CN108955909A - 一种基于机器视觉的油温表识别读数方法 - Google Patents
一种基于机器视觉的油温表识别读数方法 Download PDFInfo
- Publication number
- CN108955909A CN108955909A CN201810552559.3A CN201810552559A CN108955909A CN 108955909 A CN108955909 A CN 108955909A CN 201810552559 A CN201810552559 A CN 201810552559A CN 108955909 A CN108955909 A CN 108955909A
- Authority
- CN
- China
- Prior art keywords
- oil temperature
- image
- temperature gauge
- scale
- dial plate
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/02—Means for indicating or recording specially adapted for thermometers
- G01K1/024—Means for indicating or recording specially adapted for thermometers for remote indication
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Abstract
本发明公开了一种基于机器视觉的油温表识别读数方法,包括下述步骤:步骤一,首先用halcon形状匹配算法制作油温表表盘图像的模板,在该模板上标记最小刻度点和最大刻度点,将该两点用y1,y2表示,同时设置最小刻度Vmin和最大刻度Vmax,并且将这些数据保存到配置文件xml中;本发明能够实现实时检测油温的读数,解放人力,提高安全系数,解决人工读数精确度不高,效率低,易疲劳等问题;不需要工作人员定期去检查,即可以实时监控油温,对于应对突发状况有很大的意义;且本算法处理时间快,可以快速处理图片得到结果,提高了工作效率效率,提升了读数精度。
Description
技术领域
本发明涉及机器视觉识别技术领域,具体涉及一种基于机器视觉的油温表识别读数方法。
背景技术
油温表是一种用来显示目标油液温度的仪表,在机械方面,油温影响润滑油的质量,对整个润滑油系统有着关键作用。由于热胀冷缩的原因,也可以通过对当前读数监控了解目标油箱内的油液量,从而防止目标油箱内的油量过高而影响其他的安全问题,所以对油温的日常巡检是很重要的工作。目前,通常由人工定时去检查油温表的读数来了解油温,但是这样的方法不能实时检测油温,也就不能完全了解油温,从而不能立刻发现出现的问题,不安全且效率极低,同时人工检测存在易疲劳和耗费人力成本等问题,费力不讨好。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于机器视觉的油温表识别读数方法,该方法能够实现实时检测油温的读数,解放人力,提高安全系数,解决人工读数精确度不高,效率低,易疲劳等问题。
本发明的目的通过下述技术方案实现:
一种基于机器视觉的油温表识别读数方法,包括下述步骤:
步骤一,首先用halcon形状匹配算法制作油温表表盘图像的模板,在该模板上标记最小刻度点和最大刻度点,将该两点的纵坐标用y1,y2表示,同时设置最小刻度Vmin和最大刻度Vmax,并且将这些数据保存到配置文件xml中;
步骤二,图像预处理过程,读入油温表原图P1;对油温表原图P1进行基于halcon形状轮廓匹配来进行油温表表盘图像定位操作,得到油温表表盘ROI图像;对油温表表盘ROI图像进行灰度变换,然后进行灰度拉伸,增大其对比度,具体方法如下:
油温表表盘ROI图像的像素值用g(x,y)表示,设其大部分像素的灰度级分布在区间[c,d],则灰度变换后图像的像素值v(x,y)的灰度范围扩展到区间[e,f],通过下述线性变换公式来实现:
然后将灰度变换后的图像进行灰度拉伸并进行归一化操作,得到图像P2;
步骤三,对步骤二中获得的图像P2用OTST算法来获取分割阈值T,然后通过下述公式进行阈值分割:
其中v′(x,y)代表阈值化后的图像,即当v(x,y)小于阈值T时,将此位置的值设置为0,然后进行二值化操作和腐蚀操作,将刻度数值腐蚀去掉,获取指针特征,得到图像P3;
步骤四,采用Hilditch算法对步骤三获得的图像P3进行细化操作,得到图像P4,其中Hilditch算法利用了连接数的基本串行算法;
步骤五,由于指针线会在指针下面出现阴影,从而对图像分割造成影响,因此对步骤四获得的图像P4进行找轮廓操作,则获取轮廓周长最大的两个轮廓,选择较小的轮廓,即为指针轮廓,然后遍历指针轮廓所有的点,获取指针轮廓最左边的点,该点的y轴坐标用yp表示;
步骤六,进行油温表读数RD的计算;首先读取步骤一中的配置文件xml,获取配置文件xml中的参数,通过下述公式计算油温表读数RD:
其中y1为油温表最小刻度点的图像坐标系的纵坐标,y2为油温表最大刻度点的图像坐标系的纵坐标,Vmin为油温表的最小刻度,Vmax为油温表的最大刻度,yp为步骤五中,获取指针上的坐标点的纵坐标值。
本发明与现有技术相比具有以下的有益效果:
本发明能够实现实时检测油温的读数,解放人力,提高安全系数,解决人工读数精确度不高,效率低,易疲劳等问题;不需要工作人员定期去检查,即可以实时监控油温,对于应对突发状况有很大的意义;且本算法处理时间快,可以快速处理图片得到结果,提高了工作效率效率,提升了读数精度。
附图说明
图1为本发明的总体流程图;
图2为本发明油温表原图P1的示意图;
图3为本发明油温表表盘ROI图像的示意图;
图4为本发明图像P3的示意图;
图5为本发明图像P4的示意图;
图6为本发明油温表表盘ROI图像中yp的位置示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1~6所示,一种基于机器视觉的油温表识别读数方法,包括下述步骤:
步骤一,首先用halcon形状匹配算法制作油温表表盘图像的模板,在该模板上标记最小刻度点和最大刻度点,将该两点的纵坐标用y1,y2表示,同时设置最小刻度Vmin和最大刻度Vmax,并且将这些数据保存到配置文件xml中;
步骤二,图像预处理过程,读入油温表原图P1;对油温表原图P1进行基于halcon形状轮廓匹配来进行油温表表盘图像定位操作,得到油温表表盘ROI图像;对油温表表盘ROI图像进行灰度变换,然后进行灰度拉伸,增大其对比度,具体方法如下:
油温表表盘ROI图像的像素值用g(x,y)表示,设其大部分像素的灰度级分布在区间[c,d],则灰度变换后图像的像素值v(x,y)的灰度范围扩展到区间[e,f],通过下述线性变换公式来实现:
然后将灰度变换后的图像进行灰度拉伸并进行归一化操作,归一化操作即是把需要处理的数据经过处理后限制在需要的一定范围内,得到图像P2;
步骤三,对步骤二中获得的图像P2用OTST算法来获取分割阈值T,然后通过下述公式进行阈值分割:
其中v′(x,y)代表阈值化后的图像,即当v(x,y)小于阈值T时,将此位置的值设置为0,然后利用此阈值分割公式进行二值化操作,和腐蚀操作,具体操作为:对白色部分进行腐蚀,分割独立的图像元素,扫描图像的每一个像素,用结构元素与其覆盖的二值图像做“与”操作,如果都为1,结果图像的该像素为1,否则为0,然后将刻度数值腐蚀去掉,获取指针特征,得到图像P3,如图4所示;
步骤四,采用Hilditch算法对步骤三获得的图像P3进行细化操作,得到图像P4,如图5所示,其中Hilditch算法利用了连接数的基本串行算法,具体来说,Hilditch算法利用了连接数的基本串行算法,对图像从左到右,从上到下进行迭代每个像素,在迭代周期中,对于每个像素p,如果满足以上规定要求,则标记它,并删除标记像素,在当前迭代周期结束时,将所有标记像素变为背景值,若某个迭代周期不存在标记点,则算法结束;
步骤五,由于指针线会在指针下面出现阴影,从而对图像分割造成影响,因此对步骤四获得的图像P4进行找轮廓操作,则获取轮廓周长最大的两个轮廓,选择较小的轮廓,即为指针轮廓,然后遍历指针轮廓所有的点,获取指针轮廓最左边的点,该点的y轴坐标用yp表示,并且将该点画在油温表表盘ROI图像上,如图6所示;
步骤六,进行油温表读数RD的计算;首先读取步骤一中的配置文件xml,获取配置文件xml中的参数,通过下述公式计算油温表读数RD:
其中y1为油温表最小刻度点的图像坐标系的纵坐标,y2为油温表最大刻度点的图像坐标系的纵坐标,Vmin为油温表的最小刻度,Vmax为油温表的最大刻度,yp为步骤五中,获取指针上的坐标点的纵坐标值。
本发明能够实现实时检测油温的读数,解放人力,提高安全系数,解决人工读数精确度不高,效率低,易疲劳等问题;不需要工作人员定期去检查,即可以实时监控油温,对于应对突发状况有很大的意义;且本算法处理时间快,可以快速处理图片得到结果,提高了工作效率效率,提升了读数精度。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (1)
1.一种基于机器视觉的油温表识别读数方法,其特征在于,包括下述步骤:
步骤一,首先用halcon形状匹配算法制作油温表表盘图像的模板,在该模板上标记最小刻度点和最大刻度点,将该两点的纵坐标用y1,yx表示,同时设置最小刻度Vmin和最大刻度Vmax,并且将这些数据保存到配置文件xml中;
步骤二,图像预处理过程,读入油温表原图P1;对油温表原图P1进行基于halcon形状轮廓匹配来进行油温表表盘图像定位操作,得到油温表表盘ROI图像;对油温表表盘ROI图像进行灰度变换,然后进行灰度拉伸,增大其对比度,具体方法如下:
油温表表盘ROI图像的像素值用g(x,y)表示,设其大部分像素的灰度级分布在区间[c,d],则灰度变换后图像的像素值v(x,y)的灰度范围扩展到区间[e,f],通过下述线性变换公式来实现:
然后将灰度变换后的图像进行灰度拉伸并进行归一化操作,得到图像P2;
步骤三,对步骤二中获得的图像P2用OTST算法来获取分割阈值T,然后通过下述公式进行阈值分割:
其中v′(x,y)代表阈值化后的图像,即当v(x,y)小于阈值T时,将此位置的值设置为0,然后进行二值化和腐蚀操作,将刻度数值腐蚀去掉,获取指针特征,得到图像P3;
步骤四,采用Hilditch算法对步骤三获得的图像P3进行细化操作,得到图像P4,其中Hilditch算法利用了连接数的基本串行算法;
步骤五,由于指针线会在指针下面出现阴影,从而对图像分割造成影响,因此对步骤四获得的图像P4进行找轮廓操作,则获取轮廓周长最大的两个轮廓,选择较小的轮廓,即为指针轮廓,然后遍历指针轮廓所有的点,获取指针轮廓最左边的点,该点的y轴坐标用yp表示;
步骤六,进行油温表读数RD的计算;首先读取步骤一中的配置文件xml,获取配置文件xml中的参数,通过下述公式计算油温表读数RD:
其中y1为油温表最小刻度点的图像坐标系的纵坐标,y2为油温表最大刻度点的图像坐标系的纵坐标,Vmin为油温表的最小刻度,Vmax为油温表的最大刻度,yp为步骤五中,获取指针上的坐标点的纵坐标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810552559.3A CN108955909A (zh) | 2018-05-31 | 2018-05-31 | 一种基于机器视觉的油温表识别读数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810552559.3A CN108955909A (zh) | 2018-05-31 | 2018-05-31 | 一种基于机器视觉的油温表识别读数方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108955909A true CN108955909A (zh) | 2018-12-07 |
Family
ID=64493234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810552559.3A Pending CN108955909A (zh) | 2018-05-31 | 2018-05-31 | 一种基于机器视觉的油温表识别读数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108955909A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264487A (zh) * | 2019-06-19 | 2019-09-20 | 广东工业大学 | 一种静电纺丝产品的检测方法、系统及相关装置 |
CN116128794A (zh) * | 2022-10-14 | 2023-05-16 | 淄博威世能净油设备有限公司 | 一种基于机器视觉和图像处理的油品检验分析系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176228A (zh) * | 2011-01-28 | 2011-09-07 | 河海大学常州校区 | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 |
CN105893938A (zh) * | 2016-03-28 | 2016-08-24 | 国网浙江省电力公司宁波供电公司 | 一种油温表的读数方法及系统 |
CN108009535A (zh) * | 2017-11-21 | 2018-05-08 | 武汉中元华电科技股份有限公司 | 一种基于机器视觉的单指针仪表读数方法 |
-
2018
- 2018-05-31 CN CN201810552559.3A patent/CN108955909A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176228A (zh) * | 2011-01-28 | 2011-09-07 | 河海大学常州校区 | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 |
CN105893938A (zh) * | 2016-03-28 | 2016-08-24 | 国网浙江省电力公司宁波供电公司 | 一种油温表的读数方法及系统 |
CN108009535A (zh) * | 2017-11-21 | 2018-05-08 | 武汉中元华电科技股份有限公司 | 一种基于机器视觉的单指针仪表读数方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264487A (zh) * | 2019-06-19 | 2019-09-20 | 广东工业大学 | 一种静电纺丝产品的检测方法、系统及相关装置 |
CN116128794A (zh) * | 2022-10-14 | 2023-05-16 | 淄博威世能净油设备有限公司 | 一种基于机器视觉和图像处理的油品检验分析系统 |
CN116128794B (zh) * | 2022-10-14 | 2023-09-01 | 淄博威世能净油设备有限公司 | 一种基于机器视觉和图像处理的油品检验分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626190B (zh) | 基于聚类分区进行刻度识别的水位监测方法 | |
CN112906694B (zh) | 变电站倾斜式指针式仪表图像的读数矫正系统及方法 | |
CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
CN108921165B (zh) | 基于水尺图像的水位识别方法 | |
CN107145890B (zh) | 一种远距离多视角环境下的指针式仪表盘自动读数方法 | |
CN106778823A (zh) | 一种指针式仪表读数自动识别方法 | |
CN107038447A (zh) | 一种基于机器视觉的指针式仪表识别方法 | |
CN110929710B (zh) | 一种基于视觉的仪表指针读数自动识别方法与系统 | |
CN108764234B (zh) | 一种基于巡检机器人的液位仪表读数识别方法 | |
CN109409290B (zh) | 一种温度表检定读数自动识别系统及方法 | |
CN114067095B (zh) | 基于水尺字符检测识别的水位识别方法 | |
CN111950396A (zh) | 一种仪表读数神经网络识别方法 | |
CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
CN111652089B (zh) | 一种基于图像处理的水位自动识别方法及系统 | |
CN108955909A (zh) | 一种基于机器视觉的油温表识别读数方法 | |
CN111950812A (zh) | 一种自动识别与预测雨量的方法及其装置 | |
CN109508714B (zh) | 一种低成本多通道实时数字仪表盘视觉识别方法及系统 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN106324708A (zh) | 雨量记录图纸的数字化方法、装置 | |
CN103106663A (zh) | 计算机系统中基于图像处理实现sim卡缺陷检测的方法 | |
CN103065296B (zh) | 一种基于边缘特征的高分辨率遥感影像居民区提取方法 | |
CN115222817B (zh) | 一种指针式压力表的指针定位方法 | |
CN112990190A (zh) | 指针式仪表读数的识别方法、装置 | |
CN112013921A (zh) | 一种基于水位尺测量图像获取水位信息的方法、装置和系统 | |
CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |