CN109766886B - 一种基于图像识别的水位识别方法 - Google Patents

一种基于图像识别的水位识别方法 Download PDF

Info

Publication number
CN109766886B
CN109766886B CN201910002533.6A CN201910002533A CN109766886B CN 109766886 B CN109766886 B CN 109766886B CN 201910002533 A CN201910002533 A CN 201910002533A CN 109766886 B CN109766886 B CN 109766886B
Authority
CN
China
Prior art keywords
character
image
water
water gauge
digital
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
CN201910002533.6A
Other languages
English (en)
Other versions
CN109766886A (zh
Inventor
王一雄
王熙韬
张亚
姜浩
陈文卓
周国平
杨绪兵
云挺
宋军
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.)
Jiangsu Naiwch Corp
Nanjing Forestry University
Original Assignee
Jiangsu Naiwch Corp
Nanjing Forestry 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 Jiangsu Naiwch Corp, Nanjing Forestry University filed Critical Jiangsu Naiwch Corp
Priority to CN201910002533.6A priority Critical patent/CN109766886B/zh
Publication of CN109766886A publication Critical patent/CN109766886A/zh
Application granted granted Critical
Publication of CN109766886B publication Critical patent/CN109766886B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Abstract

本发明提供了一种基于图像识别的水位识别方法，步骤包括：从水尺图像中定位出水尺位置，并根据定位出的水尺位置对水尺图像进行裁剪；对裁剪获得的水尺图像进行字符定位，获得水尺图像中的各个字符，再根据字符的排列特点对水尺图像中的各个数字字符进行切割，获得各个数字字符图像；对各个数字字符图像中的数字字符进行识别，获得各个数字字符的数值；在水尺图像中识别出水迹位置，并根据水迹位置与最下侧一个字符的相对位置关系计算出水位高度。该基于图像识别的水位识别方法利用MSER与模板匹配算法相结合，能够满足复杂场景中的水尺定位，并很好地解决了个别字符因为反光、污迹带来字符识别误差的问题，鲁棒性较好。

Description

一种基于图像识别的水位识别方法
技术领域
本发明涉及一种水位识别方法，尤其是一种基于图像识别的水位识别方法。
背景技术
传统水位测量方式主要有安装水尺目测读数和使用传感器自动采集水位相关的模拟量再转换为水位量。其中目测测量方式效率低、实时性差以及恶劣情况下无法读取等缺点；而使用传感器测量方式成本高、难以维护、受环境影响大等缺点。
随着计算机的发展，视频监控技术越来越普及，通过图像处理的方式识别水位成为一种解决方案，但目前处理的方法一般是基于颜色、形态学等方法，在河流、湖泊以及水库背景相对较复杂的场景下无法有效的识别，鲁棒性较差；另外，在野外河道场景中水平面不太容易获得，因为摄像头离河道比较远，水平面和摄像头的角度成一定夹角关系，参照物不好选取。
发明内容
本发明要解决的技术问题是，由于河流、湖泊以及水库背景比较复杂，现有的图像识别方法难以满足利用图像识别水尺进行水位的测量需要。
为了解决上述技术问题，本发明提供了一种基于图像识别的水位识别方法，包括如下步骤：
步骤1，从采集的图像中定位出水尺位置，并根据定位出的水尺位置对水尺图像进行裁剪，获得水尺图像；
步骤2，对裁剪获得的水尺图像进行字符定位，获得水尺图像中各个字符“E”和字符
Figure BDA0001934251340000011
再根据字符“E”和字符
Figure BDA0001934251340000012
的排列特点对水尺图像中的各个数字字符进行切割，获得各个数字字符图像；
步骤3，对各个数字字符图像中的数字字符进行识别，获得各个数字字符的数值；
步骤4，在水尺图像中识别出水迹位置，并根据水迹位置与最下侧一个字符的相对位置关系计算出水位高度。
进一步地，步骤1中，获得水尺图像的具体步骤为：
步骤1.1，对采集的水尺图像进行灰度化处理；
步骤1.2，通过MSER算法找到灰度化处理后的图像中各个稳定区域作为候选区域；
步骤1.3，对各个候选区域应用模板匹配算法，与字符“E”和字符
Figure BDA0001934251340000013
的模板进行匹配，若匹配程度超过匹配阈值，则判定当前候选区域就是识别目标字符“E”或字符
Figure BDA0001934251340000021
并求出每个字符“E”和字符
Figure BDA0001934251340000022
的位置信息、匹配度以及方向信息；
步骤1.4，根据各个字符“E”和字符
Figure BDA0001934251340000023
的位置信息，计算出各个字符“E”的最左侧边位置、各个字符
Figure BDA0001934251340000024
的最右侧边位置以及最上侧一个字符的上侧边位置，由最左侧边位置、最右侧边位置以及上侧边位置从水尺图像中定位出水尺位置，再根据定位出的水尺位置对水尺图像进行裁剪，从而获得水尺图像。
进一步地，步骤2中，获得各个数字字符图像的具体步骤为：
步骤2.1，找到识别出的各个字符“E”和字符
Figure BDA0001934251340000025
中匹配度最高的字符，根据匹配度最高字符的方向信息确定水尺的斜率，再根据斜率旋转图像，使图像中的水尺呈竖直状态；
步骤2.2，再对旋转后的水尺图像通过MSER算法找到各个新候选区域，再结合模板匹配算法对各个新候选区域进行字符“E”和字符
Figure BDA0001934251340000026
的匹配，若匹配程度超过匹配阈值，则判定当前新候选区域就是识别目标字符“E”和字符
Figure BDA0001934251340000027
并再次求出每个字符“E”和字符
Figure BDA0001934251340000028
的位置信息、匹配度以及方向信息；
步骤2.3，根据数字字符与字符“E”上下紧邻且与字符
Figure BDA0001934251340000029
左右相邻的特点，结合字符“E”和字符
Figure BDA00019342513400000210
的位置信息，对水尺中的数字字符进行切割，获得各个数字字符图像。
进一步地，步骤2.2中，在求出每个字符“E”和字符
Figure BDA00019342513400000211
的位置信息、匹配度以及方向信息后，根据字符“E”和字符
Figure BDA00019342513400000212
的位置信息重新计算出各个字符“E”的最左侧边位置、各个字符
Figure BDA00019342513400000213
的最右侧边位置以及最上侧一个字符的上侧边位置，再对旋转后的水尺图像进行空白边缘切除。
进一步地，步骤3中，获得各个数字字符的数值的具体步骤为：
步骤3.1，对每个切割出来的数字字符图像利用KNN算法进行数字识别，找到与数字字符库中最接近的字符类，从而识别出各个数字字符，并应用模板匹配算法对识别出的数字字符进行匹配，并计算出相应的匹配度；
步骤3.2，根据标准水尺的数字字符从上到下依次递减1的顺序排列特点，以识别出的数字字符中匹配度最高的数字字符为标准，依次对相邻的数字字符进行校正，提高数字字符识别的鲁棒性。
进一步地，步骤4中，计算水位高度的具体步骤为：
步骤4.1，采用Kmeans方法对旋转后的水尺图像进行分类识别，根据字符“E”的位置可以确定字符“E”的类别以及相邻白色的类别，从而确定水的类别；
步骤4.2，在旋转后的水尺图像上从上向下寻找水所属类别的开始位置，即水迹与水尺的分界位置，取分界位置的最上部和最下部的平均值作为水迹高度位置；
步骤4.3，计算水迹距离最下侧一个字符的距离＝5×(水迹高度位置-最下侧一个字符下侧边位置)/字符“E”的高度信息；
步骤4.4，计算水位的高度＝最下侧一个字符下侧边高度位置-水迹距离最下侧一个字符的距离。
本发明的有益效果在于：(1)将MSER(Maximally Stable Extremal Regions，最大极值稳定区域)算法应用在河流、湖泊以及水库背景相对较复杂的场景或光照不稳定的环境下，来识别水尺特定的字符“E”和字符
Figure BDA0001934251340000031
有效提高了水尺定位的鲁棒性。(2)利用水尺的数字符号具有顺序排列的特点，因此以最大相关度的字符为依据，校准其它字符，解决个别字符因为反光、污迹带来字符识别误差的问题，达到很好鲁棒性；(3)考虑测量水位的水尺的特征：每一个字符“E”下面是数字字符，而字符
Figure BDA0001934251340000032
下面对应的还是一个字符
Figure BDA0001934251340000033
的特点，从而求出的字符“E”和字符
Figure BDA0001934251340000034
的位置信息，切割出每个数字字符。
附图说明
图1为本发明的方法流程图；
图2为本发明的灰度处理后的图像；
图3为本发明的候选区域图；
图4为本发明的水尺图像中全部个字符“E”和字符
Figure BDA0001934251340000035
的识别结果图；
图5为本发明的裁剪获得水尺图像；
图6为本发明的旋转后的水尺图像；
图7为本发明的切除空白边缘后的水尺图像；
图8为本发明的水尺左侧边的识别结果图；
图9为本发明的三分类方法寻找水尺图像中的水迹结果图；
图10为本发明的最终计算结果图。
具体实施方式
如图1所示，本发明公开的基于图像识别的水位识别方法，包括如下步骤：
步骤1，从采集的图像中定位出水尺位置，并根据定位出的水尺位置对水尺图像进行裁剪，获得水尺图像；
步骤2，对裁剪获得的水尺图像进行字符定位，获得水尺图像中各个字符“E”和字符
Figure BDA0001934251340000041
再根据字符“E”和字符
Figure BDA0001934251340000042
的排列特点对水尺图像中的各个数字字符进行切割，获得各个数字字符图像；
步骤3，对各个数字字符图像中的数字字符进行识别，获得各个数字字符的数值；
步骤4，在水尺图像中识别出水迹位置，并根据水迹位置与最下侧一个字符的相对位置关系计算出水位高度。
进一步地，步骤1中，获得水尺图像的具体步骤为：
步骤1.1，对采集的水尺图像进行灰度化处理，如图2所示；
步骤1.2，通过MSER算法找到灰度化处理后的图像中各个稳定区域作为候选区域，如图3所示，MSER是当使用不同的灰度阈值对图像进行二值化时得到的最稳定的区域，MSER首先提取图像中最大稳定极值区域的作为候选区域，再结合标准水尺的字符分布特征，能够快速确定候选区域；
步骤1.3，对各个候选区域应用模板匹配算法，与字符“E”和字符
Figure BDA0001934251340000043
的模板进行匹配，若匹配程度超过匹配阈值，则判定当前候选区域就是识别目标字符“E”或字符
Figure BDA0001934251340000044
如图4所示，并求出每个字符“E”和字符
Figure BDA0001934251340000045
的位置信息、匹配度以及方向信息；
步骤1.4，根据各个字符“E”和字符
Figure BDA0001934251340000046
的位置信息，计算出各个字符“E”的最左侧边位置、各个字符
Figure BDA0001934251340000047
的最右侧边位置以及最上侧一个字符的上侧边位置，由最左侧边位置、最右侧边位置以及上侧边位置从水尺图像中定位出水尺位置，再根据定位出的水尺位置对水尺图像进行裁剪，从而获得水尺图像，如图5所示。
进一步地，步骤2中，获得各个数字字符图像的具体步骤为：
步骤2.1，找到识别出的各个字符“E”和字符
Figure BDA0001934251340000048
中匹配度最高的字符，根据匹配度最高字符的方向信息确定水尺的斜率，再根据斜率旋转图像，使图像中的水尺呈竖直状态，如图6所示；
步骤2.2，再对旋转后的水尺图像通过MSER算法找到各个新候选区域，再结合模板匹配算法对各个新候选区域进行字符“E”和字符
Figure BDA0001934251340000049
的匹配，若匹配程度超过匹配阈值，则判定当前新候选区域就是识别目标字符“E”和字符
Figure BDA00019342513400000410
并再次求出每个字符“E”和字符
Figure BDA0001934251340000051
的位置信息、匹配度以及方向信息；
步骤2.3，根据数字字符与字符“E”上下紧邻且与字符
Figure BDA0001934251340000052
左右相邻的特点，结合字符“E”和字符
Figure BDA0001934251340000053
的位置信息，对水尺中的数字字符进行切割，获得各个数字字符图像，其中左侧边字符的切割识别效果如图8所示。根据水尺中字符“E”与字符
Figure BDA0001934251340000057
的排列特点，切割出每个数字字符，提高切割数字字符的鲁棒性，很好地解决了个别字符因为反光、污迹带来字符识别误差的问题。
进一步地，步骤2.2中，在求出每个字符“E”和字符
Figure BDA0001934251340000054
的位置信息、匹配度以及方向信息后，根据字符“E”和字符
Figure BDA0001934251340000055
的位置信息重新计算出各个字符“E”的最左侧边位置、各个字符
Figure BDA0001934251340000056
的最右侧边位置以及最上侧一个字符的上侧边位置，再对旋转后的水尺图像进行空白边缘切除，如图7所示。
进一步地，步骤3中，获得各个数字字符的数值的具体步骤为：
步骤3.1，对每个切割出来的数字字符图像利用KNN算法进行数字识别，找到与数字字符库中最接近的字符类，从而识别出各个数字字符，并应用模板匹配算法对识别出的数字字符进行匹配，并计算出相应的匹配度；
步骤3.2，根据标准水尺的数字字符从上到下依次递减1的顺序排列特点，以识别出的数字字符中匹配度最高的数字字符为标准，依次对相邻的数字字符进行校正，提高数字字符识别的鲁棒性。
进一步地，步骤4中，计算水位高度的具体步骤为：
步骤4.1，采用Kmeans方法对旋转后的水尺图像进行分类识别，根据字符“E”的位置可以确定字符“E”的类别以及相邻白色的类别，从而确定水的类别；
步骤4.2，在旋转后的水尺图像上从上向下寻找水所属类别的开始位置，即水迹与水尺的分界位置，取分界位置的最上部和最下部的平均值作为水迹高度位置，水迹高度位置如图9中的粉红线处标记所示；
步骤4.3，计算水迹距离最下侧一个字符的距离＝5×(水迹高度位置-最下侧一个字符下侧边位置)/字符“E”的高度信息；
步骤4.4，计算水位的高度＝最下侧一个字符下侧边高度位置-水迹距离最下侧一个字符的距离，计算结果如图10所示。
本发明的创新点在于：
1、将MSER(Maximally Stable Extremal Regions，最大极值稳定区域)算法应用在河流、湖泊以及水库背景相对较复杂的场景或光照不稳定的环境下，来识别水尺特定的字符“E”和字符
Figure BDA0001934251340000061
有效提高了水尺定位的鲁棒性。
2、利用水尺的数字符号具有顺序排列的特点，因此以模板匹配算法中匹配度最大的字符为依据，校准其它字符，解决个别字符因为反光、污迹带来字符识别误差的问题，达到很好鲁棒性。
3、考虑测量水位的水尺的特征：每一个字符“E”下面是数字字符，而字符
Figure BDA0001934251340000062
下面对应的还是一个字符
Figure BDA0001934251340000063
的特点，从而求出的字符“E”和字符
Figure BDA0001934251340000064
的位置信息，切割出每个数字字符。

Claims (5)

1.一种基于图像识别的水位识别方法，其特征在于，包括如下步骤：
步骤1，从采集的图像中定位出水尺位置，并根据定位出的水尺位置对水尺图像进行裁剪，获得水尺图像；
步骤2，对裁剪获得的水尺图像进行字符定位，获得水尺图像中各个字符“E”和字符
Figure FDA0003937624290000011
再根据字符“E”和字符
Figure FDA0003937624290000012
的排列特点对水尺图像中的各个数字字符进行切割，获得各个数字字符图像；
步骤3，对各个数字字符图像中的数字字符进行识别，获得各个数字字符的数值；
步骤4，在水尺图像中识别出水迹位置，并根据水迹位置与最下侧一个字符的相对位置关系计算出水位高度；
步骤1中，获得水尺图像的具体步骤为：
步骤1.1，对采集的水尺图像进行灰度化处理；
步骤1.2，通过MSER算法找到灰度化处理后的图像中各个稳定区域作为候选区域；
步骤1.3，对各个候选区域应用模板匹配算法，与字符“E”和字符
Figure FDA0003937624290000013
的模板进行匹配，若匹配程度超过匹配阈值，则判定当前候选区域就是识别目标字符“E”或字符
Figure FDA0003937624290000014
并求出每个字符“E”和字符
Figure FDA0003937624290000015
的位置信息、匹配度以及方向信息；
步骤1.4，根据各个字符“E”和字符
Figure FDA0003937624290000016
的位置信息，计算出各个字符“E”的最左侧边位置、各个字符
Figure FDA0003937624290000017
的最右侧边位置以及最上侧一个字符的上侧边位置，由最左侧边位置、最右侧边位置以及上侧边位置从水尺图像中定位出水尺位置，再根据定位出的水尺位置对水尺图像进行裁剪，从而获得水尺图像。
2.根据权利要求1所述的基于图像识别的水位识别方法，其特征在于，步骤2中，获得各个数字字符图像的具体步骤为：
步骤2.1，找到识别出的各个字符“E”和字符
Figure FDA0003937624290000018
中匹配度最高的字符，根据匹配度最高字符的方向信息确定水尺的斜率，再根据斜率旋转图像，使图像中的水尺呈竖直状态；
步骤2.2，再对旋转后的水尺图像通过MSER算法找到各个新候选区域，再结合模板匹配算法对各个新候选区域进行字符“E”和字符
Figure FDA0003937624290000019
的匹配，若匹配程度超过匹配阈值，则判定当前新候选区域就是识别目标字符“E”和字符
Figure FDA00039376242900000110
并再次求出每个字符“E”和字符
Figure FDA00039376242900000111
的位置信息、匹配度以及方向信息；
步骤2.3，根据数字字符与字符“E”上下紧邻且与字符
Figure FDA0003937624290000021
左右相邻的特点，结合字符“E”和字符
Figure FDA0003937624290000022
的位置信息，对水尺中的数字字符进行切割，获得各个数字字符图像。
3.根据权利要求2所述的基于图像识别的水位识别方法，其特征在于，步骤2.2中，在求出每个字符“E”和字符
Figure FDA0003937624290000023
的位置信息、匹配度以及方向信息后，根据字符“E”和字符
Figure FDA0003937624290000024
的位置信息重新计算出各个字符“E”的最左侧边位置、各个字符
Figure FDA0003937624290000025
的最右侧边位置以及最上侧一个字符的上侧边位置，再对旋转后的水尺图像进行空白边缘切除。
4.根据权利要求2所述的基于图像识别的水位识别方法，其特征在于，步骤3中，获得各个数字字符的数值的具体步骤为：
步骤3.1，对每个切割出来的数字字符图像利用KNN算法进行数字识别，找到与数字字符库中最接近的字符类，从而识别出各个数字字符，并应用模板匹配算法对识别出的数字字符进行匹配，并计算出相应的匹配度；
步骤3.2，根据标准水尺的数字字符从上到下依次递减1的顺序排列特点，以识别出的数字字符中匹配度最高的数字字符为标准，依次对相邻的数字字符进行校正，提高数字字符识别的鲁棒性。
5.根据权利要求3所述的基于图像识别的水位识别方法，其特征在于，步骤4中，计算水位高度的具体步骤为：
步骤4.1，采用Kmeans方法对旋转后的水尺图像进行分类识别，根据字符“E”的位置可以确定字符“E”的类别以及相邻白色的类别，从而确定水的类别；
步骤4.2，在旋转后的水尺图像上从上向下寻找水所属类别的开始位置，即水迹与水尺的分界位置，取分界位置的最上部和最下部的平均值作为水迹高度位置；
步骤4.3，计算水迹距离最下侧一个字符的距离＝5×(水迹高度位置-最下侧一个字符下侧边位置)/字符“E”的高度信息；
步骤4.4，计算水位的高度＝最下侧一个字符下侧边高度位置-水迹距离最下侧一个字符的距离。
CN201910002533.6A 2019-01-02 2019-01-02 一种基于图像识别的水位识别方法 Active CN109766886B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910002533.6A CN109766886B (zh) 2019-01-02 2019-01-02 一种基于图像识别的水位识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910002533.6A CN109766886B (zh) 2019-01-02 2019-01-02 一种基于图像识别的水位识别方法

Publications (2)

Publication Number Publication Date
CN109766886A CN109766886A (zh) 2019-05-17
CN109766886B true CN109766886B (zh) 2023-04-28

Family

ID=66453483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910002533.6A Active CN109766886B (zh) 2019-01-02 2019-01-02 一种基于图像识别的水位识别方法

Country Status (1)

Country Link
CN (1) CN109766886B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287953B (zh) * 2019-05-20 2021-02-26 湖北九感科技有限公司 水位自动识别方法及装置
CN110781877B (zh) * 2019-10-28 2024-01-23 京东方科技集团股份有限公司 一种图像识别方法、设备及存储介质
CN110909640A (zh) * 2019-11-11 2020-03-24 浙江大华技术股份有限公司 水位线的确定方法及装置、存储介质、电子装置
CN111626190B (zh) * 2020-05-26 2023-07-07 浙江大学 基于聚类分区进行刻度识别的水位监测方法
CN111611957A (zh) * 2020-05-28 2020-09-01 秦皇岛中理外轮理货有限责任公司 一种船舶水尺图像处理方法及系统
CN112308009B (zh) * 2020-11-12 2024-02-27 湖北九感科技有限公司 水尺水位识别方法及装置
CN112329787B (zh) * 2020-12-07 2023-06-30 北京同方软件有限公司 一种基于上文信息关注度的水位尺字符定位方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764229A (zh) * 2018-05-29 2018-11-06 广东技术师范学院 一种基于计算机视觉技术的水尺图像自动识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10679089B2 (en) * 2016-12-30 2020-06-09 Business Imaging Systems, Inc. Systems and methods for optical character recognition

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764229A (zh) * 2018-05-29 2018-11-06 广东技术师范学院 一种基于计算机视觉技术的水尺图像自动识别方法

Also Published As

Publication number Publication date
CN109766886A (zh) 2019-05-17

Similar Documents

Publication Publication Date Title
CN109766886B (zh) 一种基于图像识别的水位识别方法
CN111626190B (zh) 基于聚类分区进行刻度识别的水位监测方法
CN107506798B (zh) 一种基于图像识别的水位监测方法
CN108759973B (zh) 一种水位测量方法
CN108920580B (zh) 图像匹配方法、装置、存储介质及终端
CN106557764B (zh) 一种基于二进制编码字符水尺和图像处理的水位识别方法
CN107729899B (zh) 一种车牌号码识别方法及装置
CN110838126B (zh) 细胞图像分割方法、装置、计算机设备和存储介质
Mo et al. Deshadowing of urban airborne imagery based on object-oriented automatic shadow detection and regional matching compensation
CN109376740A (zh) 一种基于视频的水尺读数检测方法
WO2017016448A1 (zh) 一种qr码特征检测方法及系统
CN108509950B (zh) 基于概率特征加权融合的铁路接触网支柱号牌检测识别法
CN112734729B (zh) 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质
CN110866430A (zh) 一种车牌识别方法及装置
CN114820625B (zh) 一种汽车顶块缺陷检测方法
CN113538491B (zh) 一种基于自适应阈值的边缘识别方法、系统及存储介质
CN111539330B (zh) 一种基于双svm多分类器的变电站数显仪表识别方法
CN110175556B (zh) 基于Sobel算子的遥感图像云检测方法
CN115082508B (zh) 一种海洋浮标生产质量检测方法
CN114882026A (zh) 基于人工智能的传感器外壳缺陷检测方法
CN114067095A (zh) 基于水尺字符检测识别的水位识别方法
CN113392846A (zh) 一种基于深度学习的水尺水位监测方法及系统
CN112101108A (zh) 一种基于图形极点位置特征的左右转交通标志识别方法
CN114627461A (zh) 一种基于人工智能高精度识别水尺数据的方法及系统
CN109241975B (zh) 一种基于字符中心点定位的车牌字符分割方法

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