CN104657711B - 一种鲁棒的指针式仪表读数自动识别方法 - Google Patents
一种鲁棒的指针式仪表读数自动识别方法 Download PDFInfo
- Publication number
- CN104657711B CN104657711B CN201510066208.8A CN201510066208A CN104657711B CN 104657711 B CN104657711 B CN 104657711B CN 201510066208 A CN201510066208 A CN 201510066208A CN 104657711 B CN104657711 B CN 104657711B
- Authority
- CN
- China
- Prior art keywords
- instrument panel
- image
- instrument
- center
- pointer
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005286 illumination Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 4
- 238000003909 pattern recognition Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于机器视觉和模式识别领域，具体公开了一种鲁棒的指针式仪表读数自动识别方法，该自动识别方法包括如下步骤：s1、获取仪表盘图像；s2、提取与仪表盘图像对应的本征图像，在本征图像提取过程中消除阴影；s3、基于所述本征图像确定仪表盘的中心，然后定位刻度线和仪表指针；s4、确定仪表盘数字所在区域，然后对仪表盘数字所在区域内的数字进行识别；s5、根据仪表指针位置，确定与刻度线相对关系，然后根据刻度读数得到仪表读数。本发明方法通过提取仪表盘的本征图像，来消除由于仪表盘的边缘遮挡所产生的阴影，有效避免了后续的仪表刻度线和指针识别中出现的错误。
Description
技术领域
本发明属于机器视觉和模式识别领域，涉及一种鲁棒的指针式仪表读数自动识别方法。
背景技术
指针式仪表在医疗、机械、化工、土木和石油勘探开发等领域的测量工作中有着广泛应用，诸如煤气检测的气压表、以及石油检测的液压表等。
这些指针式仪表由于其本身固有的优点，仍将长期存在而不被电子仪器所替代。
目前，对于指针式仪表仍然需要人工从表盘获取读数。
人工读数有很多缺点，例如长时间和大量的重复工作会使得劳动强度大，人在疲劳状态下读数误差很大，也可能漏掉瞬时变化的刻度信息。因此，引入模式识别的思想构建基于计算机视觉的仪表读数自动识别方法，是一个有效的解决方法。
现有技术中指针式仪表自动读数方法主要分为两大类，一类是基于图像处理的方法，另一类是基于机器学习的方法。这两类方法的基本思想是通过图像二值化、投影运算、开闭运算、边缘提取和hough变化等步骤自动识别仪表读数。
然而，在对指针式仪表表盘拍摄过程中，由于光照发生变化，会引起仪表边缘遮挡仪表表盘并产生阴影，而这些阴影会引起后续的仪表刻度识别错误；另外，在仪表读数计算时，现有技术中并未给出精确定位表盘中心的方法，而这对于读数计算的准确度十分重要。
因此，有必要构建一个鲁棒的指针式仪表读数自动识别方法来解决上述技术问题。
发明内容
本发明的目的在于提出一种鲁棒的指针式仪表读数自动识别方法，其采用如下方案：
一种鲁棒的指针式仪表读数自动识别方法，包括如下步骤：
s1、获取仪表盘图像；
s2、提取与仪表盘图像对应的本征图像，在本征图像提取过程中消除阴影；
s3、基于所述本征图像确定仪表盘的中心，然后定位刻度线和仪表指针；
s4、确定仪表盘数字所在区域，然后对仪表盘数字所在区域内的数字进行识别；
s5、根据仪表指针位置，确定与刻度线相对关系，然后根据刻度读数得到仪表读数。
进一步，上述步骤s1中，采用hough变换方法实现仪表盘的定位。
进一步，上述步骤s2进一步包括：
s21、对仪表盘图像中每个像素进行处理，采用简化色度比值，即对每个像素的R、
G、B分别除以因子
然后，使用Wien算法逼近Planck法则，将处理后像素的对数值建模为s，e，T的函
数，即
其中，s，e是两个常向量，只与目标表面反射率和成像设备灵敏度相关，T是光照色温；
通过如下矩阵将三维向量投影到二维空间，获得二维向量：
得到x′＝Ux，e′＝Ue，则有
上式表明，在二维色度比空间中，对数形式色度比随着光照色温T线性变化，变化轨迹是一条沿着方向的直线；
其中，方向是对数色度比变化方向，的垂直方向是对数色度比没有变化方向，也称为光照无关方向；将向的垂直方向投影，则得到图像与光照无关的对数色度比；
s22、分别计算仪表盘图像中每个像素的对数色度比，并投影到二维空间；
将整个二维空间分解成180个不同方向，进行投影，获得投影灰度图像；
计算得到的所有像素灰度值的概率分布函数，然后计算投影灰度图像的信息熵，信息熵最小的方向即为该仪表盘的光照无关方向，对应的灰度图像就是消除阴影的仪表盘灰度图像。
进一步，上述步骤s3中，对消除阴影后的本征图像进行二值化，并采用迭代算法确定仪表盘的中心。
进一步，迭代算法确定仪表盘中心的具体步骤为：
s31、初步确定仪表盘的中心，以该中心建立极坐标系，将本征图像不同夹角的像素向极坐标的极径投影并累加，初步获取仪表盘的刻度线的极径范围；
s32、在该极径范围内通过hough变化提取直线段，然后在初始仪表盘中心周围寻找到这些刻度线所在直线距离最小的点，作为新的仪表盘中心；
s33、在新的仪表盘中心上建立新的极坐标系，重新确定刻度范围，再在新刻度范围内计算刻度线，然后再确定仪表盘中心；
如此迭代，直到前后两次迭代过程中，仪表盘中心位置不发生变化为止。
进一步，上述步骤s3中，在确定仪表盘的中心后，通过投影方法定位刻度线和仪表指针。
进一步，上述步骤s4中，确定仪表盘数字所在区域的具体步骤为：
s41、从本征图像中去除刻度线范围；
s42、采用极坐标投影方法确定仪表盘上数字的径向范围；
s43、提取以仪表盘的中心为中心，以径向范围为半径的环形区域；
s44、对环形区域内像素向极坐标的夹角投影并累加，获得仪表盘数字的夹角范围，根据所述夹角范围确定仪表盘数字所在区域。
进一步，上述步骤s4中，采用机器学习的方法对仪表盘数字所在区域内的数字进行识别。
进一步，采用机器学习的方法进行数字识别的具体步骤为：
截取仪表数据图像块作为正样本，截取仪表其他部分图像块作为负样本，训练10个SVM分类器；使用这个10个SVM来识别仪表盘数字所在区域内的数字。
进一步，上述步骤s5中，通过线性插值的方法得到仪表读数。
本发明具有如下优点：
本发明方法通过提取仪表盘的本征图像，来消除由于仪表盘的边缘遮挡所产生的阴影，有效避免了后续的仪表刻度线和指针识别中出现的错误。另外，作为本发明的优选改进，通过一个迭代的优化方法来计算仪表盘的中心，利于提高仪表读数识别的精度，对于提高自动控制效率，提高工业自动化程度，具有十分重要的意义。
附图说明
图1为本发明中鲁棒的指针式仪表读数自动识别方法的流程框图；
图2为确定仪表盘中心的流程框图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
结合图1所示，一种鲁棒的指针式仪表读数自动识别方法，包括如下步骤：
s1、获取仪表盘图像
由于在拍摄的同一个照片中可能存在多个仪表盘，所以要进行仪表盘定位。
本发明方法采用hough变换方法实现仪表盘的定位，在通常分辨率(1280*768)情况下，可以准确地确定仪表盘。
s2、提取与仪表盘图像对应的本征图像，在本征图像提取过程中消除阴影
在通常光照情况下，仪表盘的边缘总会在仪表盘的某一方向上形成阴影，阴影跟刻度线、甚至部分指针重叠，影响后续步骤中刻度线和指针的定位，进而会影响到刻度识别。
但是由于阴影的方向不同，阴影范围也是变化的，因此比较难于直接去除。
本发明方法采用构建仪表盘的本征图像的方式消除阴影。
根据光线成像过程中的原理，在阴影区和非阴影区中像素具有相同的由目标物体表面物理属性决定的反射率，这两个区域中像素值的色度比是常数，与光照变化无关。其中，色度比是指同一像素的不同颜色通道的颜色值之比。据此，消除阴影的具体步骤如下：
s21、对仪表盘图像中每个像素进行处理，采用简化色度比值，即对每个像素的R、
G、B分别除以因子
然后，使用Wien算法逼近Planck法则，将处理后像素的对数值建模为s，e，T的函
数，即
其中，s，e是两个常向量，只与目标表面反射率和成像设备灵敏度相关，T是光照色温；
通过如下矩阵将三维向量投影到二维空间，获得二维向量：
得到x′＝Ux，e′＝Ue，则有
上式表明，在二维色度比空间中，对数形式色度比随着光照色温T线性变化，变化轨迹是一条沿着方向的直线；
其中，方向是对数色度比变化方向，的垂直方向是对数色度比没有变化方向，也称为光照无关方向；将向的垂直方向投影，则得到图像与光照无关的对数色度比；
s22、分别计算仪表盘图像中每个像素的对数色度比，并投影到二维空间；
将整个二维空间分解成180个不同方向，进行投影，获得投影灰度图像；
计算得到的所有像素灰度值的概率分布函数，然后计算投影灰度图像的信息熵，信息熵最小的方向即为该仪表盘的光照无关方向，对应的灰度图像就是消除阴影的仪表盘灰度图像。
s3、基于所述本征图像确定仪表盘的中心，然后定位刻度线和仪表指针
为了能够准确识别仪表读数，必须要准确定位指针的旋转中心，即仪表盘的中心。由于仪表盘中心像素个数较少，如果直接采用hough变换来定位，会产生较大误差。
本发明方法采用迭代算法，确定仪表盘的中心，如图2所示，具体步骤如下：
s31、初步确定仪表盘的中心，以该中心建立极坐标系，将本征图像不同夹角的像素向极坐标的极径投影并累加，初步获取仪表盘的刻度线的极径范围；
s32、在该极径范围内通过hough变化提取直线段，然后在初始仪表盘中心周围寻找到这些刻度线所在直线距离d最小的点，作为新的仪表盘中心；
s33、在新的仪表盘中心上建立新的极坐标系，重新确定刻度范围，再在新刻度范围内计算刻度线，然后再确定仪表盘中心；
如此迭代，直到前后两次迭代过程中，仪表盘中心位置不发生变化为止。
在确定仪表盘的中心后，通过投影方法定位刻度线和仪表指针。
s4、确定仪表盘数字所在区域，然后对仪表盘数字所在区域内的数字进行识别
在该步骤s4中，确定仪表盘数字所在区域的具体步骤为：
s41、从本征图像中去除刻度线范围；
s42、采用极坐标投影方法确定仪表盘上数字的径向范围[r1，r2]；
s43、提取以仪表盘的中心为中心，以径向范围[r1，r2]为半径的环形区域；
s44、对环形区域内像素向极坐标的夹角投影并累加，获得仪表盘数字的夹角范围[a1 i，a2 i]，其中，i＝1,2,3…，根据夹角范围确定仪表盘数字所在区域。
本发明方法采用机器学习的方法进行数字识别，具体步骤如下：
截取仪表数据图像块作为正样本，截取仪表其他部分图像块作为负样本，训练10个SVM分类器；使用这个10个SVM来识别仪表盘数字所在区域的数字。
s5、根据仪表指针位置，确定与刻度线相对关系，然后根据刻度读数，通过线性插值方法得到仪表读数。
当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。
Claims (9)
1.一种鲁棒的指针式仪表读数自动识别方法，其特征在于，包括如下步骤：
s1、获取仪表盘图像；
s2、提取与仪表盘图像对应的本征图像，在本征图像提取过程中消除阴影；
s3、基于所述本征图像确定仪表盘的中心，然后定位刻度线和仪表指针；
s4、确定仪表盘数字所在区域，然后对仪表盘数字所在区域内的数字进行识别；
s5、根据仪表指针位置，确定与刻度线相对关系，然后根据刻度读数得到仪表读数；
所述步骤s2进一步包括：
s21、对仪表盘图像中每个像素进行处理，采用简化色度比值，即对每个像素的R、G、B分别除以因子
然后，使用Wien算法逼近Planck法则，将处理后像素的对数值建模为s，e，T的函数，即
其中，s，e是两个常向量，只与目标表面反射率和成像设备灵敏度相关，T是光照色温；
通过如下矩阵将三维向量投影到二维空间，获得二维向量：
得到x′＝Ux，e′＝Ue，则有
上式表明，在二维色度比空间中，对数形式色度比随着光照色温T线性变化，变化轨迹是一条沿着方向的直线；
其中，方向是对数色度比变化方向，的垂直方向是对数色度比没有变化方向，也称为光照无关方向；将向的垂直方向投影，则得到图像与光照无关的对数色度比；
s22、分别计算仪表盘图像中每个像素的对数色度比，并投影到二维空间；
将整个二维空间分解成180个不同方向，进行投影，获得投影灰度图像；
计算得到的所有像素灰度值的概率分布函数，然后计算投影灰度图像的信息熵，信息熵最小的方向即为该仪表盘的光照无关方向，对应的灰度图像就是消除阴影的仪表盘灰度图像。
2.根据权利要求1所述的一种鲁棒的指针式仪表读数自动识别方法，其特征在于，所述步骤s1中，采用hough变换方法实现仪表盘的定位。
3.根据权利要求1所述的一种鲁棒的指针式仪表读数自动识别方法，其特征在于，所述步骤s3中，对消除阴影后的本征图像进行二值化，并采用迭代算法确定仪表盘的中心。
4.根据权利要求3所述的一种鲁棒的指针式仪表读数自动识别方法，其特征在于，迭代算法确定仪表盘中心的具体步骤为：
s31、初步确定仪表盘的中心，以该中心建立极坐标系，将本征图像不同夹角的像素向极坐标的极径投影并累加，初步获取仪表盘的刻度线的极径范围；
s32、在该极径范围内通过hough变化提取直线段，然后在初始仪表盘中心周围寻找到这些刻度线所在直线距离最小的点，作为新的仪表盘中心；
s33、在新的仪表盘中心上建立新的极坐标系，重新确定刻度范围，再在新刻度范围内计算刻度线，然后再确定仪表盘中心；
如此迭代，直到前后两次迭代过程中，仪表盘中心位置不发生变化为止。
5.根据权利要求1或3所述的一种鲁棒的指针式仪表读数自动识别方法，其特征在于，所述步骤s3中，在确定仪表盘的中心后，通过投影方法定位刻度线和仪表指针。
6.根据权利要求1所述的一种鲁棒的指针式仪表读数自动识别方法，其特征在于，所述步骤s4中，确定仪表盘数字所在区域的具体步骤为：
s41、从本征图像中去除刻度线范围；
s42、采用极坐标投影方法确定仪表盘上数字的径向范围；
s43、提取以仪表盘的中心为中心，以径向范围为半径的环形区域；
s44、对环形区域内像素向极坐标的夹角投影并累加，获得仪表盘数字的夹角范围，根据所述夹角范围确定仪表盘数字所在区域。
7.根据权利要求1所述的一种鲁棒的指针式仪表读数自动识别方法，其特征在于，所述步骤s4中，采用机器学习的方法对仪表盘数字所在区域内的数字进行识别。
8.根据权利要求7所述的一种鲁棒的指针式仪表读数自动识别方法，其特征在于，采用机器学习的方法进行数字识别的具体步骤为：
截取仪表数据图像块作为正样本，截取仪表其他部分图像块作为负样本，训练10个SVM分类器；使用这10个SVM分类器来识别仪表盘数字所在区域内的数字。
9.根据权利要求1所述的一种鲁棒的指针式仪表读数自动识别方法，其特征在于，所述步骤s5中，通过线性插值的方法得到仪表读数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510066208.8A CN104657711B (zh) | 2015-02-09 | 2015-02-09 | 一种鲁棒的指针式仪表读数自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510066208.8A CN104657711B (zh) | 2015-02-09 | 2015-02-09 | 一种鲁棒的指针式仪表读数自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104657711A CN104657711A (zh) | 2015-05-27 |
| CN104657711B true CN104657711B (zh) | 2018-11-09 |
Family
ID=53248812
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510066208.8A Expired - Fee Related CN104657711B (zh) | 2015-02-09 | 2015-02-09 | 一种鲁棒的指针式仪表读数自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104657711B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104994334A (zh) * | 2015-06-09 | 2015-10-21 | 海南电网有限责任公司 | 基于实时视频的变电站自动监控方法 |
| CN105243359B (zh) * | 2015-09-15 | 2020-03-27 | 国家电网公司 | 一种消除电力元器件照片中护栏的方法 |
| CN106529519A (zh) * | 2016-09-19 | 2017-03-22 | 国家电网公司 | 一种电力指针式仪表自动读数识别的方法及系统 |
| CN107729896A (zh) * | 2017-10-24 | 2018-02-23 | 武汉科技大学 | 一种适用于变电站宽刻度指针式仪表的自动识别方法 |
| CN108460331B (zh) * | 2018-01-18 | 2022-12-23 | 合肥一立信息科技有限公司 | 一种鲁棒的指针式仪表读数自动识别装置及其识别方法 |
| CN108764257B (zh) * | 2018-05-23 | 2022-03-04 | 郑州金惠计算机系统工程有限公司 | 一种多视角的指针式仪表识别方法 |
| CN109238333A (zh) * | 2018-08-22 | 2019-01-18 | 安徽慧视金瞳科技有限公司 | 一种仪表刻度线的提取方法 |
| CN109241892B (zh) * | 2018-08-27 | 2021-01-15 | Oppo广东移动通信有限公司 | 一种仪表盘读取方法、仪表盘读取装置及电子设备 |
| CN109492573A (zh) * | 2018-11-05 | 2019-03-19 | 四川华雁信息产业股份有限公司 | 一种指针读取方法及装置 |
| CN110929716B (zh) * | 2019-11-29 | 2022-07-15 | 航天科技控股集团股份有限公司 | 一种基于指针捕捉的仪表盘中心确定方法及系统 |
| CN111366763A (zh) * | 2020-05-27 | 2020-07-03 | 南昌冠东科技有限公司 | 激光识别仪表数字监控装置及监控方法 |
| CN112036390A (zh) * | 2020-07-22 | 2020-12-04 | 四川长宁天然气开发有限责任公司 | 一种基于页岩气田生产三针类仪表读数的识别方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620682B (zh) * | 2008-06-30 | 2012-01-25 | 汉王科技股份有限公司 | 一种指针式仪表读数自动识别的方法及系统 |
| CN101556739A (zh) * | 2009-05-14 | 2009-10-14 | 浙江大学 | 基于本征图像分解的车辆检测算法 |
| CN101660932A (zh) * | 2009-06-15 | 2010-03-03 | 浙江大学 | 一种指针式汽车仪表自动校验方法 |
| US8559727B1 (en) * | 2012-04-09 | 2013-10-15 | GM Global Technology Operations LLC | Temporal coherence in clear path detection |
| CN103164692B (zh) * | 2012-12-03 | 2015-11-25 | 北京科技大学 | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 |
| CN103994786B (zh) * | 2014-06-04 | 2017-03-22 | 湖南大学 | 圆弧标尺线指针式仪表刻度的图像检测方法 |
-
2015
- 2015-02-09 CN CN201510066208.8A patent/CN104657711B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN104657711A (zh) | 2015-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104657711B (zh) | 一种鲁棒的指针式仪表读数自动识别方法 | |
| Chi et al. | Machine vision based automatic detection method of indicating values of a pointer gauge | |
| CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
| CN103207987B (zh) | 一种指针式仪表的示数识别方法 | |
| CN111414934A (zh) | 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法 | |
| CN106599897B (zh) | 基于机器视觉的指针式仪表读数识别方法及装置 | |
| CN110672040B (zh) | 一种基于视觉的高精度旋转角度测量方法 | |
| CN110189314B (zh) | 基于机器视觉的汽车仪表盘图像定位方法 | |
| Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
| CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
| CN103292701A (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
| CN109558871B (zh) | 一种指针式仪表读数识别方法及装置 | |
| CN107167169A (zh) | 基于机器视觉系统的指针式仪表读数识别测量方法 | |
| CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
| CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
| CN106557751A (zh) | 一种带颜色指示信息的指针式压力表自动读数方法 | |
| CN110852954B (zh) | 指针式仪表的图像倾斜校正方法及系统 | |
| CN110909738A (zh) | 一种基于关键点检测的指针仪表自动读数方法 | |
| JP2006275952A (ja) | パターン評価方法、パターン位置合わせ方法およびプログラム | |
| CN113269193A (zh) | 指针式表计的示数读取方法、装置及存储介质 | |
| CN110211178A (zh) | 一种利用投影计算的指针式仪表识别方法 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN110991233B (zh) | 指针式压力表的自动读数方法 | |
| CN116958983A (zh) | 一种基于机器视觉的指针式压力表自动校验仪示值读数方法 | |
| CN112232209A (zh) | 用于变电站巡检机器人的指针式仪表盘读数的识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181109 Termination date: 20210209 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |