CN107679535B - 一种基于模板匹配的指针式水表自动读数识别系统及方法 - Google Patents

一种基于模板匹配的指针式水表自动读数识别系统及方法 Download PDF

Info

Publication number
CN107679535B
CN107679535B CN201710836282.2A CN201710836282A CN107679535B CN 107679535 B CN107679535 B CN 107679535B CN 201710836282 A CN201710836282 A CN 201710836282A CN 107679535 B CN107679535 B CN 107679535B
Authority
CN
China
Prior art keywords
pointer
image
water meter
center
template
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
CN201710836282.2A
Other languages
English (en)
Other versions
CN107679535A (zh
Inventor
王卫卫
孔胜江
王苏平
程警伟
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.)
Xi'an Neven Electronic Technology Co ltd
Xidian University
Original Assignee
Xi'an Neven Electronic Technology Co ltd
Xidian University
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 Xi'an Neven Electronic Technology Co ltd, Xidian University filed Critical Xi'an Neven Electronic Technology Co ltd
Priority to CN201710836282.2A priority Critical patent/CN107679535B/zh
Publication of CN107679535A publication Critical patent/CN107679535A/zh
Application granted granted Critical
Publication of CN107679535B publication Critical patent/CN107679535B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于图像处理和模式识别技术领域，公开了一种基于模板匹配的指针式水表自动读数识别系统及方法，将彩色水表图像转化成灰度图像，并依次进行中值滤波、灰度拉伸、色差处理、迭代二值化、腐蚀膨胀处理，得到指针所在连通区域，用质心法定位指针回转中心；在色差变换图像上根据指针回转中心采用阈值法分割出指针，并对分割的指针做腐蚀膨胀交替变换得到精确的指针，用模板匹配算法得到指针读数；进行读数校正，得出精准的水表指针读数。本发明当水表图像的某个指针基部被部分水泡、光照、阴影等遮挡时，克服传统算法定位的不足，能准确拟合出该指针的回转中心，从而提高指针读数的正确识别率。

Description

一种基于模板匹配的指针式水表自动读数识别系统及方法
技术领域
本发明属于图像处理和模式识别技术领域，尤其涉及一种基于模板匹配的指针式水表自动读数识别系统及方法。
背景技术
指针式水表读数的自动判读在水表检表工作中非常重要。指针式水表通常由圆形表盘和子表盘构成，将每一个红指针与它周围的刻度圆构成的圆形区域称之为子表盘，所有子表盘都分布在以表盘中心为圆心的圆周上。指针式水表自动读数以指针作为判读的关键，现有技术是通过对表盘、子表盘的定位，提取指针，最后识别指针读数。表盘定位是将红色指针这一目标区域从水表图像中提取出来，仅保留包含所有红色指针的圆环区域，现有技术一采用一种基于图像灰度特征的Hough分割算法，用该算法分割出一个包含所有指针的圆环区域，即水表指针信息显著区域；该方法通常要求摄像头和表盘间的相对位置大概固定，对比度低、有水泡、光照等干扰的水表图像，表盘定位的准确率降低，从而影响最终读数的准确性。现有技术二首先利用指针的彩色信息提取子表盘区域，然后利用基于轮廓信息的Hough变换定位子表盘中心，最后拟合出表盘中心，进而分割出指针圆环区域；该方法对于水表图像的质量要求较高，对红色指针周围有水泡导致指针变形或者水泡分割指针等干扰的图像，提取的指针轮廓，即边缘往往有缺失、不准确，后续采用Hough变换在这些边缘上检测圆心会降低准确性。子表盘定位即为求取各红色指针回转中心的坐标，这是指针式水表读数自动判读的最关键技术，要得到回转中心的坐标，需要提取出仅含有红色指针的区域，现有技术三提出一种基于彩色特征的表盘定位算法，该算法首先将RGB彩色空间图像归一化，即将图像的R、G、B三分量分别除以该三分量的总和得到归一化的r、g、b三分量，然后根据红色指针目标像素满足的条件：r>g，r>b，g<ratio(ratio是g的百分比阈值)二值化图像，最后提取红色指针区域；该算法采用了归一化的彩色空间模型虽然降低原始图像空间中R、G、B三分量的相关性和图像对比度的要求，但是在归一化和二值化图像过程中算法复杂度高，特别当水表图像分辨率较高时，耗时非常大；另外当水表表盘金属框含有的红色分量较多或者指针周围有水泡干扰时，二值化后的图像含有很多噪点，不利于后续准确定位红指针回转中心。采用传统的Hough变换算法检测圆心，需要先验设定检测圆的半径范围，若半径范围设置过小，则检测不到目标圆，若半径范围设置过大，则会增加搜索的时间，计算量大，该算法复杂度较高。现有技术四提出了一种基于色差变换的子表盘定位方法，对色差变换的水表图像二值化处理，结合数学形态学方法提取仅含有4个红色指针的连通区域，然后采用质心法计算指针的回转中心。该方法的优点是在只有得到4个红色指针连通区域的理想情况下才能精确的定位出各指针回转中心，并且计算量小，速度快。但是当指针周围含有大量水泡，更严重的情形是有水泡完全遮挡住某个红色指针的圆形基部，如果采用用数学形态学方法提取红指针连通域的步骤，一般将会得到一些干扰的连通域，理想情况下会得到含有3个红色指针的连通区域，质心法只能计算出三个红指针的回转中心，圆形基部被水泡遮挡的红指针回转中心会缺失，最终导致无法识别指针读数。指针提取是在精确定位的各指针回转中心的基础上单独分割出4个红色指针二值图像，提取指针图像，通常采用p-分位法，该方法根据每个子表盘图像的像素数和指针区域的像素数比值计算分割阈值，对没有水泡，光照等质量较好的水表图像可以很好的提取指针二值图像，然而对于光照不均、阴影等原因导致部分指针模糊不清或有水泡遮挡指针圆形基部引起指针边界间断等情形的水表图像，p-分位法提取的指针往往会有粘连、破损、多针尖等现象。识别指针读数，常用的指针方向识别方法有四种：圆周灰度检测法、步长法、Hough变换法、模板匹配法。由于光照不均、阴影等原因导致部分指针模糊不清或有水泡遮挡指针圆形基部引起指针边界间断，此时使用圆周灰度检测法和步长法均失效，使用Hough变换法则无法正确检测出指针边界直线的指示方向。模板匹配法对水表图像的质量要求最低，需要制作50幅三角型模板图像，并计算各指针图像与模板图像的匹配度，选择匹配度最大的模板图像作为该指针图像的最佳匹配，最后根据最佳匹配的模板值计算各指针的读数。当然，初步计算的指针读数需要校正，基本思想是根据指针之间的关联，即利用下一级指针读数是否进位来校正当前指针读数。现有技术五通过计算待测水表第一个指针回转中心与最后一个指针回转中心的连线与模板中对应两个指针回转中心的连线之间的倾角对识别结果进行校正，但有些水表的指针往往存在着机械误差，即使水平校正之后，读数依然存在误差。
综上所述，现有技术存在的问题是：目前的指针式水表自动读数识别方法存在计算量大，速度慢，直接影响到系统的实时性。由于光照、阴影、指针圆形基部被水泡遮挡等原因，导致不能很好的识别指针指向，校正后读数依然存有误差，降低水表读数自动判读的可靠性。
发明内容
针对现有技术存在的问题，本发明提供了一种基于模板匹配的指针式水表自动读数识别系统及方法。
本发明是这样实现的，一种基于模板匹配的指针式水表自动读数识别方法，所述基于模板匹配的指针式水表自动读数识别方法将彩色水表图像转化成灰度图像，并依次进行中值滤波、灰度拉伸、色差处理、迭代二值化、腐蚀膨胀处理，得到指针所在连通区域，用质心法定位指针回转中心；在色差变换图像上根据指针回转中心采用阈值法分割出指针，并对分割的指针做腐蚀膨胀交替变换得到精确的指针，用模板匹配算法得到指针读数；进行读数校正，得出精准的水表指针读数。
进一步，所述基于模板匹配的指针式水表自动读数识别方法包括以下步骤：
步骤一，对RGB格式水表源图像I采用加权平均法灰度化；
Figure BDA0001409863800000041
其中，R，G，B分别为I的红绿蓝分量，g为灰度化后图像；
步骤二，对灰度图像g进行中值滤波和线性灰度拉伸；
h(x,y)＝Median[T[g(x,y)]|0＜x＜N,0＜y＜N]；
其中T灰度拉伸变换函数，N为中值滤波模板大小，取奇数；
步骤三，对水表图像h作LRCD变换；
Figure BDA0001409863800000042
步骤四，二值化水表图像k，并做腐蚀膨胀交替变换去除指针区域周围的干扰，得到指针所在连通区域；
步骤五，精确定位红色指针回转中心；
步骤六，分割出红色指针；
步骤七，生成50幅M×M大小的模板图像，标号为0～49，并保存至大小为M×M×50的imgModel数组中；
步骤八，用模板匹配法识别红色指针读数；初始化一个累加器，红色指针图像ffi(i＝1,2,3,4)与50幅模板图像进行逐一匹配，如果红色指针图像与模板图像在相同位置处对应的像素灰度值为0，则累加器增1，当与全部模板图像匹配完成后，累加器取值最大的模板就是待测指针指向的最佳匹配，记为Pij(i＝1,2,3,4j＝0,1,2,...,49)，则红色指针读数为
Figure BDA0001409863800000043
其中10-c(c＝1,2,3,4)为指针精度，int为下取整；
步骤九，根据指针之间的相互关联，进行指针读数校正，得到精确的指针读数，需要校正的模板为：
Figure BDA0001409863800000051
进一步，所述步骤四具体步骤如下：
(1)对水表图像k应用迭代式阈值算法二值化为图像bw；
(2)用半径为6的圆盘结构元素腐蚀图像bw，得到bw1；
(3)填充二值图像bw1中的空洞，得到bw2；
(4)用半径为16的圆盘结构元素膨胀图像bw2，得到bw3；
(5)用半径为12的圆盘结构元素腐蚀图像bw3，得到bw4；
(6)用半径为16的圆盘结构元素对图像bw4作开运算，得到bw5；
(7)用4邻域标记二值图像bw5，得到标记图Lab；
(8)由Lab计算各连通区域的面积，移除比各个红色指针面积大的或者面积小的连通区域，得到指针所在连通区域，记为bw6。
进一步，所述步骤五具体步骤如下：
(1)根据步骤四，如果二值图像bw6仅含有4个连通区域，则利用质心法求取指针回转中心；
Figure BDA0001409863800000052
其中，xi，yi为第i个连通域各点的坐标向量，Ni为第i个连通域的像素总数；
(2)根据步骤四，如果二值图像bw6仅含有3个连通区域，即有3个子表盘区域，则计算这3个连通区域的质心，然后用最小二乘拟合这3个质心所在的圆心，即表盘圆心，计算3个子表盘中心的距离和表盘圆心到3个子表盘中心连线的斜率，判断缺失的子表盘，最后确定缺失子表盘的中心；
1)计算3个连通区域的质心，即指针回转中心，分别记为(x1,y1)，(x2,y2)，(x3,y3)，并据此拟合圆心，记为(x0,y0)，半径为r0；
2)计算3个子表盘中心间的距离：
Figure BDA0001409863800000061
Figure BDA0001409863800000062
3)计算表盘中心到3个子表盘中心连线的斜率：
Figure BDA0001409863800000063
Figure BDA0001409863800000064
Figure BDA0001409863800000065
4)判断缺失子表盘，并拟合出缺失的指针回转中心：
按照从上至下，从右至左的顺序，将4个红色指针依次标号为第1、2、3和4枚红色指针，4个红色指针的回转中心所在的圆心到它们的连线的斜率取值范围分别为，[min k1,max k1]、[min k2,max k2]、[min k3,max k3]和[min k4,max k4]，具体判断和计算如下：
若k1∈[min k2,max k2]∩k2∈[min k3,max k3]∩k3∈[min k4,max k4]，则判断为第1枚红色指针缺失，设该红色指针回转中心为(x,y)，它的回转中心到第2枚红色指针回转中心的距离取为d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure BDA0001409863800000066
得解为
Figure BDA0001409863800000067
得到所缺失的第1枚红色指针回转中心为(max(xa,xb),min(ya,yb))；
若k1∈[min k1,max k1]∩k2∈[min k3,max k3]∩k3∈[min k4,max k4]，则判断为第2枚红色指针缺失，设该红色指针回转中心为(x,y)，它的回转中心到第1枚红色指针回转中心的距离取为d＝d23，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure BDA0001409863800000071
得解为
Figure BDA0001409863800000072
得到所缺失的第2枚红色指针回转中心为(min(xa,xb),max(ya,yb))；
若k1∈[min k1,max k1]∩k2∈[min k2,max k2]∩k3∈[min k4,max k4]，则判断为第3枚红色指针缺失，设该红色指针回转中心为(x,y)，它的回转中心到第4枚红色指针回转中心的距离取为d＝d12，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure BDA0001409863800000073
得解为
Figure BDA0001409863800000074
得到所缺失的第3枚红色指针回转中心为(max(xa,xb),max(ya,yb))；
若k1∈[min k1,max k1]∩k2∈[min k2,max k2]∩k3∈[min k3,max k3]，则判断为第4枚红色指针缺失，设该红色指针回转中心为(x,y)，它的回转中心到第3枚红色指针回转中心的距离取为d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure BDA0001409863800000075
得解为
Figure BDA0001409863800000081
得到所缺失的第4枚红色指针回转中心为(min(xa,xb),min(ya,yb))。
进一步，所述步骤六具体步骤如下：
(1)根据各子表盘的指针回转中心，在LRCD变换后水表图像k中分别截取M×M的指针图像fi(i＝1,2,3,4)；
(2)根据Ostu最佳阈值算法，对指针图像fi(i＝1,2,3,4)二值化为nfi(i＝1,2,3,4)；
(3)用半径为1的圆盘结构元素对二值化图像nfi(i＝1,2,3,4)作腐蚀运算，并用4邻域标记腐蚀后的二值图像；
(4)计算各连通区域的面积，移除比指针三角形面积大的连通区域，得到二值化图像n1fi(i＝1,2,3,4)；
(5)填充二值化图像n1fi(i＝1,2,3,4)中的空洞，据此分别用半径为16和13的圆盘结构元素作膨胀和腐蚀操作，最后分割出红色指针图像ffi(i＝1,2,3,4)。
进一步，所述步骤七具体步骤如下
1)生成指针指向0刻度时的指针模板，指针模板由顶角为18度的等腰三角形和圆形组成，三角形三个顶点坐标分别为：
Figure BDA0001409863800000082
圆形的圆心和半径分别为：
Figure BDA0001409863800000083
将三角形内部和圆心内部像素置为0，外部置为255；得到指针指向0刻度的模板；
2)生成指针指向i(i＝1,2,...,49)刻度时的指针模板；将1)中三角形顶点和圆心绕模板中心(M/2,M/2)旋转t＝πi/25分别得到下面新坐标：
Figure BDA0001409863800000091
Figure BDA0001409863800000092
将三角形内部和圆心内部像素置为0，外部置为255；得到指针指向i(i＝1,2,...,49)刻度时的指针模板。
进一步，所述步骤九具体步骤如下：
1)计算当前需要校正的指针的下一个指针的模板；
2)根据下一个指针的模板，判断当前指针读数进位或退位；
(1)若下一个指针的模板匹配值在0～9，则将当前指针的模板匹配值加2，保证当前指针读数进位，这里规定模板48,49加2进位后为模板0；
(2)若下一个指针的模板匹配值在30～49，则将当前指针的模板匹配值减2，保证当前指针读数退位，这里规定模板0,1减2退位后为模板49；
3)计算当前精确的指针读数。
本发明的另一目的在于提供一种所述基于模板匹配的指针式水表自动读数识别方法的基于模板匹配的指针式水表自动读数识别系统，所述基于模板匹配的指针式水表自动读数识别系统包括：水表检测系统平台、水表检测软件平台、水表。水表检测系统平台的功能是检测安装台上的水表合格与否，由夹表装置、前后直管段、流量调节阀、流量指示器(转子流量计)、工作量器、放水阀和管路系统、摄像和控制系统组成。水表检测软件平台通过计算机连接水表检测系统平台，主要功能是控制水表检测流程并完成检测数据的处理与存贮，水表检测软件系统首先通过可视化检测模块选择表盘模型，选择检测类型(大流、中流、小流)，安装好检测台上的待检测水表后开始检测，每个检测工作台可以同时检测多块表，每块水表由图像采集模块拍摄一张图片并将采集的图片存储计算机，由图像识别模块自动判读出各表的初始读数，根据检测类型，通过串口指令控制对应的进水阀门打开，水流通过水表进入水循环池，同时，储水电子质量称会以一定的频率通过串行数据线发送流出水质量数据，计算机接收数据，当质量达到预定值时，发送关阀指令，阀门关闭后，延迟一段时间(保证表指针稳定并减少部分充满表盘的水气泡)，通过图像采集模块控制摄像头拍照并保存，再由图像识别模块自动判读出待检测水表指针的终止读数，进而计算误差，并与允许误差对比，最后输出检测报告。水表检测软件系统主要由图像采集、图像识别、可视化检测和查询报表模块组成。
本发明的另一目的在于提供一种使用所述基于模板匹配的指针式水表自动读数识别方法的指针式水表。
本发明的优点及积极效果为：在3.30GHZ Intel Core i5-4590CPU,4GB Ram PC的Windows 7x64系统上使用版本8.5.0(R2015a)Matlab软件做测试实验。实验随机选取从检表平台上采集的200幅水表图像，图片分辨率为2048×1536，保存格式为.jpg，测试现有技术和本发明对指针回转中心的定位性能，结果如表1所示：
定位方法 实验图像(幅) 定位正确(幅) 准确率(％) 运行时间(幅/s)
技术一 200 178 89 0.91
技术二 200 181 90.5 0.79
技术三 200 185 92.5 287
技术四 200 186 93 0.53
本发明 200 199 99.5 0.58
表1.
实验结果表明，本发明可以准确识别199幅水表图像指针读数，准确率达到99.5％，比其他现有技术准确率都要高，另外一幅由于光照太暗加上大量的水泡完全覆盖了两个红色指针区域，这样便会缺失两个指针回转中心，这是在本发明考虑范围之外的，因此导致指针回转中心无法定位，从而不能识别指针读数。另外，本发明的定位时间相对较短，而定位时间比技术四稍慢的原因是，本发明需要判断被部分水泡、光照、或阴影遮挡指针圆形基部的指针并且拟合该指针的回转中心。为了比较现有技术五和本发明的读数校正方法性能，从上述200幅图片中随机抽取10幅，编号为1～10，以人工读数为判别准则，结果如表2所示：
识别方法 1 2 3 4 5 6 7 8 9 10
技术五 0.0282 0.0308 0.8048 0.5534 0.2129 0.8448 0.9119 0.6558 0.7339 0.5529
本发明 0.0282 0.0308 0.8048 0.5534 0.2129 0.8438 0.9119 0.6548 0.7339 0.5519
人工读数 0.0282 0.0308 0.8048 0.5534 0.2129 0.8438 0.9119 0.6548 0.7339 0.5519
表2
从表2可以看出，由于6号10号水表存在机械误差，现有技术进行五读数校正之后指针读数依然不准确，而本发明进行读数校正后指针识别读数与人工判读读数一致，这是因为本发明通过各指针间的关联关系校正匹配的模板值，从而自适应的修正指针读数，使读数准确。
本发明对于水表图像的某个指针基部被部分水泡、光照、阴影等遮挡时，克服传统算法定位的不足，能准确拟合出该指针的回转中心，从而提高指针读数的识别率，通过各指针间的关联关系校正匹配模板值，提高了指针读数自动判读的准确率。
附图说明
图1是本发明实施例提供的基于模板匹配的指针式水表自动读数识别方法流程图。
图2是本发明实施例提供的基于模板匹配的指针式水表自动读数识别系统结构示意图；
图中：1、水表检测系统平台；2、水表检测软件平台；3、水表。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供了一种在提取各指针图像后，根据各指针图像的大小自动生成50幅三角圆(三角形+圆形)型模板图像，并保存为JPEG格式，占用内存少，在最后读数校正过程中，本发明依据指针之间的关联来校正读数。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于模板匹配的指针式水表自动读数识别方法包括以下步骤：
S101：将彩色水表图像转化成灰度图像，并对其依次进行中值滤波、灰度拉伸、色差处理、迭代二值化、腐蚀膨胀等预处理，得到指针所在连通区域，然后用质心法定位指针回转中心；
S102：在色差变换图像上根据指针回转中心采用阈值法分割出指针，并对分割的指针做腐蚀膨胀交替变换得到精确的指针，然后用模板匹配算法得到指针读数；
S103：进行读数校正，得出精准的水表指针读数。
如图2所示，本发明实施例提供的基于模板匹配的指针式水表自动读数识别系统包括：水表检测系统平台1、水表检测软件平台2、水表3。
水表检测系统平台1的功能是检测安装台上的水表合格与否，由夹表装置、前后直管段、流量调节阀、流量指示器(转子流量计)、工作量器、放水阀和管路系统、摄像和控制系统组成。水表检测软件平台2通过计算机连接水表检测系统平台，主要功能是控制水表3检测流程并完成检测数据的处理与存贮，水表检测软件平台2首先通过可视化检测模块选择表盘模型，选择检测类型(大流、中流、小流)，安装好检测台上的待检测水表后开始检测，每个检测工作台可以同时检测多块表，每块水表由图像采集模块拍摄一张图片并将采集的图片存储计算机，由图像识别模块自动判读出各表的初始读数，根据检测类型，通过串口指令控制对应的进水阀门打开，水流通过水表进入水循环池，同时，储水电子质量称会以一定的频率通过串行数据线发送流出水质量数据，计算机接收数据，当质量达到预定值时，发送关阀指令，阀门关闭后，延迟一段时间(保证表指针稳定并减少部分充满表盘的水气泡)，通过图像采集模块控制摄像头拍照并保存，再由图像识别模块自动判读出待检测水表指针的终止读数，进而计算误差，并与允许误差对比，最后输出检测报告。水表检测软件平台2主要由图像采集、图像识别、可视化检测和查询报表模块组成。
本发明实施例提供的基于模板匹配的指针式水表自动读数识别方法具体包括以下步骤：
步骤一，对RGB格式水表源图像I采用加权平均法灰度化；
Figure BDA0001409863800000131
其中，R，G，B分别为I的红绿蓝分量，g为灰度化后图像；
步骤二，对灰度图像g进行中值滤波和线性灰度拉伸；
h(x,y)＝Median[T[g(x,y)]|0＜x＜N,0＜y＜N]；
其中T灰度拉伸变换函数，N为中值滤波模板大小，一般取奇数；
步骤三，对水表图像h作LRCD变换；
Figure BDA0001409863800000132
步骤四，二值化LRCD变换后水表图像k，并在此基础上做腐蚀膨胀交替变换去除指针区域周围的干扰，得到指针所在连通区域；
具体步骤如下：
(1)对水表图像k应用迭代式阈值算法二值化为图像bw；
(2)用半径为6的圆盘结构元素腐蚀图像bw，得到bw1；
(3)填充二值图像bw1中的空洞，得到bw2；
(4)用半径为16的圆盘结构元素膨胀图像bw2，得到bw3；
(5)用半径为12的圆盘结构元素腐蚀图像bw3，得到bw4；
(6)用半径为16的圆盘结构元素对图像bw4作开运算，得到bw5；
(7)用4邻域标记二值图像bw5，得到标记图Lab；
(8)计算各连通区域的面积，移除比各个红色指针面积大的或者面积小的连通区域，从而得到指针所在连通区域，得到bw6；
步骤五，精确定位红色指针回转中心；
具体步骤如下：
(1)根据步骤四，如果二值图像bw6仅含有4个连通区域，则利用质心法求取指针回转中心；
Figure BDA0001409863800000141
其中，xi，yi为第i个连通域各点的坐标向量，Ni为第i个连通域的像素总数；
(2)根据步骤四，如果二值图像bw6仅含有3个连通区域，即有3个子表盘区域，则计算这3个连通区域的质心，然后用最小二乘拟合这3个质心所在的圆心，即表盘圆心，计算3个子表盘中心的距离和表盘圆心到3个子表盘中心连线的斜率，判断缺失的子表盘，最后确定缺失子表盘的中心；
具体步骤如下：
1)计算3个连通区域的质心，即指针回转中心，分别记为(x1,y1)，(x2,y2)，(x3,y3)，并据此拟合圆心，记为(x0,y0)，半径为r0；
2)计算3个子表盘中心间的距离：
Figure BDA0001409863800000142
Figure BDA0001409863800000151
3)计算表盘中心到3个子表盘中心连线的斜率：
Figure BDA0001409863800000152
Figure BDA0001409863800000153
Figure BDA0001409863800000154
4)判断缺失子表盘，并拟合出缺失的指针回转中心：
经过对大量质量较好、理想的样本水表图像进行训练，能够得到四个红色指针的回转中心和它们所在表盘圆心连线的斜率取值范围，按照从上至下，从右至左的顺序，将4个红色指针依次标号为第1、2、3和4枚红色指针，而这4个红色指针的回转中心所在的圆心到它们的连线的斜率取值范围分别为，[min k1,max k1]、[min k2,max k2]、[min k3,maxk3]和[min k4,max k4]，具体判断和计算如下：
(1)若k1∈[min k2,max k2]∩k2∈[min k3,max k3]∩k3∈[min k4,max k4]，则判断为第1枚红色指针缺失，设该红色指针回转中心为(x,y)，它的回转中心到第2枚红色指针回转中心的距离取为d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure BDA0001409863800000155
得解为
Figure BDA0001409863800000156
进一步得到所缺失的第1枚红色指针回转中心为(max(xa,xb),min(ya,yb))；
(2)若k1∈[min k1,max k1]∩k2∈[min k3,max k3]∩k3∈[min k4,max k4]，则判断为第2枚红色指针缺失，设该红色指针回转中心为(x,y)，它的回转中心到第1枚红色指针回转中心的距离取为d＝d23，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure BDA0001409863800000161
得解为
Figure BDA0001409863800000162
得到所缺失的第2枚红色指针回转中心为(min(xa,xb),max(ya,yb))；
(3)若k1∈[min k1,max k1]∩k2∈[min k2,max k2]∩k3∈[min k4,max k4]，则判断为第3枚红色指针缺失，设该红色指针回转中心为(x,y)，它的回转中心到第4枚红色指针回转中心的距离取为d＝d12，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure BDA0001409863800000163
得解为
Figure BDA0001409863800000164
得到所缺失的第3枚红色指针回转中心为(max(xa,xb),max(ya,yb))；
(4)若k1∈[min k1,max k1]∩k2∈[min k2,max k2]∩k3∈[min k3,max k3]，则判断为第4枚红色指针缺失，设该红色指针回转中心为(x,y)，它的回转中心到第3枚红色指针回转中心的距离取为d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure BDA0001409863800000165
得解为
Figure BDA0001409863800000171
得到所缺失的第4枚红色指针回转中心为(min(xa,xb),min(ya,yb))；
步骤六，分割出红色指针；
具体步骤如下：
(1)根据各子表盘的指针回转中心，在LRCD变换后水表图像k中分别截取M×M的指针图像fi(i＝1,2,3,4)；
(2)根据Ostu最佳阈值算法，对指针图像fi(i＝1,2,3,4)二值化为nfi(i＝1,2,3,4)；
(3)用半径为1的圆盘结构元素对二值化图像nfi(i＝1,2,3,4)作腐蚀运算，并用4邻域标记腐蚀后的二值图像；
(4)计算各连通区域的面积，移除比指针三角型面积大的连通区域，得到二值化图像n1fi(i＝1,2,3,4)；
(5)填充二值化图像n1fi(i＝1,2,3,4)中的空洞，据此分别用半径为16和13的圆盘结构元素作膨胀和腐蚀操作，最后分割出红色指针图像ffi(i＝1,2,3,4)；
(6)生成50幅M×M大小的模板图像，标号为0～49，并保存至大小为M×M×50的imgModel数组中；
具体步骤如下：
1)生成指针指向0刻度时的指针模板，该指针模板由顶角为18度的等腰三角形和圆形组成，三角形三个顶点坐标分别为：
Figure BDA0001409863800000172
圆形的圆心和半径分别为：
Figure BDA0001409863800000181
将三角形内部和圆心内部像素置为0，外部置为255；得到指针指向0刻度的模板；
2)生成指针指向i(i＝1,2,...,49)刻度时的指针模板；将1)中三角形顶点和圆心绕模板中心(M/2,M/2)旋转t＝πi/25分别得到下面新坐标：
Figure BDA0001409863800000182
Figure BDA0001409863800000183
将三角形内部和圆心内部像素置为0，外部置为255；得到指针指向i(i＝1,2,...,49)刻度时的指针模板；
步骤八，用模板匹配法识别红色指针读数；初始化一个累加器，红色指针图像ffi(i＝1,2,3,4)与50幅模板图像进行逐一匹配，如果红色指针图像与模板图像在相同位置处对应的像素灰度值为0，则累加器增1，当与全部模板图像匹配完成后，累加器取值最大的模板就是待测指针指向的最佳匹配，记为Pij(i＝1,2,3,4j＝0,1,2,...,49)，则红色指针读数为
Figure BDA0001409863800000184
其中10-c(c＝1,2,3,4)为指针精度，int为下取整；
步骤九，根据指针之间的相互关联，进行指针读数校正，得到精确的指针读数，需要校正的模板为：
Figure BDA0001409863800000185
具体步骤如下：
1)计算当前需要校正的指针的下一个指针的模板；
2)根据下一个指针的模板，判断当前指针读数进位或退位；
(1)若下一个指针的模板匹配值在0～9，则将当前指针的模板匹配值加2，保证当前指针读数进位，为计算方便，这里规定模板48,49加2进位后为模板0；
(2)若下一个指针的模板匹配值在30～49，则将当前指针的模板匹配值减2，保证当前指针读数退位,为计算方便，这里规定模板0,1减2退位后为模板49；
3)利用步骤八中公式，计算当前精确的指针读数。
下面结合具体实施例对本发明的应用原理作进一步的描述。
实施例1：对质量较好的表盘图像自动识别指针读数；
执行步骤1～8：
步骤1，对RGB格式水表源图像I采用加权平均法灰度化；
步骤2，对灰度图像g进行中值滤波，滤波模板大小3×3，线性灰度拉伸；
步骤3，对水表图像h作LRCD变换；
步骤4，二值化LRCD变换后水表图像k，并在此基础上运用腐蚀膨胀交替处理去除指针区域周围的干扰，仅留下含有红色指针的感兴趣区域；
步骤5，精确定位红色指针回转中心；
步骤6，分割出红色指针；
步骤7，自动生成50幅M×M大小的模板图像，标号为0～49；
步骤8，用模板匹配法识别红色指针读数；
4个红色指针初步匹配的模板值分别为：36、1、9、28，指针读数为0.7015；
步骤9，根据指针之间的相互关联，进行指针读数校正；
校正后指针模板匹配值分别是：38、3、9、28，据此得到精确的指针读数为：0.7015；
实施例2：对含有大量水泡、光照和阴影等质量较差的表盘图像自动识别指针读数；执行步骤1～8：
步骤1，对RGB格式水表源图像I采用加权平均法灰度化；
步骤2，对灰度图像g进行中值滤波，滤波模板大小3×3，线性灰度拉伸；
步骤3，对水表图像h作LRCD变换；
步骤4，二值化LRCD变换后水表图像k，并在此基础上运用运用腐蚀膨胀交替处理去除指针区域周围的干扰；
步骤5，精确定位红色指针回转中心；
步骤6，分割出红色指针；
步骤7，同实施例步骤7；
步骤8，用模板匹配法识别红色指针读数；
4个红色指针初步匹配的模板值分别为：4、34、9、19，读数为0.0613；
步骤9，根据指针之间的相互关联，进行指针读数校正；
校正后指针模板匹配值分别是：2、36、9、19，据此得到精确的指针读数为：0.0713。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于模板匹配的指针式水表自动读数识别方法，其特征在于，所述基于模板匹配的指针式水表自动读数识别方法将彩色水表图像转化成灰度图像，并依次进行中值滤波、灰度拉伸、色差处理、迭代二值化、腐蚀膨胀交替处理，得到指针所在连通区域，用质心法定位指针回转中心；在色差变换图像上根据指针回转中心采用阈值法分割出指针，并对分割的指针做腐蚀膨胀交替变换得到精确的指针，用模板匹配算法得到指针读数；进行读数校正，得出精准的水表指针读数；
所述基于模板匹配的指针式水表自动读数识别方法包括以下步骤：
步骤一，对RGB格式水表源图像I采用加权平均法灰度化；
Figure FDA0002796974850000011
其中，R，G，B分别为I的红绿蓝分量，g为灰度化后图像；
步骤二，对灰度图像g进行中值滤波和线性灰度拉伸；
h(x,y)＝Median[T[g(x,y)]|0＜x＜N,0＜y＜N]；
其中T灰度拉伸变换函数，N为中值滤波模板大小，取奇数；
步骤三，对水表图像h作LRCD变换；
Figure FDA0002796974850000012
步骤四，二值化LRCD变换后水表图像k，并做腐蚀膨胀交替变换去除指针区域周围的干扰，得到指针所在连通区域；
步骤五，精确定位红色指针回转中心；具体步骤如下：
(1)根据步骤四，如果二值图像bw6仅含有4个连通区域，则利用质心法求取指针回转中心；
Figure FDA0002796974850000021
其中，xi，yi为第i个连通域各点的坐标向量，Ni为第i个连通域的像素总数；
(2)根据步骤四，如果二值图像bw6仅含有3个连通区域，则计算这3个连通区域的质心，然后用最小二乘拟合这3个质心所在的圆心，即表盘圆心，计算3个子表盘中心的距离和表盘圆心到3个子表盘中心连线的斜率，判断缺失的子表盘，最后确定缺失子表盘的中心；
1)计算3个连通区域的质心，即指针回转中心，分别记为(x1,y1)，(x2,y2)，(x3,y3)，并据此拟合圆心，记为(x0,y0)，半径为r0；
2)计算3个子表盘中心间的距离：
Figure FDA0002796974850000022
Figure FDA0002796974850000023
3)计算表盘中心到3个子表盘中心连线的斜率：
Figure FDA0002796974850000024
Figure FDA0002796974850000025
Figure FDA0002796974850000026
4)判断缺失子表盘，并拟合出缺失的指针回转中心：
按照从上至下，从右至左的顺序，将4个红色指针依次标号为第1、2、3和4枚红色指针，4个红色指针的回转中心所在的圆心到它们的连线的斜率取值范围分别为，[min k1,maxk1]、[min k2,max k2]、[min k3,max k3]和[min k4,max k4]，具体判断和计算如下：
若k1∈[min k2,max k2]∩k2∈[min k3,max k3]∩k3∈[min k4,max k4]，则判断为第1枚红色指针缺失，设红色指针回转中心为(x,y)，它的回转中心到第2枚红色指针回转中心的距离取为d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure FDA0002796974850000031
得解为
Figure FDA0002796974850000032
得到所缺失的第1枚红色指针回转中心为(max(xa,xb),min(ya,yb))；
若k1∈[min k1,max k1]∩k2∈[min k3,max k3]∩k3∈[min k4,max k4]，则判断为第2枚红色指针缺失，设红色指针回转中心为(x,y)，它的回转中心到第1枚红色指针回转中心的距离取为d＝d23，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure FDA0002796974850000033
得解为
Figure FDA0002796974850000034
得到所缺失的第2枚红色指针回转中心为(min(xa,xb),max(ya,yb))；
若k1∈[min k1,max k1]∩k2∈[min k2,max k2]∩k3∈[min k4,max k4]，则判断为第3枚红色指针缺失，设红色指针回转中心为(x,y)，它的回转中心到第4枚红色指针回转中心的距离取为d＝d12，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure FDA0002796974850000035
得解为
Figure FDA0002796974850000041
得到所缺失的第3枚红色指针回转中心为(max(xa,xb),max(ya,yb))；
若k1∈[min k1,max k1]∩k2∈[min k2,max k2]∩k3∈[min k3,max k3]，则判断为第4枚红色指针缺失，设红色指针回转中心为(x,y)，它的回转中心到第3枚红色指针回转中心的距离取为d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
Figure FDA0002796974850000042
得解为
Figure FDA0002796974850000043
得到所缺失的第4枚红色指针回转中心为(min(xa,xb),min(ya,yb))；
步骤六，分割出红色指针；
步骤七，生成50幅M×M大小的模板图像，标号为0～49，并保存至大小为M×M×50的imgModel数组中；
步骤八，用模板匹配法识别红色指针读数；初始化一个累加器，红色指针图像ffi(i＝1,2,3,4)与50幅模板图像进行逐一匹配，如果红色指针图像与模板图像在相同位置处对应的像素灰度值为0，则累加器增1，当与全部模板图像匹配完成后，累加器取值最大的模板就是待测指针指向的最佳匹配，记为Pij(i＝1,2,3,4 j＝0,1,2,...,49)，则红色指针读数为
Figure FDA0002796974850000044
其中10-c(c＝1,2,3,4)为指针精度，int为下取整；
步骤九，根据指针之间的相互关联，进行指针读数校正，得到精确的指针读数，需要校正的模板为：
Figure FDA0002796974850000051
2.如权利要求1所述的基于模板匹配的指针式水表自动读数识别方法，其特征在于，所述步骤四具体步骤如下：
(1)对水表图像k应用迭代式阈值算法二值化为图像bw；
(2)用半径为6的圆盘结构元素腐蚀图像bw，得到bw1；
(3)填充二值图像bw1中的空洞，得到bw2；
(4)用半径为16的圆盘结构元素膨胀图像bw2，得到bw3；
(5)用半径为12的圆盘结构元素腐蚀图像bw3，得到bw4；
(6)用半径为16的圆盘结构元素对图像bw4作开运算，得到bw5；
(7)用4邻域标记二值图像bw5，得到标记图Lab；
(8)由Lab计算各连通区域的面积，移除比各红色指针面积大的或者面积小的连通区域，得到红指针所在连通区域，得到bw6。
3.如权利要求1所述的基于模板匹配的指针式水表自动读数识别方法，其特征在于，所述步骤六具体步骤如下：
(1)根据各子表盘的指针回转中心，在LRCD变换后水表图像k中分别截取M×M的指针图像fi(i＝1,2,3,4)；
(2)根据Ostu最佳阈值算法，对指针图像fi(i＝1,2,3,4)二值化为nfi(i＝1,2,3,4)；
(3)用半径为1的圆盘结构元素对二值化图像nfi(i＝1,2,3,4)作腐蚀运算，并用4邻域标记腐蚀后的二值图像；
(4)计算各连通区域的面积，移除比指针三角形面积大的连通区域，得到二值化图像n1fi(i＝1,2,3,4)；
(5)填充二值化图像n1fi(i＝1,2,3,4)中的空洞，据此分别用半径为16和13的圆盘结构元素作膨胀和腐蚀操作，最后分割出红色指针图像ffi(i＝1,2,3,4)。
4.如权利要求1所述的基于模板匹配的指针式水表自动读数识别方法，其特征在于，所述步骤七具体步骤如下
1)生成指针指向0刻度时的指针模板，指针模板由顶角为18度的等腰三角形和圆形组成，三角形三个顶点坐标分别为：
Figure FDA0002796974850000061
圆形的圆心和半径分别为：
Figure FDA0002796974850000062
将三角形内部和圆心内部像素置为0，外部置为255；得到指针指向0刻度的模板；
2)生成指针指向i(i＝1,2,...,49)刻度时的指针模板；将1)中三角形顶点和圆心绕模板中心(M/2,M/2)旋转t＝πi/25分别得到下面新坐标：
Figure FDA0002796974850000063
Figure FDA0002796974850000064
将三角形内部和圆心内部像素置为0，外部置为255；得到指针指向i(i＝1,2,...,49)刻度时的指针模板。
5.如权利要求1所述的基于模板匹配的指针式水表自动读数识别方法，其特征在于，所述步骤九具体步骤如下：
1)计算当前需要校正的指针的下一个指针的模板；
2)根据下一个指针的模板，判断当前指针读数进位或退位；
(1)若下一个指针的模板匹配值在0～9，则将当前指针的模板匹配值加2，保证当前指针读数进位，这里规定模板48,49加2进位后为模板0；
(2)若下一个指针的模板匹配值在30～49，则将当前指针的模板匹配值减2，保证当前指针读数退位，这里规定模板0,1减2退位后为模板49；
3)计算当前精确的指针读数。
6.一种如权利要求1所述基于模板匹配的指针式水表自动读数识别方法的基于模板匹配的指针式水表自动读数识别系统，其特征在于，所述基于模板匹配的指针式水表自动读数识别系统包括：水表检测系统平台、水表检测软件平台、水表；
水表检测软件平台通过计算机连接水表检测系统平台，用于控制水表检测流程并完成检测数据的处理与存贮；
水表检测软件系统，通过可视化检测模块选择表盘模型，选择检测类型，安装好检测台上的待检测水表后开始检测，每个检测工作台可以同时检测多块表，每块水表由图像采集模块拍摄一张图片并将采集的图片存储计算机，图像识别模块自动判读出各表的初始读数；水表检测软件系统包括图像采集模块、图像识别模块、可视化检测模块、查询报表模块；
图像识别模块，用于根据检测类型，通过串口指令控制对应的进水阀门打开，水流通过水表进入水循环池，同时，储水电子质量称通过串行数据线发送流出水质量数据；
计算机，接收数据，当质量达到预定值时，发送关阀指令，阀门关闭后，延迟，通过图像采集模块控制摄像头拍照并保存，再由图像识别模块自动判读出待检测水表指针的终止读数，计算误差，并与允许误差对比，最后输出检测报告。
7.一种使用权利要求1～5任意一项所述基于模板匹配的指针式水表自动读数识别方法的指针式水表。
CN201710836282.2A 2017-09-16 2017-09-16 一种基于模板匹配的指针式水表自动读数识别系统及方法 Active CN107679535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710836282.2A CN107679535B (zh) 2017-09-16 2017-09-16 一种基于模板匹配的指针式水表自动读数识别系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710836282.2A CN107679535B (zh) 2017-09-16 2017-09-16 一种基于模板匹配的指针式水表自动读数识别系统及方法

Publications (2)

Publication Number Publication Date
CN107679535A CN107679535A (zh) 2018-02-09
CN107679535B true CN107679535B (zh) 2021-02-26

Family

ID=61137468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710836282.2A Active CN107679535B (zh) 2017-09-16 2017-09-16 一种基于模板匹配的指针式水表自动读数识别系统及方法

Country Status (1)

Country Link
CN (1) CN107679535B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734692A (zh) * 2018-03-26 2018-11-02 湖南城市学院 一种桥梁结构检测系统
CN109145699A (zh) * 2018-06-04 2019-01-04 浙江立石机器人技术有限公司 仪表图像识别方法及装置
CN108875738B (zh) * 2018-06-13 2022-03-08 深圳市云识科技有限公司 一种智能摄像表的云识别纠错系统及其方法
CN109308447A (zh) * 2018-07-29 2019-02-05 国网上海市电力公司 在电力远程监控中自动提取设备运行参数和运行状态的方法
CN109272548B (zh) * 2018-09-28 2021-09-28 北京拓金科技有限公司 一种浮选过程气泡直径的测量方法
CN109781730B (zh) * 2019-01-28 2020-06-09 江南大学 一种快速识别垩白米的方法
CN109858560A (zh) * 2019-02-18 2019-06-07 广东中粤电力科技有限公司 一种指针式仪表图像识别读数及安全预警方法
CN110009609B (zh) * 2019-03-26 2021-03-30 江南大学 一种快速检测黄粒米的方法
CN110379146A (zh) * 2019-07-29 2019-10-25 广州邦讯信息系统有限公司 远程抄表方法
CN111103533B (zh) * 2019-12-12 2020-09-25 常州机电职业技术学院 一种基于视觉的十位旋转拨码开关复位系统的复位方法
CN112651516A (zh) * 2020-11-27 2021-04-13 国网河南省电力公司郑州供电公司 基于ar技术的变电站机房的智能巡检系统及方法
CN113358172B (zh) * 2021-06-02 2022-12-20 三川智慧科技股份有限公司 一种水表自动设置机电同步的方法、装置、设备和介质
CN113627390B (zh) * 2021-08-30 2023-12-01 深圳清华大学研究院 一种基于图像识别的定位方法、装置和设备
CN114612648B (zh) * 2022-03-07 2022-09-23 广州计量检测技术研究院 一种基于可信ai的指针式压力表示值读取方法及装置
CN117744057A (zh) * 2023-11-30 2024-03-22 广州熠数信息技术有限公司 时钟图像验证码识别方法、系统、计算机设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103954334A (zh) * 2014-04-28 2014-07-30 华中师范大学 一种全自动摄像式水表检定系统及其工作方法
CN105260709A (zh) * 2015-09-28 2016-01-20 北京石油化工学院 基于图像处理的水表检定方法、装置及系统
CN105260710A (zh) * 2015-09-28 2016-01-20 北京石油化工学院 基于图像处理的水表检定方法、装置及系统
WO2016025919A1 (en) * 2014-08-14 2016-02-18 Soneter, Inc Methods and apparatus for fluid flow monitoring and leak detection
CN106682674A (zh) * 2016-12-23 2017-05-17 浙江大学 一种基于智能巡检机器人的指针式仪表自动读数方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103954334A (zh) * 2014-04-28 2014-07-30 华中师范大学 一种全自动摄像式水表检定系统及其工作方法
WO2016025919A1 (en) * 2014-08-14 2016-02-18 Soneter, Inc Methods and apparatus for fluid flow monitoring and leak detection
CN105260709A (zh) * 2015-09-28 2016-01-20 北京石油化工学院 基于图像处理的水表检定方法、装置及系统
CN105260710A (zh) * 2015-09-28 2016-01-20 北京石油化工学院 基于图像处理的水表检定方法、装置及系统
CN106682674A (zh) * 2016-12-23 2017-05-17 浙江大学 一种基于智能巡检机器人的指针式仪表自动读数方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于图像识别的表盘读数系统研究;李媛;《中国优秀硕士学位论文全文数据库信息科技辑》;20111215(第S2期);第1-59页 *
基于模板匹配的水表读数识别方法研究;李乾坤;《中国优秀硕士学位论文全文数据库信息科技辑》;20140915(第9期);第1-56页 *
指针式水表的图像自动读数判读方法的研究;陈燕;《中国优秀硕士学位论文全文数据库信息科技辑》;20111215(第S1期);第1-67页 *

Also Published As

Publication number Publication date
CN107679535A (zh) 2018-02-09

Similar Documents

Publication Publication Date Title
CN107679535B (zh) 一种基于模板匹配的指针式水表自动读数识别系统及方法
US11900634B2 (en) Method for adaptively detecting chessboard sub-pixel level corner points
CN111931776B (zh) 一种基于深度学习的双指针仪表读数方法
US20220148213A1 (en) Method for fully automatically detecting chessboard corner points
CN112818988B (zh) 一种指针式仪表自动识别读数方法及系统
CN112949564A (zh) 一种基于深度学习的指针式仪表自动读数方法
CN107228860B (zh) 一种基于图像旋转周期特性的齿轮缺陷检测方法
CN111862037A (zh) 基于机器视觉的精密孔类零件几何特征检测方法及系统
CN106709500B (zh) 一种图像特征匹配的方法
CN106936964B (zh) 一种基于霍夫变换模板匹配的手机屏幕角点检测方法
CN109508709B (zh) 一种基于机器视觉的单指针仪表读数方法
CN114758222B (zh) 一种基于PointNet++神经网络混凝土管道损伤识别与体积量化方法
CN111814919A (zh) 一种基于深度学习的仪表定位与识别系统
CN114359412B (zh) 一种面向建筑数字孪生的相机外参自动标定方法及系统
CN112861870B (zh) 指针式仪表图像矫正方法、系统及存储介质
CN112613551A (zh) 汽车零部件识别方法、存储介质及系统
CN113705564B (zh) 一种指针式仪表识别读数方法
CN117351017A (zh) 一种光伏钢结构组件缺陷视觉检测方法
CN114937004A (zh) 一种基于计算机视觉的机械零件表面气孔缺陷检测方法
CN117333518A (zh) 激光扫描图像匹配方法、系统及计算机设备
CN112699824B (zh) 电能表仪表常数检测方法、设备及存储介质
CN112990064A (zh) 一种基于颜色分割与概率模型的表盘指针识别方法
CN111598943B (zh) 基于书本辅助阅读设备的书本就位检测方法、装置及设备
CN114677428A (zh) 基于无人机图像处理的输电线覆冰厚度检测方法
CN109389595B (zh) 一种表格线交点检测方法、电子设备及可读存储介质

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