CN106845545B - 数字式电测仪表自动检定装置中的图像识别方法及装置 - Google Patents

数字式电测仪表自动检定装置中的图像识别方法及装置 Download PDF

Info

Publication number
CN106845545B
CN106845545B CN201710042338.7A CN201710042338A CN106845545B CN 106845545 B CN106845545 B CN 106845545B CN 201710042338 A CN201710042338 A CN 201710042338A CN 106845545 B CN106845545 B CN 106845545B
Authority
CN
China
Prior art keywords
image
template
block
block element
image recognition
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
Application number
CN201710042338.7A
Other languages
English (en)
Other versions
CN106845545A (zh
Inventor
邹成伍
李亦龙
黄恒孜
李航康
徐开
王鹏翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZHEJIANG ELECTRIC POWER EXPERIMENT RESEARCH INSTITUTE TECHNOLOGY SERVICE CENTRE
Original Assignee
ZHEJIANG ELECTRIC POWER EXPERIMENT RESEARCH INSTITUTE TECHNOLOGY SERVICE CENTRE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZHEJIANG ELECTRIC POWER EXPERIMENT RESEARCH INSTITUTE TECHNOLOGY SERVICE CENTRE filed Critical ZHEJIANG ELECTRIC POWER EXPERIMENT RESEARCH INSTITUTE TECHNOLOGY SERVICE CENTRE
Priority to CN201710042338.7A priority Critical patent/CN106845545B/zh
Publication of CN106845545A publication Critical patent/CN106845545A/zh
Application granted granted Critical
Publication of CN106845545B publication Critical patent/CN106845545B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/22Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种数字式电测仪表自动检定装置中的图像识别方法及装置。对于字体较小的辅助功能和单位标志,采用传统的处理方式会造成识别准确率偏低。本发明的图像识别方法,包括:将某一型号数字式多用表显示屏中的所有有效图像信息根据功能需求分割为多个块元,同时记录每个块元的位置坐标、对应的含义和块元之间的逻辑组合关系,形成该数字式多用表的图像识别模板;将多个所述的图像识别模板形成模板库;图像预处理;图像匹配识别:将矫形后的图像结合图像识别模板中的块元特征进行匹配运算,得到矫形后的图像中各块元的信息值;后续处理。本发明避免了复杂的图像分割、字符特征提取和文字识别过程,有效提高了图像识别的准确率。

Description

数字式电测仪表自动检定装置中的图像识别方法及装置
技术领域
本发明涉及数字式多用表的自动检测领域,具体地说是一种数字式电测仪表自动检定装置中的图像识别方法及装置。
背景技术
在上世纪八、九十年代,多用表主要为指针式,在九十年代后期逐步淘汰,取而代之的是基于LCD液晶显示的数字式多用表。数字式多用表又称为复用表、多用表等,是电力电子等部门不可缺少的测量仪表。数字式多用表是一种多功能、多量程的测量仪表,一般数字式多用表可测量直流电流、直流电压、交流电流、交流电压、交流功率、频率和电阻等项目,而每个项目又可分为多个量程。
数字式多用表一般不具备通讯接口,所以,多用表的传统检测方式为通过向多用表施加相应的标准源后,由检定人员观察并人工读取多用表液晶显示屏上的显示值,然后记录当前施加的标准源数值和被检多用表的屏幕显示值,再对记录的数据进行人工的误差计算和数据修约处理,最后再将所有测试数据人工录入电脑,并生成相应的测试报告。上述检测方式效率极低,一块多用表一般具备直流电流、直流电压、交流电流、交流电压、交流功率、频率和电阻等多种测量功能,而每个功能又有数个档位,如果完全依靠人工手动测试,平均每块多用表耗时2-3小时,而且人工检测存在:未能严格按照检定规程操作产生的误差、读数的误差、原始记录的误差、数据计算的错误以及有效数字、检定证书、检定结果通知书不规范等诸多弊端。
想要实现对数字式多用表的自动检测,最关键的两个要素,其一为根据测试需求,自动向数字式多用表提供电压、电流、电阻等标准信号;其二为自动获取数字式多用表的读数,然后进行后续的误差计算和处理。
对于向数字式多用表自动提供标准信号,根据多用表的功能和检测需求,设计一款支持直流电压、直流电流、交流电压、交流电流、交流功率、频率和电阻等多种标准信号输出的可程控标准装置,通过通讯接口可有效的对其输出信号进行控制和设定。
由于数字式多用表一般都不具备通讯接口,唯一的读数渠道即为其液晶显示屏。因此,想要实现自动获取数字式多用表的读数只能通过图像识别技术,通过摄像头实时获取数字式多用表显示屏的图像,进行图像识别后得到其实时读数。
对没有通讯的数字式多用表实现自动检定,关键技术和难点在于对多用表的图像识别。对于图像的数字识别,交通行业的车牌识别是最为典型的应用,但数字式多用表的图像识别与车牌识别相比有较为明显的差异和自身特点,在技术实现上难度也要大得多。
车牌识别系统中,车牌的尺寸、颜色、字体、比例和内容都相对统一和固定,车牌上的数字也固定不变,因此在图像分割、识别等环节处理起来相对容易。然而对于数字式多用表,LCD显示屏的表面为玻璃材质,存在严重的反光和倒影现象,给图像识别造成严重干扰;其次,市面上常见的生成厂家就有数十个,不同的型号则有数百种之多,而且这些数字式多用表的显示图像在尺寸、颜色、字体、倾斜角度、内容、布局等各个方面都千差万别。同时,数字式多用表的读数会因为输入标准信号的稳定度和数字多用表本身的测试精度、稳定度等因数而出现跳动,因此,对于数字式多用表是一种动态变化的图像识别。
相对于上述难点,更麻烦的是数字多用表的显示画面中,除了大字体的主要读数外,一般都会有字体很小的功能和单位标志,如mV,V,kV,uA,mA,A,DC,AC等。这些辅助的功能和单位标志由于和主要读数相比字体太小,在识别算法处理过程中很难兼顾,容易当成杂质或者干扰信号被忽略和舍弃掉,无法有效提取。国内有研究报道采用退而求其次的办法,忽略这些辅助的功能和单位标志,只对主要读数进行识别。这样一来识别是简单了,但这些功能和单位标志是主要读数的有效且不可缺少的补充,如果不能对其进行有效识别,在主要读数的识别转换中将可能发生错误,造成读取的数字不正确。
传统图像识别的一般流程如图1所示,主要包括五个步骤:图像预处理、图像分割、字符特征提取、文字识别和后续处理。如前所述,针对数字式多用表的图像特点,在这五个步骤中,图像分割、字符特征提取和文字识别三个环节难度很大,因此按传统的处理方式会造成识别准确率偏低,如果忽略辅助的功能和单位标志等信息,还会造成整个检测系统的自动化程度降低。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种数字式电测仪表自动检定装置中的图像识别方法及装置,其针对不具备通讯接口的数字式多用表,以避免复杂的图像分割、字符特征提取和文字识别过程,有效提高图像识别的准确率。
本发明采用的一种技术方案为:一种数字式电测仪表自动检定装置中的图像识别方法,包括:
建立模板库:将某一型号数字式多用表显示屏中的所有有效图像信息根据功能需求分割为多个独立的信息块,作为最小的图像识别单元,称为块元,同时记录每个块元的位置坐标、对应的含义和块元之间的逻辑组合关系,形成该数字式多用表的图像识别模板;将多个所述的图像识别模板形成模板库;
图像预处理:包括图像的RGB转灰度、模糊、边缘检测和二值化;
图像匹配识别:从预处理后的图像中提取轮廓,计算图像与模板库中图像识别模板的透视变形参数,对图像进行矫形,将矫形后的图像结合图像识别模板中的块元特征进行匹配运算,得到矫形后的图像中各块元的信息值;
后续处理:根据图像识别模板中定义的块元位置坐标、块元对应的含义和块元之间的逻辑组合关系,计算得到最终的数字多用表读数,并生成识别内容文本串。
进一步地,通过一个块元代表某种独立的含义。
进一步地,通过多个块元的组合代表某种独立的含义,不同的块元代表不同的笔画或者状态。
进一步地,所述块元具有一个显著的特性:它在图像中的出现规律为布尔型,即只有“真”和“假”两种值,分别对应“出现”和“不出现”两种状态。
进一步地,所述图像信息中的所有显示内容包括辅助功能和单位标志。
本发明采用的另一种技术方案为:一种数字式电测仪表自动检定装置中的图像识别装置,包括,
模板库:将某一型号数字式多用表显示屏中的所有有效图像信息根据功能需求分割为多个独立的信息块,作为最小的图像识别单元,称为块元,同时记录每个块元的位置坐标、对应的含义和块元之间的逻辑组合关系,形成该数字式多用表的图像识别模板;将多个所述的图像识别模板形成模板库;
图像预处理模块:包括图像的RGB转灰度、模糊、边缘检测和二值化;
图像匹配识别模块:从预处理后的图像中提取轮廓,计算图像与模板库中图像识别模板的透视变形参数,对图像进行矫形,将矫形后的图像结合图像识别模板中的块元特征进行匹配运算,得到矫形后的图像中各块元的信息值;
后续处理模块:根据图像识别模板中定义的块元位置坐标、块元对应的含义和块元之间的逻辑组合关系,计算得到最终的数字多用表读数,并生成识别内容文本串。
本发明具有的有益效果如下:本发明将复杂的图像识别过程简化为对一个个块元是否存在的判断,这样,避免了复杂的图像分割、字符特征提取和文字识别过程,不用再考虑不同布局的图像分割、不同大小字体识别等极易造成常规识别方法准确率不高的技术难点,有效的提高了图像识别的准确率,实测本发明的图像识别方法可将数字式多用表的识别率提高到99.99%以上;同时,由于算法的复杂度降低,识别速度可以提高50%以上。
附图说明
图1为传统图像识别的一般流程图;
图2为本发明实施例一的流程图;
图3为本发明实施例二的流程图;
图4为现有数字式多用表显示的图像信息图。
图5为图4经本发明处理后的图像信息图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作详细说明。
实施例一
如图2所示的一种数字式电测仪表自动检定装置中的图像识别方法,其包括:
建立模板库:将某一型号数字式多用表显示屏中的所有有效图像信息根据功能需求分割为多个独立的信息块,作为最小的图像识别单元,称为块元,同时记录每个块元的位置坐标、对应的含义和块元之间的逻辑组合关系,形成该数字式多用表的图像识别模板;将多个所述的图像识别模板形成模板库;所述图像信息中的所有显示内容包括辅助功能和单位标志;
图像预处理:包括图像的RGB转灰度、模糊、边缘检测和二值化;
图像匹配识别:从预处理后的图像中提取轮廓,计算图像与模板库中图像识别模板的透视变形参数,对图像进行矫形,将矫形后的图像结合图像识别模板中的块元特征进行匹配运算,得到矫形后的图像中各块元的信息值;
后续处理:根据图像识别模板中定义的块元位置坐标、块元对应的含义和块元之间的逻辑组合关系,计算得到最终的数字多用表读数,并生成识别内容文本串。
本发明的块元具有一个显著的特性:它在图像中的出现规律为布尔型,即只有“真”和“假”两种值,分别对应“出现”和“不出现”两种状态。
一个块元可以代表某种独立的含义,比如mA或者uA;也可以通过多个块元的组合来代表某种含义,比如八段式LED的数字字模,可以用8个块元和其对应,在模板中定义好这些块元之间的逻辑组合关系,不同的块元代表不同的笔画或者状态,只要识别出块元后即可通过它们的逻辑组合关系得到对应的数字或者状态。
如图5所示,利用这种方法,本发明可以将图4中的辅助功能和单位标志等信息在模板中建立对应的块元,比如功能“AutoRange”对应块元①,功能“DC”对应块元②,以此类推。在识别过程中只要判断一个个的块元是否出现,并根据其值得到对应的信息,比如图5中,如果块元①的值为真,即块元①出现,则表示当前数字式多用表的状态为“AutoRange”,反之,如果块元①的值为假,即块元①没有出现,则表示当前状态为非自动档位状态;同理,如果块元②为真则表示当前读数为直流读数。
在图像预处理过程,主要有RGB转灰度、模糊、边缘检测和二值化等过程。
1)RGB转灰度
物体的颜色在受到光照等因素的影响时会呈现出很多变化,所以颜色本身难以提供关键信息,为了获取本质信息,同时提高运算速度等原因,需要将彩色图片灰度化,甚至二值化。对于彩色转灰度,有一个著名的常用的心理学公式为:
Gray=R*0.299+G*0.587+B*0.114 (公式1)
为了避免低速的浮点运算,将上述公式进行整数化处理,将系数放大1000倍,得到如下表达式:
Gray=(R*299+G*587+B*114+500)/1000 (公式2)
RGB一般是8位精度,现在放大1000倍,所以上面的运算是32位整型的运算。注意后面那个除法是整数除法,所以需要加上500来实现四舍五入。公式2的效率较公式1有较大提升,但最后的除法运算仍然可以改进,本发明采用移位算法来取代除法运算,以进一步提高运算速度。将公式1的系数乘上2的16次幂,即65535,得到系数:
0.299* 65536=19595.264≈19595
0.587* 65536+(0.264)=38469.632+0.264=38469.896≈38469
0.114* 65536+(0.896)=7471.104+0.896=7472
考虑四舍五入会有较大的误差,应该将以前的计算结果的误差一起计算进去,舍入方式是去尾法,得到改进后的最终的计算公式:
Gray=(R*19595+G*38469+B*7472)>>16 (公式3)
2)模糊
对图像中的每个像素、结合其周围的像素、使用数学加权平均计算方法(高斯函数)得到新的色值,以减少图像噪声、降低细节层次。
3)边缘检测
Canny算子使用两个阈值检测强信号和弱信号边缘,如果它们被连接到边缘,那么输出只包含弱边缘。
4)二值化
将图像像素用给定阈值区分为黑或白两色,以便从图像中强化出目标,使用局部自适应二值化算法,能更好的表现出图像中的细节。
实施例二
如图3所示的一种数字式电测仪表自动检定装置中的图像识别装置,其包括:
模板库:将某一型号数字式多用表显示屏中的所有有效图像信息根据功能需求分割为多个独立的信息块,作为最小的图像识别单元,称为块元,同时记录每个块元的位置坐标、对应的含义和块元之间的逻辑组合关系,形成该数字式多用表的图像识别模板;将多个所述的图像识别模板形成模板库;所述图像信息中的所有显示内容包括辅助功能和单位标志;
图像预处理模块:包括图像的RGB转灰度、模糊、边缘检测和二值化;
图像匹配识别模块:从预处理后的图像中提取轮廓,计算图像与模板库中图像识别模板的透视变形参数,对图像进行矫形,将矫形后的图像结合图像识别模板中的块元特征进行匹配运算,得到矫形后的图像中各块元的信息值;
后续处理模块:根据图像识别模板中定义的块元位置坐标、块元对应的含义和块元之间的逻辑组合关系,计算得到最终的数字多用表读数,并生成识别内容文本串。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
对于本领域的技术人员而言,阅读上述说明后,各种变化和修正无疑将显而易见。因此,所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容,都应认为仍属本发明的意图和范围内。

Claims (5)

1.一种数字式电测仪表自动检定装置中的图像识别方法,其特征在于,包括:
建立模板库:将某一型号数字式多用表显示屏中的所有有效图像信息根据功能需求分割为多个独立的信息块,作为最小的图像识别单元,称为块元,同时记录每个块元的位置坐标、对应的含义和块元之间的逻辑组合关系,形成该数字式多用表的图像识别模板;将多个所述的图像识别模板形成模板库;
图像预处理:包括图像的RGB转灰度、模糊、边缘检测和二值化;
图像匹配识别:从预处理后的图像中提取轮廓,计算图像与模板库中图像识别模板的透视变形参数,对图像进行矫形,将矫形后的图像结合图像识别模板中的块元特征进行匹配运算,得到矫形后的图像中各块元的信息值;
后续处理:根据图像识别模板中定义的块元位置坐标、块元对应的含义和块元之间的逻辑组合关系,计算得到最终的数字多用表读数,并生成识别内容文本串;
所述块元具有一个显著的特性:它在图像中的出现规律为布尔型,即只有“真”和“假”两种值,分别对应“出现”和“不出现”两种状态。
2.根据权利要求1所述的图像识别方法,其特征在于,通过一个块元代表某种独立的含义。
3.根据权利要求1所述的图像识别方法,其特征在于,通过多个块元的组合代表某种独立的含义,不同的块元代表不同的笔画或者状态。
4.根据权利要求1-3任一项所述的图像识别方法,其特征在于,数字式多用表显示屏中的所有有效图像信息包括辅助功能和单位标志。
5.一种数字式电测仪表自动检定装置中的图像识别装置,其特征在于,包括,
模板库:将某一型号数字式多用表显示屏中的所有有效图像信息根据功能需求分割为多个独立的信息块,作为最小的图像识别单元,称为块元,同时记录每个块元的位置坐标、对应的含义和块元之间的逻辑组合关系,形成该数字式多用表的图像识别模板;将多个所述的图像识别模板形成模板库;
图像预处理模块:包括图像的RGB转灰度、模糊、边缘检测和二值化;
图像匹配识别模块:从预处理后的图像中提取轮廓,计算图像与模板库中图像识别模板的透视变形参数,对图像进行矫形,将矫形后的图像结合图像识别模板中的块元特征进行匹配运算,得到矫形后的图像中各块元的信息值;
后续处理模块:根据图像识别模板中定义的块元位置坐标、块元对应的含义和块元之间的逻辑组合关系,计算得到最终的数字多用表读数,并生成识别内容文本串;
所述块元具有一个显著的特性:它在图像中的出现规律为布尔型,即只有“真”和“假”两种值,分别对应“出现”和“不出现”两种状态。
CN201710042338.7A 2017-01-20 2017-01-20 数字式电测仪表自动检定装置中的图像识别方法及装置 Active CN106845545B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710042338.7A CN106845545B (zh) 2017-01-20 2017-01-20 数字式电测仪表自动检定装置中的图像识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710042338.7A CN106845545B (zh) 2017-01-20 2017-01-20 数字式电测仪表自动检定装置中的图像识别方法及装置

Publications (2)

Publication Number Publication Date
CN106845545A CN106845545A (zh) 2017-06-13
CN106845545B true CN106845545B (zh) 2020-09-22

Family

ID=59120154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710042338.7A Active CN106845545B (zh) 2017-01-20 2017-01-20 数字式电测仪表自动检定装置中的图像识别方法及装置

Country Status (1)

Country Link
CN (1) CN106845545B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862303B (zh) * 2017-11-30 2019-04-26 平安科技(深圳)有限公司 表格类图像的信息识别方法、电子装置及可读存储介质
WO2019119391A1 (zh) * 2017-12-22 2019-06-27 深圳前海达闼云端智能科技有限公司 云端抄表方法及装置
CN108052943A (zh) * 2017-12-29 2018-05-18 杭州占峰科技有限公司 一种仪表字轮识别方法及设备
CN110346516A (zh) * 2019-07-19 2019-10-18 精英数智科技股份有限公司 故障检测方法及装置、存储介质
CN110780253A (zh) * 2019-12-10 2020-02-11 广东电网有限责任公司 一种多表位数字仪表智能检定系统及方法
CN112649780B (zh) * 2020-12-17 2023-07-25 泰安轻松信息科技有限公司 一种智能仪表电路识别检测设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7865200B1 (en) * 2004-01-30 2011-01-04 Sprint Spectrum L.P. Wireline telephony instrument for wirelessly receiving and displaying data messages
CN104700092A (zh) * 2015-03-26 2015-06-10 南京理工大学 一种基于模板和特征匹配相结合的小字符数字识别方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101859225B (zh) * 2010-05-31 2012-03-07 济南恒先科技有限公司 通过数字描红实现文字和表格快速录入的方法
CN102662465A (zh) * 2012-03-26 2012-09-12 北京国铁华晨通信信息技术有限公司 基于动态轨迹的视觉字符输入方法及系统
CN103279788B (zh) * 2013-04-28 2016-07-06 广东欧珀移动通信有限公司 一种自动识别数字的计数方法及移动终端
TW201540336A (zh) * 2014-01-24 2015-11-01 Sanofi Aventis Deutschland 用於附接至注射裝置之輔助裝置
CN104992152A (zh) * 2015-06-30 2015-10-21 深圳訾岽科技有限公司 一种基于模板字符库的字符识别方法及字符识别系统
CN106203415B (zh) * 2016-06-30 2019-12-10 三峡大学 一种基于数字图像处理的银行卡号自动识别装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7865200B1 (en) * 2004-01-30 2011-01-04 Sprint Spectrum L.P. Wireline telephony instrument for wirelessly receiving and displaying data messages
CN104700092A (zh) * 2015-03-26 2015-06-10 南京理工大学 一种基于模板和特征匹配相结合的小字符数字识别方法

Also Published As

Publication number Publication date
CN106845545A (zh) 2017-06-13

Similar Documents

Publication Publication Date Title
CN106845545B (zh) 数字式电测仪表自动检定装置中的图像识别方法及装置
CN109886928B (zh) 一种目标细胞标记方法、装置、存储介质及终端设备
CN108764352B (zh) 重复页面内容检测方法和装置
CN103759758A (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
CN110490181B (zh) 一种基于ocr识别技术的表单填写审核方法、装置、设备以及计算机存储介质
CN104197900A (zh) 一种汽车仪表指针刻度识别方法
CN108470350A (zh) 折线图中的折线分割方法及装置
CN111325164B (zh) 指针表示数识别方法、装置和电子设备
CN111310835A (zh) 目标对象的检测方法及装置
CN116704516B (zh) 一种用于水溶肥料包装的视觉检测方法
CN110569774A (zh) 基于图像处理与模式识别的折线图图像自动数字化方法
CN103530625A (zh) 一种基于数字图像处理的光学字符识别方法
CN113554008A (zh) 静态物体区域内检测方法、装置、电子设备及存储介质
KR101842535B1 (ko) 부호의 광학적 검출 방법
CN104463898A (zh) 一种物流平台用图像识别计数系统
CN115861801A (zh) 指针式仪表识别方法、系统、电子设备及可读存储介质
CN109448012A (zh) 一种图像边缘检测方法及装置
CN115170561A (zh) 一种基于视觉处理的激光切割工件的圆度检测方法及系统
CN112699824B (zh) 电能表仪表常数检测方法、设备及存储介质
CN108776146B (zh) 丝印线条的检测方法及装置
CN105389775A (zh) 融合图像灰度特征与结构化表示的图像群组配准方法
CN111242047A (zh) 图像处理方法和装置、电子设备及计算机可读存储介质
CN110954002A (zh) 一种光纤直径测量方法
CN110660042A (zh) 一种中药药袋数量识别算法
CN117372937B (zh) 一种基于指针仪表的数据读取方法

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