (zh) * | 2021-08-26 | 2021-11-16 | 上海电机学院 | 一种基于机器视觉的仪表指针计数读取方法及介质 |
| CN114549835A (zh) * | 2022-02-15 | 2022-05-27 | 中国人民解放军海军工程大学 | 一种基于深度学习的指针式仪表矫正识别方法及装置 |
| WO2023208214A1 (zh) * | 2022-04-30 | 2023-11-02 | 瞬联软件科技（北京）有限公司 | 一种仪表盘识别方法、识别装置、存储介质和计算机设备 |
| CN115424009A (zh) * | 2022-09-14 | 2022-12-02 | 南京视道信息技术有限公司 | 一种基于Yolact网络的指针式仪表数据自动读取方法 |
| CN116844147A (zh) * | 2023-07-10 | 2023-10-03 | 昆明理工大学 | 一种基于深度学习的指针式仪表识别和异常警报方法 |
| CN117079286A (zh) * | 2023-08-31 | 2023-11-17 | 杭州谐云科技有限公司 | 一种指针仪表的识别方法和识别系统 |
Non-Patent Citations (2)
| Title |
|---|
| A robust pointer meter reading recognition method for substation inspection robot;Jia-Wei Gao et al.;《2017 International Conference on Robotics and Automation Sciences (ICRAS)》;第43-47页 * |
| 基于机器视觉的指针式仪表读数识别方法及其应用;党磊;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》(第4期);第C030-2页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274966A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022042579A1 (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
| CN106875381B (zh) | 一种基于深度学习的手机外壳缺陷检测方法 | |
| CN110580480B (zh) | 基于图像处理的表计读数识别方法 | |
| CN103759758B (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
| CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
| CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
| CN104657711B (zh) | 一种鲁棒的指针式仪表读数自动识别方法 | |
| CN112257676A (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
| CN107301412B (zh) | 一种基于图像处理的指针式仪表读数方法 | |
| CN111325164B (zh) | 指针表示数识别方法、装置和电子设备 | |
| CN110738216A (zh) | 基于改进surf算法的药品识别方法 | |
| CN111695410A (zh) | 违章举报方法、装置、计算机设备及存储介质 | |
| Chen et al. | Method on water level ruler reading recognition based on image processing | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN117274966B (zh) | 室外工业仪表监测方法、系统、可读存储介质及计算机 | |
| CN112581447A (zh) | 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法 | |
| CN109993176A (zh) | 图像局部特征描述方法、装置、设备及介质 | |
| CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 | |
| CN117011833A (zh) | 一种仪表盘识别方法、识别装置、存储介质和计算机设备 | |
| CN114581915A (zh) | 一种噪声鲁棒的多类别表盘指针读数识别方法和装置 | |
| CN108898632B (zh) | 一种仪表指针的旋转角度确定方法及装置 | |
| Shao et al. | Research on Recognition of Pointer Meter Based on Improved East Algorithm | |
| CN113191351A (zh) | 数字电表的示数识别方法及装置、模型训练方法及装置 | |
| Sowah et al. | Intelligent instrument reader using computer vision and machine learning | |
| CN112418226A (zh) | 一种鱼眼分合闸状态识别的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |