CN110414521A - 一种变电站内变压器油位计示数识别方法 - Google Patents

一种变电站内变压器油位计示数识别方法 Download PDF

Info

Publication number
CN110414521A
CN110414521A CN201910595777.XA CN201910595777A CN110414521A CN 110414521 A CN110414521 A CN 110414521A CN 201910595777 A CN201910595777 A CN 201910595777A CN 110414521 A CN110414521 A CN 110414521A
Authority
CN
China
Prior art keywords
image
oil level
registration
minimum
original
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
Application number
CN201910595777.XA
Other languages
English (en)
Inventor
徐海青
杨旭升
吴立刚
王维佳
秦浩
梁翀
余江斌
韩涛
李程启
姚金霞
宋杰
王文清
程琳
浦正国
郭庆
吴小华
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Anhui Jiyuan Software Co Ltd
National Network Information and Communication Industry Group Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Anhui Jiyuan Software Co Ltd
National Network Information and Communication Industry Group Co Ltd
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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd, Anhui Jiyuan Software Co Ltd, National Network Information and Communication Industry Group Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910595777.XA priority Critical patent/CN110414521A/zh
Publication of CN110414521A publication Critical patent/CN110414521A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种变电站内变压器油位计示数识别方法，属于图像处理领域，包括：采集油位计的原始示数图像；针对原始示数图像进行图像去噪处理，图像二值化，获取原始示数图像的二值图像；针对处理的二值图像进行形态学处理，进行开运算，通过边缘提取对二值图像再处理获取原始示数图像的预处理图像；获取预处理图像的圆心位置以及针尖位置；对预处理图像进行最小、最大刻度位置检测，获取预处理图像的最小、最大刻度之间的夹角；基于获取的预处理图像的圆心位置、针尖位置、最小、最大刻度之间的夹角，计算油位计的指针示数。本发明可以使电力生产人员从简单枯燥的监测工作中解脱出来，有利于提高工作效率并减少电力生产的成本。

Description

一种变电站内变压器油位计示数识别方法
技术领域
本发明涉及图像处理领域，主要针对变电站内变压器的油位计示数的自动识别，基于霍夫变换相关算法以及图像处理相关技术完成，具体涉及一种变电站内变压器油位计示数识别方法。
背景技术
指针式仪表具有结构简单、可靠性高、维护方便等优点，因此被广泛应用于在电力生产行业中。目前，指针式仪表的示数通常都是由人工完成的。有些仪表安装在离地面较高的位置，比如变压器的油位计等，这就造成了人工读取这些位置的仪表盘数据非常麻烦。因此，如何实现指针式仪表的自动读取，是现阶段需要解决的主要问题。
国内外学者结合图像识别技术在读取指针式仪表的示数上做出了许多贡献。文献提出了基于形态学的处理方法，但是这种方法过程比较复杂，实际运用不是很方便。文献中提出了一种基于图像识别的自动识别方案，但是该方案处理的图像格式单一，范围有限，而且采用的读数方法是把曲线换成直线，故造成的误差就会更大。
结合上述等人的启发，本发明提出了一种油位计仪表快速识别算法。首先，通过图像采集设备获得完整的油位计仪表盘图像，获得图像后，对其进行一系列图像预处理操作得到去噪后的二值图像。其次，通过圆形检测算法获得仪表盘的圆心位置。然后，通过霍夫直线变换并结合圆心位置获得仪表指针位置。最后，根据常见油位计仪表盘的最小、最大刻度所在位置的颜色特征获取最小、最大刻度之间的夹角，通过给出的公式即可求出当前油位计仪表的示数。
发明内容
为解决上述现有技术的中的不足，本发明的目的在于提供一种变电站内变压器油位计示数识别方法，适用于对变电站内变压器油位计示数的自动识别，对比传统的人工读数的方式，本发明可以使电力生产人员从简单枯燥的监测工作中解脱出来，有利于提高工作效率并减少电力生产的成本。
本发明所提供了一种变电站内变压器油位计示数识别方法，包括：
步骤S1，采集油位计的原始示数图像；
步骤S2，针对原始示数图像进行图像去噪处理，图像二值化，获取原始示数图像的二值图像；
步骤S3，针对处理的二值图像进行形态学处理，进行开运算，通过边缘提取对二值图像再处理获取原始示数图像的预处理图像；
步骤S4，获取预处理图像的圆心位置以及针尖位置；
步骤S5，对预处理图像进行最小、最大刻度位置检测，获取预处理图像的最小、最大刻度之间的夹角；
步骤S6，基于获取的预处理图像的圆心位置、针尖位置以及最小与最大刻度之间的夹角，计算油位计的指针示数。
作为上述方案的进一步优化，所述采集油位计的原始示数图像通过固定摄像头进行拍摄采集。
作为上述方案的进一步优化，所述图像去噪处理采用中值滤波法，通过获取原始示数图像的任意一点作为目标点，将目标点的数值用目标点的一个邻域包含的所有点的中值代替，消除原始示数图像的孤立噪声点。
作为上述方案的进一步优化，所述图像二值化采用OTSU算法，设定原始示数图像的前景与背景的分割阈值为t，前景点占原始示数图像的比例为a0，均值为b0；背景点占原始示数图像的比例为a1，均值为b1，原始示数图像的均值为：
b＝a0×b0+a1×b1 (1)
通过上式构建目标函数：
g(t)＝a0×(b0-b)2+a1×(b1-b)2 (2)
上式中，g(t)为当分割域为t时的类间方差表达；当g(t)取得最大值，即原始示数图像最佳二值化处理图像。
作为上述方案的进一步优化，所述形态学处理基于处理的二值化图像，先对图像进行膨胀处理，再对图像进行腐蚀处理；所述边缘提取采用Canny边缘检测算法进行二值化图像处理。
作为上述方案的进一步优化，所述圆心位置基于霍夫变换圆形检测算法，获取油位计表盘圆心位置。
作为上述方案的进一步优化，所述圆心检测步骤包括如下：
步骤S41，将采集的原始示数彩色图像转化为灰度图；
步骤S42，采用中值滤波进行原始示数图像的去噪；
步骤S43，采用Canny边缘检测算法进行二值化图像处理；
步骤S44，基于OTSU算法进行图像二值化；
步骤S45，映射二值化图像至霍夫空间；
步骤S46，取二值化图像的局部极大值，设定阈值，过滤干扰直线；
步骤S47，根据二值化图像过滤干扰直线结果，绘制实际所需直线、标定图像角点。
作为上述方案的进一步优化，所述指针检测算法包括：先通过霍夫直线变换算法检测出指针位置，然后通过筛选算法剔除检测出的干扰直线，获得针尖位置。
作为上述方案的进一步优化，所述的剔除干扰直线采用的筛选算法描述如下：
步骤S411，在检测结果图中获取垂直相交的点以及对应的两条直线，剔除孤立的直线；
步骤S412，将上述的点加入待检测点集合；
步骤S413，遍历待检测点集合，若圆心到某个点所在的两条直线的距离之和超过阈值λ1，则将该点从待检测点集合删除；采用此种筛选方式剔除位置上较远的点；
步骤S414，若目标点到圆心的直线与对应的两条直线之间的夹角之和超过阈值λ2，则将此点从待检测点集合删除；采用此种筛选方式剔除方向上相差较大的直线形成的交点；
步骤S415，集合遍历完毕，获取最终的点，即指针的针尖位置。
作为上述方案的进一步优化，所述最小、最大刻度位置检测包括：根据常用油位计的最小、最大刻度所在位置的RGB颜色特征，根据已知圆心位置，获得最小、最大刻度之间的夹角度数。
优选的，本实施例的RGB颜色特征采取的是：R分量值大于等于150，G分量值小于等于100，B分量值小于等于100；
作为上述方案的进一步优化，本发明所述的油位计示数自动识别计算公式如下：
其中，α为当前指针偏移角度，β为最小、最大刻度夹角值的一半，Vmax为最大刻度值，Vmin为最小刻度值，通过此公式进行当前油位计指针示数的自动计算。
与现有技术相比，本发明的有益效果为：
1、本发明示例的一种变电站内变压器油位计示数识别方法，针对传统的变压器油位计示数由人工手持望远镜读取的不便性，提出一种基于原始图像的自动识别方法，识别精度准确，方案可行性强，同时也节省了电力行业生产中的人力与物力成本。
2、本发明示例的一种变电站内变压器油位计示数识别方法，对原始图像进行去噪处理，消除原始图像中噪声的干扰和影响，获取高质量数字图像，提高原始图片的清晰度，利于后续步骤的准确识别，提高结果的准确性。
3、本发明示例的一种变电站内变压器油位计示数识别方法，通过霍夫直线变换获取油位计表盘中的指针位置，并结合筛选算法剔除干扰直线，保留指针所在的直线。
4、本发明示例的一种变电站内变压器油位计示数识别方法，通过采用RGB颜色特征获取油位计表盘中的最小、最大刻度所在的位置，此种方式较其他方式(如数字识别等)快速准确。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明实施例的流程示意图；
图2为本发明实施例的基于霍夫变换圆检测算法获得的油位计表盘圆心位置流程示意图；
图3为本发明实施例的识别指针以及针尖位置的流程示意图；
图4为本发明实施例的剔除识别指针区域干扰直线的流程示意图；
图5为本发明实施例的计算变压器油位计指针示数的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示，本发明的一个实施例提供了一种变电站内变压器油位计示数识别方法，包括：
步骤S1，采集油位计的原始示数图像；
步骤S2，针对原始示数图像进行图像去噪处理，图像二值化，获取原始示数图像的二值图像；
步骤S3，针对处理的二值图像进行形态学处理，进行开运算，通过边缘提取对二值图像再处理获取原始示数图像的预处理图像；
步骤S4，获取预处理图像的圆心位置以及针尖位置；
步骤S5，对预处理图像进行最小、最大刻度位置检测，获取预处理图像的最小、最大刻度之间的夹角；
步骤S6，基于获取的预处理图像的圆心位置、针尖位置以及最小与最大刻度之间的夹角，计算油位计的指针示数；
具体的，采集原始油位计图像通过固定摄像头等进行；
具体的，图像在形成过程中由于场景中环境影响或者在传输过程中受到随机信号干扰，图像往往会带有噪声，噪声在图像中是冗余信息，给后期处理带来不利影响；为了消除这些干扰因素,提高识别精度和识别效率,需要预先对图像进行预处理操作；
噪声通常包括高斯白噪声和椒盐噪声，高斯白噪声较为常见，采用均值滤波、中值滤波等方法进行去噪，本发明主要采用中值滤波进行去噪处理；
从数字图像中检测出圆在计算机视觉中具有很重要的作用，本发明根据霍夫变换圆检测算法检测出油位计仪表盘中圆心的位置。
霍夫变换检测圆的数学原理：根据极坐标，圆上任意一点的坐标可以表示为如下形式：
针对任意一个圆，设定中心像素点p(x0,y0)像素点已知，圆半径已知，则旋转360由极坐标方程可以计算任意点对应的坐标；若只知道图像上像素点、圆半径，旋转360°则中心点处的坐标值必定最强；
如图2所示，该算法流程包括如下：
步骤a，输入原图像；
步骤b，将图像中的每个像素点转换到圆的中心极坐标下进行强度累加；
步骤c，在极坐标空间中将强度值归一化到0-255之间；
步骤d，查找出累计强度最大的点，即圆心坐标，并绘制检测结果。
本发明根据上述算法对油位计图像中检测出圆形区域，包括圆位置以及圆心位置；
在仪表示数自动识别算法框架中，根据识别出仪表图像的指针以及该指针指向的刻度角度的结果，计算出指针对应的实际示数，本发明主要采用霍夫变换直线检测算法，参阅图3，其步骤如下：
步骤S41，将采集的原始示数彩色图像转化为灰度图；
步骤S42，采用中值滤波进行原始示数图像的去噪；
步骤S43，采用Canny边缘检测算法进行二值化图像处理；
步骤S44，基于OTSU算法进行图像二值化；
步骤S45，映射二值化图像至霍夫空间；
步骤S46，取二值化图像的局部极大值，设定阈值，过滤干扰直线；
步骤S47，根据二值化图像过滤干扰直线结果，绘制实际所需直线、标定图像角点；
结合霍夫直线检测图像中的直线的功能，对油位计图像中的指针区域进行检测，检测出图像的指针区域，同时也检测出其他干扰直线，干扰直线需要予以剔除，参阅图4，本发明设计如下筛选算法来剔除干扰直线：
步骤S411，在检测结果图中获取垂直相交的点以及对应的两条直线，剔除孤立的直线；
步骤S412，将上述的点加入待检测点集合；
步骤S413，遍历待检测点集合，若圆心到某个点所在的两条直线的距离之和超过阈值λ1，则将该点从待检测点集合删除；采用此种筛选方式剔除位置上较远的点；
步骤S414，若目标点到圆心的直线与对应的两条直线之间的夹角之和超过阈值λ2，则将此点从待检测点集合删除；采用此种筛选方式剔除方向上相差较大的直线形成的交点；
步骤S415，集合遍历完毕，获取最终的点，即指针的针尖位置；
仪表盘上最小最大刻度的位置在灰度图或二值图通过形态学处理，难以精准确定其具体位置，因为在灰度图或二值图最小最大刻度位置的特征并不明显；
本发明采用在RGB空间获取最小最大刻度的位置的方法，油位计最小、最大刻度位置均有对称的一对红色区域，根据上述的特征点，本发明在RGB空间筛选出颜色为红色的区域，通过形态学先腐蚀后膨胀，即开运算操作，将图像中的小面积区域剔除掉；
通过颜色筛选后的结果中同时包含其他包含红色的噪声区域，根据连通区域的对称性，将经过颜色筛选的图像中的噪声区域全部剔除，获取最小最大刻度所在位置对应的红色区域；
参见图5，根据圆心坐标、最小、最大刻度坐标、针尖坐标构建坐标系，由三角函数知识可计算α和β的值；α为当前指针偏移角度，β为最小、最大刻度夹角值的一半，vmax为最大刻度值，vmin为最小刻度值；
结合计算获取的α和β的值，以及给定的最大刻度值Vmax、最小刻度值Vmin，参照以下公式：
计算出当前变压器油位计指针代表的示数，其中，上式(3)中的角度α和β方向均为逆时针方向；
实验结果部分如下表所示，根据识别结果、人工读数和识别误差可知，本发明提出的一种变电站内变压器油位计示数识别方法识别结果比较精确，在实际工程中具有一定的应用价值。
圆心位置 (203,201) (222,217) (172,171)
针尖位置 (173,87) (303,107) (82，240)
v<sub>min</sub>位置 (292,301) (325,317) (256,254)
v<sub>max</sub>位置 (109,297) (115,323) (91,258)
识别结果 5.55 3.4 9.74
人工读数 5.6 3.7 9.9
识别误差 0.05 0.3 0.16
本发明公开了一种变电站内变压器油位计示数识别方法，属于图像处理领域，包括：采集油位计的原始示数图像；针对原始示数图像进行图像去噪处理，图像二值化，获取原始示数图像的二值图像；针对处理的二值图像进行形态学处理，进行开运算，通过边缘提取对二值图像再处理获取原始示数图像的预处理图像；获取预处理图像的圆心位置以及针尖位置；对预处理图像进行最小、最大刻度位置检测，获取预处理图像的最小、最大刻度之间的夹角；基于获取的预处理图像的圆心位置、针尖位置、最小、最大刻度之间的夹角，计算油位计的指针示数。本发明针对传统的变压器油位计示数由人工手持望远镜读取的不便性，提出一种基于原始图像的自动识别方法，识别精度准确，方案可行性强，同时也节省了电力行业生产中的人力与物力成本
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
除说明书所述的技术特征外，其余技术特征为本领域技术人员的已知技术，为突出本发明的创新特点，其余技术特征在此不再赘述。

Claims (9)

1.一种变电站内变压器油位计示数识别方法，其特征在于，包括：
步骤S1，采集油位计的原始示数图像；
步骤S2，针对原始示数图像进行图像去噪处理，通过边缘提取对图像处理获取原始示数处理后的图像；
步骤S3，二值化图像，获取原始示数图像的二值图像；针对二值图像进行形态学处理，进行开运算，获取预处理图像；
步骤S4，获取预处理图像的圆心位置以及针尖位置；
步骤S5，对预处理图像进行最小、最大刻度位置检测，获取预处理图像的最小、最大刻度之间的夹角；
步骤S6，基于获取的预处理图像的圆心位置、针尖位置以及最小与最大刻度之间的夹角，计算油位计的指针示数。
2.根据权利要求1所述的一种变电站内变压器油位计示数识别方法，其特征在于，所述采集油位计的原始示数图像通过固定摄像头进行拍摄采集。
3.根据权利要求1所述的一种变电站内变压器油位计示数识别方法，其特征在于，所述图像去噪处理采用中值滤波法，通过获取原始示数图像的任意一点作为目标点，将目标点的数值用目标点的一个邻域包含的所有点的中值代替，消除原始示数图像的孤立噪声点。
4.根据权利要求1所述的一种变电站内变压器油位计示数识别方法，其特征在于，所述图像二值化采用OTSU算法，设定原始示数图像的前景与背景的分割阈值为t，前景点占原始示数图像的比例为a0，均值为b0；背景点占原始示数图像的比例为a1，均值为b1，原始示数图像的均值为：
b＝a0×b0+a1×b1 (1)
通过上式构建目标函数：
g(t)＝a0×(b0-b)2+a1×(b1-b)2 (2)
上式中，g(t)为当分割域为t时的类间方差表达；当g(t)取得最大值，即原始示数图像最佳二值化处理图像。
5.根据权利要求1所述的一种变电站内变压器油位计示数识别方法，其特征在于，所述形态学处理基于处理的二值化图像，先对图像进行膨胀处理，再对图像进行腐蚀处理；所述边缘提取采用Canny边缘检测算法进行二值化图像处理。
6.根据权利要求1所述的一种变电站内变压器油位计示数识别方法，其特征在于，所述圆心位置基于霍夫变换圆形检测算法，获取油位计表盘圆心位置。
7.根据权利要求1所述的一种变电站内变压器油位计示数识别方法，其特征在于，所述针尖位置的检测，先采用霍夫直线变换算法检测指针位置，再采用筛选算法剔除已检测的干扰直线，获取最后的针尖位置。
8.根据权利要求1所述的一种变电站内变压器油位计示数识别方法，其特征在于，所述最小、最大刻度位置检测通过油位计的最小、最大刻度所在位置的RGB颜色特征锁定，获取最小、最大刻度之间的夹角度数。
9.根据权利要求1所述的一种变电站内变压器油位计示数识别方法，其特征在于，所述油位计的指针示数计算公式如下：
上式中，α为当前指针偏移角度，β为最小、最大刻度夹角值的一半，vmax为最大刻度值，vmin为最小刻度值，通过上式进行当前油位计指针示数的计算。
CN201910595777.XA 2019-07-03 2019-07-03 一种变电站内变压器油位计示数识别方法 Pending CN110414521A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910595777.XA CN110414521A (zh) 2019-07-03 2019-07-03 一种变电站内变压器油位计示数识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910595777.XA CN110414521A (zh) 2019-07-03 2019-07-03 一种变电站内变压器油位计示数识别方法

Publications (1)

Publication Number Publication Date
CN110414521A true CN110414521A (zh) 2019-11-05

Family

ID=68358793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910595777.XA Pending CN110414521A (zh) 2019-07-03 2019-07-03 一种变电站内变压器油位计示数识别方法

Country Status (1)

Country Link
CN (1) CN110414521A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488030A (zh) * 2020-12-11 2021-03-12 华能华家岭风力发电有限公司 一种基于机器视觉的指针式仪表读表方法
CN112487901A (zh) * 2020-11-19 2021-03-12 国网河南省电力公司检修公司 一种排油注氮灭火装置压力表运行状态监测方法及监测系统
CN113449599A (zh) * 2021-05-27 2021-09-28 国网河北省电力有限公司行唐县供电分公司 一种基于图像识别技术的室内变电站智能运维辅助装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5027783B2 (ja) * 2008-11-25 2012-09-19 パナソニック株式会社 円検出装置
CN104298994A (zh) * 2014-02-28 2015-01-21 郑州金惠计算机系统工程有限公司 一种指针式仪表读数识别方法及装置
CN105550683A (zh) * 2015-12-07 2016-05-04 重庆大学 基于视觉的指针式仪表自动读取系统和方法
CN106295658A (zh) * 2016-08-13 2017-01-04 国网福建省电力有限公司 一种变电站指针式仪表读数自动识别系统
CN107609557A (zh) * 2017-08-24 2018-01-19 华中科技大学 一种指针式仪表读数识别方法
CN108921176A (zh) * 2018-06-22 2018-11-30 河海大学常州校区 一种基于机器视觉的指针式仪表定位与识别方法
CN108960237A (zh) * 2018-06-29 2018-12-07 上海海事大学 一种指针式油位计读数识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5027783B2 (ja) * 2008-11-25 2012-09-19 パナソニック株式会社 円検出装置
CN104298994A (zh) * 2014-02-28 2015-01-21 郑州金惠计算机系统工程有限公司 一种指针式仪表读数识别方法及装置
CN105550683A (zh) * 2015-12-07 2016-05-04 重庆大学 基于视觉的指针式仪表自动读取系统和方法
CN106295658A (zh) * 2016-08-13 2017-01-04 国网福建省电力有限公司 一种变电站指针式仪表读数自动识别系统
CN107609557A (zh) * 2017-08-24 2018-01-19 华中科技大学 一种指针式仪表读数识别方法
CN108921176A (zh) * 2018-06-22 2018-11-30 河海大学常州校区 一种基于机器视觉的指针式仪表定位与识别方法
CN108960237A (zh) * 2018-06-29 2018-12-07 上海海事大学 一种指针式油位计读数识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周怡娜: "变电站指针式仪表读数识别方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
张晶: "《多媒体信息与通信》", 31 December 2017 *
苗启广 等: "《多传感器图像融合技术及应用》", 30 April 2014 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487901A (zh) * 2020-11-19 2021-03-12 国网河南省电力公司检修公司 一种排油注氮灭火装置压力表运行状态监测方法及监测系统
CN112488030A (zh) * 2020-12-11 2021-03-12 华能华家岭风力发电有限公司 一种基于机器视觉的指针式仪表读表方法
CN113449599A (zh) * 2021-05-27 2021-09-28 国网河北省电力有限公司行唐县供电分公司 一种基于图像识别技术的室内变电站智能运维辅助装置

Similar Documents

Publication Publication Date Title
CN108921176B (zh) 一种基于机器视觉的指针式仪表定位与识别方法
CN107808378B (zh) 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法
US11580647B1 (en) Global and local binary pattern image crack segmentation method based on robot vision
CN110807355B (zh) 一种基于移动机器人的指针仪表检测与读数识别方法
CN105894036B (zh) 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法
CN102426649B (zh) 一种简单的高准确率的钢印数字自动识别方法
CN110414521A (zh) 一种变电站内变压器油位计示数识别方法
CN105067638A (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN108007388A (zh) 一种基于机器视觉的转盘角度高精度在线测量方法
CN102974551A (zh) 一种基于机器视觉的多晶硅太阳能检测分选的方法
JP2011238228A (ja) スクリーン領域検知方法及びシステム
CN113570605A (zh) 一种基于液晶显示面板的缺陷检测方法和系统
CN111191646B (zh) 一种指针式仪表的智能识别方法
CN112017223B (zh) 基于改进SIFT-Delaunay的异源图像配准方法
CN102908120A (zh) 眼底图像的配准方法、眼底图像中视盘神经、血管的测量方法及眼底图像的拼接方法
CN110207592A (zh) 建筑裂缝测量方法、装置、计算机设备和存储介质
CN111476246B (zh) 应用于复杂环境下指针仪表鲁棒高效智读方法
CN115205223B (zh) 透明物体的视觉检测方法、装置、计算机设备及介质
CN110298344A (zh) 一种基于机器视觉的仪表旋钮定位与检测方法
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN110111387A (zh) 一种基于表盘特征的指针表定位及读数算法
CN109447062A (zh) 基于巡检机器人的指针型仪表识别方法
CN109389165A (zh) 基于巡检机器人的变压器油位计识别方法
CN113034474A (zh) 一种oled显示器晶圆图的测试方法
CN110648330A (zh) 摄像头玻璃的缺陷检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191105