CN111325164A - 指针表示数识别方法、装置和电子设备 - Google Patents
指针表示数识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111325164A CN111325164A CN202010118032.7A CN202010118032A CN111325164A CN 111325164 A CN111325164 A CN 111325164A CN 202010118032 A CN202010118032 A CN 202010118032A CN 111325164 A CN111325164 A CN 111325164A
- Authority
- CN
- China
- Prior art keywords
- pointer
- table image
- area
- rectangle
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000012937 correction Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000003706 image smoothing Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004904 shortening Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 19
- 238000012360 testing method Methods 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
-
- 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
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种指针表示数识别方法、装置和电子设备;包括:获取待识别的指针表图像;在HSV颜色空间提取包含指针和刻度线的颜色区域,并设结果为mask,在mask上分割出指针区域;提取指针区域的连通分量;确定指针区域的连通分量对应的旋转矩形;基于旋转矩形和mask确定刻度线区域;基于旋转矩形和刻度线区域识别指针表图像对应的示数。该方式中,利用了颜色先验信息在HSV颜色空间中提取出指针和刻度线的颜色区域,确定出表盘指针区域和表盘刻度线区域,最后通过指针区域和刻度线区域来识别指针表图像对应的示数。该方式识别精度高,适应场景的鲁棒性强,并且算法简单,可以有效缩短算法运行时间,能够满足实时处理的需要。
Description
技术领域
本发明涉及图像识别技术领域,尤其是涉及一种指针表示数识别方法、装置和电子设备。
背景技术
在一些传统工业行业中,如:燃气站、变电站、石油等领域,需要使用各种类型的仪表来随时监测数据,保障每个设备的正常运行。其中,指针式仪表由于具有结构简单、无需电源,耐高压、防腐蚀、防电磁干扰、防水、防冻等优点,被广泛应用于上述场景中。但因为大部分指针式仪表没有电子通信接口,所以只能要求人工读取的方式对仪表数据进行统计与监测。然而,人工读表的方式存在诸多问题。首先人的主观因素,容易造成读表有误差和漏检等问题;其次绝大多数工业场所因占地面积大,设备分散,人工读数时,很难及时发现某个区域仪表值的异常;加之人工作业的成本也比较高、效率也不快。
除了人工读表的之外,还可以基于机器视觉的指针式仪表示数识别。主要原理是利用图像处理技术。其流程是,首先通过摄像头采集仪表图像,通过边缘提取、轮廓分析、Hough(霍夫)变换确定指针和刻度线的位置;最后根据指针与刻度线的几何位置关系通过数学公式来确定指针的读数。然而,这种方法识别精度不高,场景适应的鲁棒性不强,算法复杂度高,无法实时处理。
发明内容
有鉴于此,本发明的目的在于提供一种指针表示数识别方法、装置和电子设备,以提高识别精度,增强适应场景的鲁棒性,并且算法简单,可以有效缩短算法运行时间,能够满足实时处理的需要。
第一方面,本发明实施例提供了一种指针表示数识别方法,包括:获取待识别的指针表图像;在HSV(HueSaturationValue,色调饱和度明度)颜色空间提取包含指针和刻度线的颜色区域,并设结果为mask,在mask上分割出指针区域;提取指针区域的连通分量;确定指针区域的连通分量对应的旋转矩形;基于旋转矩形和mask确定刻度线区域;基于旋转矩形和刻度线区域识别指针表图像对应的示数。
在本发明较佳的实施例中,上述在提取指针区域的连通分量的步骤之前,方法还包括:通过盒式均值滤波的方法对指针表图像进行图像去噪处理;通过灰度世界算法对图像平滑处理后的指针表图像进行颜色校正处理;如果指针表图像处于暗光环境下,通过对比度受限自适应直方图均衡算法对颜色校正处理后的指针表图像进行彩色增强处理;如果指针表图像处于高光环境下,通过伽马变换算法对颜色校正处理后的指针表图像进行彩色增强处理。
在本发明较佳的实施例中,上述提取指针区域的连通分量的步骤包括:在HSV颜色空间提取包含指针和刻度线的颜色区域,得到结果为mask;基于mask利用分水岭分割算法分割出指针表图像的指针区域;基于指针区域确定指针区域的连通分量。
在本发明较佳的实施例中,上述确定指针区域的连通分量对应的旋转矩形步骤,包括:用opencv的旋转矩形包围指针区域的连通分量,并且旋转矩形的旋转角度与指针的旋转角度相同;得到指针的旋转角度后,通过下述步骤确定旋转角度是否与指针所指的方向相同:计算旋转矩形的中心点,建立与指针表图像大小相同的笛卡尔坐标,根据旋转矩形的中心点落在笛卡尔坐标的象限位置来确定指针旋转角度的方向;笛卡尔坐标包括四个象限,每个象限的角度范围是:Ⅰ∈[0°,90°)、Ⅱ∈[90°,180)、Ⅲ∈[180°,270°)、Ⅳ∈[270°,359°];按逆时针方向计算指针区域的连通分量对应的旋转矩形。
在本发明较佳的实施例中,上述基于旋转矩形和mask确定刻度线区域的步骤,包括:基于旋转矩形的中心点与长半轴做内接圆,基于mask做最大轮廓外接圆;基于最大轮廓外接圆减表盘内接圆得到刻度线区域分量。
在本发明较佳的实施例中,上述基于旋转矩形和刻度线区域识别指针表图像对应的示数的步骤,包括:通过下述步骤基于刻度线区域确定指针表图像刻度线对应的最大角度和最小角度:计算每一个刻度线上的点到图像左下角和图像右下角的欧式距离,并分别标记离左下角最近的点和离右下角最近的点;分别计算离左下角最近的点和离右下角最近的点到旋转矩形中心的角度,得到刻度线对应的最小角度与最大角度;基于旋转矩形确定指针表图像的指针的旋转角度;基于指针的旋转角度、刻度线对应的最大角度和最小角度、已知刻度值起始值和量程范围、识别指针表图像对应的示数。
第二方面,本发明实施例还提供一种指针表示数识别装置,包括:指针表图像获取模块,用于获取待识别的指针表图像;指针和刻度线区域提取模块,用于在HSV颜色空间提取包含指针和刻度线的颜色区域,并设结果为mask,在mask上分割出指针区域;连通分量提取模块,用于提取指针区域的连通分量;旋转矩形确定模块,用于确定指针区域的连通分量对应的旋转矩形;刻度线区域确定模块,用于基于旋转矩形和mask确定刻度线区域;示数识别模块,用于基于旋转矩形和刻度线区域识别指针表图像对应的示数。
在本发明较佳的实施例中,上述装置还包括:预处理模块,用于通过盒式均值滤波的方法对指针表图像进行图像去噪处理;通过灰度世界算法对图像平滑处理后的指针表图像进行颜色校正处理;如果指针表图像处于暗光环境下,通过对比度受限自适应直方图均衡算法对颜色校正处理后的指针表图像进行彩色增强处理;如果指针表图像处于高光环境下,通过伽马变换算法对颜色校正处理后的指针表图像进行彩色增强处理。
第三方面,本发明实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现上述的指针表示数识别方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述的指针表示数识别方法的步骤。
本发明实施例带来了以下有益效果:
本发明实施例提供的一种指针表示数识别方法、装置和电子设备,在HSV颜色空间提取待识别指针表图像中包含指针与刻度线的颜色区域,根据该颜色区域先后确定指针区域分量对应的旋转矩形和表盘中的刻度线区域,并识别指针表图像对应的示数。该方法识别精度高,增强适应场景的鲁棒性,并且算法简单,可以有效缩短算法运行时间,能够满足实时处理的需要。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种指针表示数识别方法的流程图;
图2为本发明实施例提供的另一种指针表示数识别方法的流程图;
图3为本发明实施例提供的一种直方图均衡算法的示意图;
图4为本发明实施例提供的一种HSV颜色空间模型的示意图;
图5为本发明实施例提供的一种指针表图像、mask、指针区域的示意图;
图6为本发明实施例提供的一种指针区域和指针区域对应的旋转矩形示意图;
图7为本发明实施例提供的一种笛卡尔坐标系的示意图;
图8为本发明实施例提供的一种最大轮廓外接圆与内接圆、刻度线区域的示意图;
图9为本发明实施例提供的一种指针表示数识别方法的示意图;
图10为本发明实施例提供的一种指针表示数识别装置的结构示意图;
图11为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,传统的人工读表方式会带来很多安全隐患。为了保障工业场所设备的正常运行,有必要通过机器视觉技术来研究一种快速识别指针式仪表示数的方法,对表记进行不间断定期读数监测。这样,不但能够解决因仪表位置特殊造成的人工读表困难的问题,而且读表的整个过程受主观因素影响小,在提高仪表的识别率的同时还可以降低人工成本。相关技术中,基于机器视觉的指针式仪表示数识别方法识别精度不高,场景适应的鲁棒性不强,算法复杂度高,无法实时处理。基于此,本发明实施例提供的一种指针表示数识别方法、装置和电子设备,涉及图像识别技术领域图像识别技术领域的技术领域,具体通过颜色信息、区域分割、旋转矩形等步骤来识别示数。
为便于对本实施例进行理解,首先对本发明实施例所公开的指针表示数识别方法进行详细介绍。
实施例1
本发明实施例提供了一种指针表示数识别方法,参见图1所示的一种指针表示数识别方法的流程图,该指针表示数识别方法包括如下步骤:
步骤S102,获取待识别的指针表图像。
待识别的指针表图像就是待读取示数的指针表图像,指针表图像是彩色图像,指针表图像需要包括表盘刻度和指针两部分。通过指针确定示数位置,通过表盘读取示数位置对应的示数。
步骤S104,在HSV颜色空间提取包含指针和刻度线的颜色区域,并设结果为mask,在mask上分割出指针区域。
在指针表图像的HSV颜色空间提取包含指针和刻度线的颜色区域,并将提取的结果作为mask,在mask上分割出指针区域。
步骤S106,提取指针区域的连通分量。
本实施例中的连通分量是指针表图像的极大连通子图,也就是说,从指针表图像中确定连通区域,连通区域即连通分量。连通分量包括指针区域分量和表盘区域分量,指针区域分量表示指针表图像的指针的连通分量;表盘区域分量表示指针表图像的表盘的连通分量。需要说明的是,表盘区域分量除了可以表示表盘外,还可以表示表盘的每一个刻度。即通过指针区域分量可以确定指针的位置和方向,基于表盘区域分量可以确定表盘的位置和表盘的每一个刻度的位置和数值。
步骤S108,确定指针区域的连通分量对应的旋转矩形。
通过一个矩形包围针区域分量,将这个矩形称为旋转矩形。并且需要保证旋转矩形的旋转角度与指针区域分量的旋转角度相同。因为单纯的旋转矩形无法确定指针区域分量的指针头方向,因此,还需要标注出指针区域分量的指针头对应的旋转矩形的位置。
步骤S110,基于旋转矩形和mask确定刻度线区域。
上文已经提到,表盘区域分量表示了圆盘和刻度,基于旋转矩形确定表盘区域分量中标识刻度的部分,称为刻度线区域分量。刻度线区域分量表示了指针表图像中的全部刻度线,可以说明刻度线位置、每一个刻度线的数值,刻度线的最大角度和刻度线的最小角度等。
步骤S112,基于旋转矩形和刻度线区域识别指针表图像对应的示数。
旋转矩形表示了指针位置和至针头方向,刻度线区域分量表示了刻度线位置,因此,基于旋转矩形和刻度线区域分量就可以确定至针头对应的刻度线位置,从而识别指针表图像对应的示数。
本发明实施例提供的一种指针表示数识别方法,对待识别的指针表图像提取了包括指针区域分量和表盘区域分量的连通分量,确定指针区域分量对应的旋转矩形和表盘区域分量中的刻度线区域分量,并识别指针表图像对应的示数。可以提高识别精度,增强适应场景的鲁棒性,并且算法简单,可以有效缩短算法运行时间,能够满足实时处理的需要。
实施例2
本发明实施例提供另一种指针表示数识别方法,参见图2所示的另一种指针表示数识别方法的流程图,该指针表示数识别方法包括如下步骤:
步骤S202,获取待识别的指针表图像。
指针表图像可以由摄像头采集,采集的指针表图像很可能存在一些噪声,需要对指针表图像进行预处理。
步骤S204,对指针表图像进行预处理。
预处理包括:图像平滑、颜色校正、彩色增强三个步骤,通过步骤A1-步骤A4执行:
步骤A1,通过盒式均值滤波的方法对指针表图像进行图像去噪处理。
步骤A2,通过灰度世界算法对图像平滑处理后的指针表图像进行颜色校正处理。
经过平滑处理后,需要对彩色图像进行颜色校正,减少图像中的颜色与真实世界的颜色的误差。本实施例使用灰度世界算法来进行颜色校正。
灰度世界算法是一种颜色校正算法,该算法假设对于一幅彩色图像,其R(Red,红)、G(Green,绿)、B(Blue,蓝)三个通道的平均值趋于同一灰度值。它是通过计算彩色空间R、G、B每个通道的颜色均值与三通道均值的增益来更新R、G、B颜色的值,从而达到消除环境光对图像的影响,获得接近真实场景颜色的图像。增益公式如下所示:
其中,meanrgb是彩色图像的均值,meani∈[r,g,b]是每个颜色通道的均值,ki∈[r,g,b]是每个颜色通道的增益,经过灰度世界算法后,图像的颜色被校正,这对后续正确提取指针颜色非常重要。
步骤A3,如果指针表图像处于暗光环境下,通过对比度受限自适应直方图均衡算法对颜色校正处理后的指针表图像进行彩色增强处理。
接下来对校正后的图像进行彩色增强,对于不同的环境采用不同的算法来处理,在暗光和低对比度环境下采用对比度受限自适应直方图均衡算法来对彩图进行增强。参见图3所示的一种直方图均衡算法的示意图,该算法在局部区域利用极限值α对图像直方图进行裁剪,使图像不会出现过分增强。
步骤A4,如果指针表图像处于高光环境下,通过伽马变换算法对颜色校正处理后的指针表图像进行彩色增强处理。
在高光环境下采用伽马变换来进行彩色增强,伽马变换公式如下所示:s=crγ。其中,c是常量,这里取值为1,γ是伽马值,这里取值为2,r与s分别是输入和输出图像。
在于处理后,对于RGB((Red Green Blue,红绿蓝))空间的彩色图像,需要转换到HSV颜色空间,通过下述步骤执行:如果指针表图像为RGB空间的彩色图像,将指针表图像由RGB空间转换为HSV空间的彩色图像。
经过预处理步骤后,将RGB空间的彩色图像转换到HSV颜色空间,参见图4所示的一种HSV颜色空间模型的示意图,HSV颜色空间由H(hue)、S(saturation)、V(intensityvalue)三个分量组成,它可以分离彩色与亮度信息,保留彩色信息不变,因此更符合人眼视觉系统。
步骤S206,在HSV颜色空间提取包含指针和刻度线的颜色区域,并设结果为mask,在mask上分割出指针区域。
步骤S208,提取指针区域的连通分量。
具体来说,提取指针表图像的连通分量可以通过步骤B1-步骤B3执行:
步骤B1,在HSV颜色空间提取包含指针和刻度线的颜色区域,得到结果为mask。
接下来在HSV颜色空间提取指针和刻度线的颜色。在HSV空间中黑色分量的范围是H∈[0,180]、S∈[0,255]、V∈[0,46],这里为了进一步扩大提取黑色的范围,修改V的取值范围为[0,60]。此时会提取到表盘上所有带有黑颜色的物体,设此时的结果为mask。
步骤B2,基于mask利用分水岭分割算法分割出指针表图像的指针区域。
为指针位于圆盘的中心附近,所以为了进一步将指针区域提取出来,在图像中心点附近利用分水岭分割算法对mask进行区域分割。参见图5所示的一种指针表图像、mask、指针区域的示意图,图5中的左图为指针表图像,中图为mask,右图为指针区域;此时区域分割后即为黑色指针。分水岭分割算法是一种基于形态学的区域分割算法,该算法是通过标记指定区域为汇水盆地,然后不断上升水位,即增加图像的灰度值,当灰度值如果继续增加会使不同的连通区域合并成一个区域时,此时的区域即为分割后的区域,灰度值即为分水岭。
步骤B3,基于指针区域确定指针区域的连通分量。
从mask中选择与刻度线颜色相同的区域,即指针表图像的表盘区域分量。
步骤S210,确定指针区域的连通分量对应的旋转矩形。
确定旋转矩形时需要确定指针区域分量的指针头对应的旋转矩形的位置,通过步骤C1-步骤C2执行:
步骤C1,用opencv的旋转矩形包围指针区域的连通分量,并且旋转矩形的旋转角度与指针的旋转角度相同;
对该区域进行连通分量提取,然后利用opencv(Open Source Computer VisionLibrary,开源计算机视觉库)的旋转矩形对连通分量进行包围,此时连通分量的长半轴与指针方向平行,且旋转角度也相同。参见图6所示的一种指针区域和指针区域对应的旋转矩形示意图,图6中左图为指针区域,右图为指针区域对应的旋转矩形。
步骤C2,得到指针的旋转角度后,通过下述步骤确定旋转角度是否与指针所指的方向相同:计算旋转矩形的中心点,建立与指针表图像大小相同的笛卡尔坐标,根据旋转矩形的中心点落在笛卡尔坐标的象限位置来确定指针旋转角度的方向;笛卡尔坐标包括四个象限,每个象限的角度范围是:Ⅰ∈[0°,90°)、Ⅱ∈[90°,180)、Ⅲ∈[180°,270°)、Ⅳ∈[270°,359°];按逆时针方向计算指针区域的连通分量对应的旋转矩形。
得到旋转角度后,还需要确定指针头在哪一个方向,才能得到正确的角度。这里采用的方法是首先计算旋转矩形的中心,建立与表记图像大小等价的笛卡尔坐标系,然后根据中心点落在笛卡尔坐标系的象限位置来判断指针在哪个方位。参见图7所示的一种笛卡尔坐标系的示意图,按逆时针方向计算,每个象限的角度范围是:Ⅰ∈[0°,90°)、Ⅱ∈[90°,180)、Ⅲ∈[180°,270°)、Ⅳ∈[270°,359°],例如中心点在第二象限,那么角度范围应该是[90°,180)。如果旋转角度是280°,则减去180°即可。
步骤S212,基于旋转矩形和mask确定刻度线区域。
之后需要检测刻度线,确定刻度线区域分量,可以通过步骤D1-步骤D2执行:
步骤D1,基于旋转矩形的中心点与长半轴做内接圆,基于mask做最大轮廓外接圆;
参见图8所示的一种最大轮廓外接圆与内接圆、刻度线区域的示意图,首先设旋转矩形的中心点为圆心,计算旋转矩形的长半轴的长度,取长度的0.7作为半径r作一个圆,即最大轮廓外接圆。
步骤D2,基于最大轮廓外接圆减表盘内接圆得到刻度线区域分量。
在mask上以该最大轮廓外接圆的圆心为原点,做半径为r的内接圆并填充。在mask利用opencv计算最大轮廓外接圆,并进行形态学腐蚀,消除圆盘区域,此时留下了的区域即为刻度线区域。
步骤S214,基于旋转矩形和刻度线区域识别指针表图像对应的示数。
确定了刻度线区域分量和旋转矩形之后,即可以识别指针表图像对应的示数,通过步骤E1-步骤E3执行:
步骤E1,通过下述步骤基于刻度线区域确定指针表图像刻度线对应的最大角度和最小角度:计算每一个刻度线上的点到图像左下角和图像右下角的欧式距离,并分别标记离左下角最近的点和离右下角最近的点;分别计算左下角最近的点和离右下角最近的点到旋转矩形中心的角度,得到刻度线对应的最小角度与最大角度。
步骤E2,基于旋转矩形确定指针表图像的指针的旋转角度。
步骤E3,基于指针的旋转角度、刻度线对应的最大角度和最小角度、已知刻度值起始值和量程范围、识别指针表图像对应的示数。
得到刻度线区域后,计算每一个刻度线上的点到图像左下角和图像右下角的欧式距离,并分别标记离左下角最近的点和离右下角最近的点。分别计算两点到旋转矩形中心的角度,即为刻度线范围的最大角度(maxAngle)与最小角度(minAngle)。设此时指针的旋转角度为pointAngle,量程范围A与起始刻度值B已知,最后将所有值代入以下公式来计算示数:
本实施例的整体流程可以参见图9所示的一种指针表示数识别方法的示意图,如图9所示,首先获得指针表记图,即待识别的指针表图像,对指针表记图进行预处理,之后进行HSV空间转换,进行指针区域分割并提取指针区域的连通分量,根据指针连通分量对于的旋转矩形确定指针角度,通过旋转矩形与mask确定刻度线区域,接着通过刻度区域算出量程最大角度与最小角度,结合量程范围、刻度起始值与指针角度计算得到最终示数。
分别选用黑色单指针、黑色单指针带单条红线,黑色指针带双条红线三种表型进行测试,将本实施例提供的方法的测试结果与常规的指针式仪表识别方法的测试结果进行对比,表计信息如表1所示。
表1表计信息
类型 | 尺寸 | 真值 | 最小刻度量程 |
黑色单指针 | 432*455 | 0.5 | 0.05 |
黑色单指针带单条红线 | 783*784 | 0 | 0.2 |
黑色指针带双条红线 | 444*451 | 16.8 | 2 |
常规的指针式仪表识别方法测试时发现对于带红线的表记,因红线对指针的影响,该方法无法正确得到指针,所以对该方法又加入了去除红色线条步骤来进行对比。测试结果如表2、表3和表4所示:
表2测试结果1
黑色单指针 | 时间/s | 识别结果 | 误差 | 准确率(识别结果/真值) |
文献[1]方法 | 0.78 | 0.427 | 0.073 | 85.4% |
本发明方法 | 0.20 | 0.456 | 0.01 | 91.2% |
表3测试结果2
表4测试结果3
如表2、表3和表4的测试结果所示,常规方法耗时较长,识别结果较差。本实施例提供的方法因算法结构简单,算法复杂度低,处理时间很短,对分辨率大于500*500的图像也可以在500ms内计算出结果,且识别精度高于常规方法。在测试时还发现如果指针表记有红色线条干扰时,基于常规的方法会直接失败,而本发明采用的方法不会受到任何影响,所以适应环境的鲁棒性更好。
本发明实施例提供的上述方法,提出了一种全新的识别指针式仪表示数的方法,该方法与常规的从灰度图、阈值分割、形态学与细化处理、边缘检测、Hough变换等过程不同,该方法是从颜色信息和区域分割的角度出发,首先利用HSV彩色空间来提取包含指针和刻度线的颜色区域,设结果为mask,然后分割指针区域并得到该区域的旋转矩形,通过旋转矩形和mask得到刻度线区域,最后利用指针区域和刻度线区域来计算示数。
该方法避免了常规方法繁杂与耗时运算过程。经过测试,该方法比常规的识别方法精度高、适应场景的鲁棒性更强,且该算法简单,有效缩短了算法运行时间,能够满足实时处理的需要。
实施例3
对应于上述方法实施例,本发明实施例提供了一种指针表示数识别装置,如图10所示的一种指针表示数识别装置的结构示意图,该指针表示数识别装置包括:
指针表图像获取模块1001,用于获取待识别的指针表图像;
指针和刻度线区域提取模块1002,用于在HSV颜色空间提取包含指针和刻度线的颜色区域,并设结果为mask,在mask上分割出指针区域;
连通分量提取模块1003,用于提取指针区域的连通分量;
旋转矩形确定模块1004,用于确定指针区域的连通分量对应的旋转矩形;
刻度线区域确定模块1005,用于基于旋转矩形和mask确定刻度线区域;
示数识别模块1006,用于基于旋转矩形和刻度线区域识别指针表图像对应的示数。
本发明实施例提供的一种指针表示数识别装置,对待识别的指针表图像在HSV颜色空间提取了包括指针和刻度线的颜色区域,设其为mask,通过区域分割和连通分量提取确定了指针的连通分量,根据指针的连通分量确定对应的旋转矩形,根据旋转矩形与和mask确定表盘中的刻度线区域,最后通过旋转矩形和刻度线区域识别指针表图像对应的示数。该装置可以提高识别精度,增强适应场景的鲁棒性,并且算法简单,可以有效缩短算法运行时间,能够满足实时处理的需要。
在一些实施例中,装置还包括预处理模块,用于通过盒式均值滤波的方法对指针表图像进行图像去噪处理;通过灰度世界算法对图像平滑处理后的指针表图像进行颜色校正处理;如果指针表图像处于暗光环境下,通过对比度受限自适应直方图均衡算法对颜色校正处理后的指针表图像进行彩色增强处理;如果指针表图像处于高光环境下,通过伽马变换算法对颜色校正处理后的指针表图像进行彩色增强处理。
在一些实施例中,连通分量提取模块,用在HSV颜色空间提取包含指针和刻度线的颜色区域,得到结果为mask;基于mask利用分水岭分割算法分割出指针表图像的指针区域;基于指针区域确定指针区域的连通分量。
在一些实施例中,旋转矩形确定模块,用于用opencv的旋转矩形包围指针区域的连通分量,并且旋转矩形的旋转角度与指针的旋转角度相同;得到指针的旋转角度后,通过下述步骤确定旋转角度是否与指针所指的方向相同:计算旋转矩形的中心点,建立与指针表图像大小相同的笛卡尔坐标,根据旋转矩形的中心点落在笛卡尔坐标的象限位置来确定指针旋转角度的方向;笛卡尔坐标包括四个象限,每个象限的角度范围是:Ⅰ∈[0°,90°)、Ⅱ∈[90°,180)、Ⅲ∈[180°,270°)、Ⅳ∈[270°,359°];按逆时针方向计算指针区域的连通分量对应的旋转矩形。
在一些实施例中,刻度线区域确定模块,用于基于旋转矩形的中心点与长半轴做内接圆,基于mask做最大轮廓外接圆;基于最大轮廓外接圆减表盘内接圆得到刻度线区域分量。
在一些实施例中,示数识别模块,用于通过下述步骤基于刻度线区域确定指针表图像刻度线对应的最大角度和最小角度:计算每一个刻度线上的点到图像左下角和图像右下角的欧式距离,并分别标记离左下角最近的点和离右下角最近的点;分别计算左下角最近的点和离右下角最近的点到旋转矩形中心的角度,得到刻度线对应的最小角度与最大角度;基于旋转矩形确定指针表图像的指针的旋转角度;基于指针的旋转角度、刻度线对应的最大角度和最小角度、所述已知刻度值起始值和量程范围、识别所述指针表图像对应的示数。
本发明实施例提供的指针表示数识别装置,与上述实施例提供的指针表示数识别方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例4
本发明实施例还提供了一种电子设备,用于运行上述指针表示数识别方法;参见图11所示的一种电子设备的结构示意图,该电子设备包括存储器100和处理器101,其中,存储器100用于存储一条或多条计算机指令,一条或多条计算机指令被处理器101执行,以实现上述指针表示数识别方法。
进一步地,图11所示的电子设备还包括总线102和通信接口103,处理器101、通信接口103和存储器100通过总线102连接。
其中,存储器100可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图11中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100,处理器101读取存储器100中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述指针表示数识别方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的指针表示数识别方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和/或电子设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种指针表示数识别方法,其特征在于,包括:
获取待识别的指针表图像;
在HSV颜色空间提取包含指针和刻度线的颜色区域,并设结果为mask,在所述mask上分割出指针区域;
提取所述指针区域的连通分量;
确定所述指针区域的连通分量对应的旋转矩形;
基于所述旋转矩形和所述mask确定刻度线区域;
基于所述旋转矩形和所述刻度线区域识别所述指针表图像对应的示数。
2.根据权利要求1所述的方法,其特征在于,在提取所述指针区域的连通分量的步骤之前,所述方法还包括:
通过盒式均值滤波的方法对所述指针表图像进行图像去噪处理;
通过灰度世界算法对图像平滑处理后的所述指针表图像进行颜色校正处理;
如果所述指针表图像处于暗光环境下,通过对比度受限自适应直方图均衡算法对颜色校正处理后的所述指针表图像进行彩色增强处理;
如果所述指针表图像处于高光环境下,通过伽马变换算法对颜色校正处理后的所述指针表图像进行彩色增强处理。
3.根据权利要求1所述的方法,其特征在于,提取所述指针区域的连通分量的步骤包括:
在HSV颜色空间提取包含指针和刻度线的颜色区域,得到结果为mask;基于所述mask利用分水岭分割算法分割出所述指针表图像的指针区域;
基于所述指针区域确定所述指针区域的连通分量。
4.根据权利要求1所述的方法,其特征在于,确定所述指针区域的连通分量对应的旋转矩形步骤,包括:
用opencv的旋转矩形包围所述指针区域的连通分量,并且所述旋转矩形的旋转角度与所述指针的旋转角度相同;
得到指针的旋转角度后,通过下述步骤确定旋转角度是否与指针所指的方向相同:计算旋转矩形的中心点,建立与指针表图像大小相同的笛卡尔坐标,根据旋转矩形的中心点落在笛卡尔坐标的象限位置来确定指针旋转角度的方向;所述笛卡尔坐标包括四个象限,每个所述象限的角度范围是:Ⅰ∈[0°,90°)、Ⅱ∈[90°,180)、Ⅲ∈[180°,270°)、Ⅳ∈[270°,359°];按逆时针方向计算指针区域的连通分量对应的旋转矩形。
5.根据权利要求1所述的方法,其特征在于,基于所述旋转矩形和所述mask确定刻度线区域的步骤,包括:
基于所述旋转矩形的中心点与长半轴做内接圆,基于所述mask做最大轮廓外接圆;基于所述最大轮廓外接圆减表盘内接圆得到刻度线区域。
6.根据权利要求1所述的方法,其特征在于,基于所述旋转矩形和所述刻度线区域识别所述指针表图像对应的示数的步骤,包括:
通过下述步骤基于所述刻度线区域确定所述指针表图像刻度线对应的最大角度和最小角度:计算每一个刻度线上的点到图像左下角和图像右下角的欧式距离,并分别标记离左下角最近的点和离右下角最近的点;分别计算所述离左下角最近的点和离右下角最近的点到旋转矩形中心的角度,得到刻度线对应的最小角度与最大角度;
基于所述旋转矩形确定所述指针表图像的指针的旋转角度;
基于所述指针的旋转角度、所述刻度线对应的最大角度和最小角度、已知刻度值起始值和量程范围、识别所述指针表图像对应的示数。
7.一种指针表示数识别装置,其特征在于,包括:
指针表图像获取模块,用于获取待识别的指针表图像;
指针和刻度线区域提取模块,用于在HSV颜色空间提取包含指针和刻度线的颜色区域,并设结果为mask,在所述mask上分割出指针区域;
连通分量提取模块,用于提取所述指针区域的连通分量;
旋转矩形确定模块,用于确定所述指针区域的连通分量对应的旋转矩形;
刻度线区域确定模块,用于基于所述旋转矩形和所述mask确定刻度线区域;
示数识别模块,用于基于所述旋转矩形和所述刻度线区域识别所述指针表图像对应的示数。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
预处理模块,用于通过盒式均值滤波的方法对所述指针表图像进行图像去噪处理;通过灰度世界算法对图像平滑处理后的所述指针表图像进行颜色校正处理;如果所述指针表图像处于暗光环境下,通过对比度受限自适应直方图均衡算法对颜色校正处理后的所述指针表图像进行彩色增强处理;如果所述指针表图像处于高光环境下,通过伽马变换算法对颜色校正处理后的所述指针表图像进行彩色增强处理。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的指针表示数识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,所述计算机可执行指令促使处理器实现权利要求1至6任一项所述的指针表示数识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010118032.7A CN111325164B (zh) | 2020-02-25 | 2020-02-25 | 指针表示数识别方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010118032.7A CN111325164B (zh) | 2020-02-25 | 2020-02-25 | 指针表示数识别方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325164A true CN111325164A (zh) | 2020-06-23 |
CN111325164B CN111325164B (zh) | 2023-11-21 |
Family
ID=71173035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010118032.7A Active CN111325164B (zh) | 2020-02-25 | 2020-02-25 | 指针表示数识别方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325164B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673486A (zh) * | 2021-10-21 | 2021-11-19 | 泰豪软件股份有限公司 | 表计读数识别方法、装置、可读存储介质及计算机设备 |
CN113780142A (zh) * | 2021-09-03 | 2021-12-10 | 华南师范大学 | 基于机器视觉的变压器弧形油温表读取方法和装置 |
CN115222817A (zh) * | 2022-08-31 | 2022-10-21 | 成都千嘉科技股份有限公司 | 一种指针式压力表的指针定位方法 |
CN117274966A (zh) * | 2023-11-23 | 2023-12-22 | 江西小马机器人有限公司 | 室外工业仪表监测方法、系统、可读存储介质及计算机 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927507A (zh) * | 2013-01-12 | 2014-07-16 | 山东鲁能智能技术有限公司 | 一种改进的变电站巡检机器人的多仪表读数识别方法 |
CN105091922A (zh) * | 2014-05-04 | 2015-11-25 | 广东工业大学 | 一种基于虚拟表盘的指针表读数识别方法 |
CN105741307A (zh) * | 2016-03-03 | 2016-07-06 | 深圳元启智能技术有限公司 | 一种指针式压力表读数自动识别方法 |
JP2016212044A (ja) * | 2015-05-13 | 2016-12-15 | 大成建設株式会社 | 指針値読取装置および指針値読取プログラム |
CN106529519A (zh) * | 2016-09-19 | 2017-03-22 | 国家电网公司 | 一种电力指针式仪表自动读数识别的方法及系统 |
CN106951900A (zh) * | 2017-04-13 | 2017-07-14 | 杭州申昊科技股份有限公司 | 一种避雷器仪表读数的自动识别方法 |
CN107239742A (zh) * | 2017-05-11 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种仪表指针刻度值计算方法 |
CN109146974A (zh) * | 2018-09-07 | 2019-01-04 | 广东中粤电力科技有限公司 | 一种指针式仪表读数识别方法及系统 |
CN109409385A (zh) * | 2018-10-16 | 2019-03-01 | 南京鑫和汇通电子科技有限公司 | 一种指针式仪表自动识别方法 |
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN109993166A (zh) * | 2019-04-03 | 2019-07-09 | 同济大学 | 基于刻度查找的指针式仪表读数自动识别方法 |
US20190286115A1 (en) * | 2018-03-15 | 2019-09-19 | Xinxin Wang | Method and system for preventing and detecting hazardously misleading information on safety-critical display |
CN110363202A (zh) * | 2019-07-23 | 2019-10-22 | 深圳中科捷飞科技有限公司 | 指针式仪表数值读取方法及计算机终端 |
-
2020
- 2020-02-25 CN CN202010118032.7A patent/CN111325164B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927507A (zh) * | 2013-01-12 | 2014-07-16 | 山东鲁能智能技术有限公司 | 一种改进的变电站巡检机器人的多仪表读数识别方法 |
CN105091922A (zh) * | 2014-05-04 | 2015-11-25 | 广东工业大学 | 一种基于虚拟表盘的指针表读数识别方法 |
JP2016212044A (ja) * | 2015-05-13 | 2016-12-15 | 大成建設株式会社 | 指針値読取装置および指針値読取プログラム |
CN105741307A (zh) * | 2016-03-03 | 2016-07-06 | 深圳元启智能技术有限公司 | 一种指针式压力表读数自动识别方法 |
CN106529519A (zh) * | 2016-09-19 | 2017-03-22 | 国家电网公司 | 一种电力指针式仪表自动读数识别的方法及系统 |
CN106951900A (zh) * | 2017-04-13 | 2017-07-14 | 杭州申昊科技股份有限公司 | 一种避雷器仪表读数的自动识别方法 |
CN107239742A (zh) * | 2017-05-11 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种仪表指针刻度值计算方法 |
US20190286115A1 (en) * | 2018-03-15 | 2019-09-19 | Xinxin Wang | Method and system for preventing and detecting hazardously misleading information on safety-critical display |
CN109146974A (zh) * | 2018-09-07 | 2019-01-04 | 广东中粤电力科技有限公司 | 一种指针式仪表读数识别方法及系统 |
CN109409385A (zh) * | 2018-10-16 | 2019-03-01 | 南京鑫和汇通电子科技有限公司 | 一种指针式仪表自动识别方法 |
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN109993166A (zh) * | 2019-04-03 | 2019-07-09 | 同济大学 | 基于刻度查找的指针式仪表读数自动识别方法 |
CN110363202A (zh) * | 2019-07-23 | 2019-10-22 | 深圳中科捷飞科技有限公司 | 指针式仪表数值读取方法及计算机终端 |
Non-Patent Citations (3)
Title |
---|
张艳玲;汪仁煌;: "基于纹理分析的仪表读数区域定位新方法" * |
房桦;蒋涛;李红玉;罗浩;李健;杨国庆;: "一种适用于智能变电站巡检机器人的双针仪表读数的识别算法" * |
王延华,等: "结合HSV与局部Hough变换的指针式仪表识别算法" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780142A (zh) * | 2021-09-03 | 2021-12-10 | 华南师范大学 | 基于机器视觉的变压器弧形油温表读取方法和装置 |
CN113780142B (zh) * | 2021-09-03 | 2023-06-09 | 华南师范大学 | 基于机器视觉的变压器弧形油温表读取方法和装置 |
CN113673486A (zh) * | 2021-10-21 | 2021-11-19 | 泰豪软件股份有限公司 | 表计读数识别方法、装置、可读存储介质及计算机设备 |
CN115222817A (zh) * | 2022-08-31 | 2022-10-21 | 成都千嘉科技股份有限公司 | 一种指针式压力表的指针定位方法 |
CN115222817B (zh) * | 2022-08-31 | 2022-11-29 | 成都千嘉科技股份有限公司 | 一种指针式压力表的指针定位方法 |
CN117274966A (zh) * | 2023-11-23 | 2023-12-22 | 江西小马机器人有限公司 | 室外工业仪表监测方法、系统、可读存储介质及计算机 |
CN117274966B (zh) * | 2023-11-23 | 2024-04-19 | 江西小马机器人有限公司 | 室外工业仪表监测方法、系统、可读存储介质及计算机 |
Also Published As
Publication number | Publication date |
---|---|
CN111325164B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325164B (zh) | 指针表示数识别方法、装置和电子设备 | |
CN109993166B (zh) | 基于刻度查找的指针式仪表读数自动识别方法 | |
CN111028213A (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
CN112257676A (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
CN110111387B (zh) | 一种基于表盘特征的指针表定位及读数方法 | |
CN111353502B (zh) | 数字表识别方法、装置以及电子设备 | |
CN112686264A (zh) | 数字式仪表读数方法、装置、计算机设备和存储介质 | |
CN114066862A (zh) | 一种基于色域和轮廓特征的指示器识别方法及系统 | |
CN108764253A (zh) | 指针式仪表数字化方法 | |
CN116703912B (zh) | 一种迷你主机网口完整性视觉检测方法 | |
Yi et al. | A clustering-based algorithm for automatic detection of automobile dashboard | |
CN113591875B (zh) | 一种高精度指针式仪表识别方法 | |
CN113780263A (zh) | 一种压力报警器仪表定位和识别读数方法及装置 | |
CN115471650A (zh) | 一种气体压力仪表读数方法、装置、设备及介质 | |
CN112668578B (zh) | 指针式仪表读数方法、装置、计算机设备和存储介质 | |
CN114742849A (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN114863086A (zh) | 一种基于模板匹配的变电站多表盘多指针识别方法 | |
CN114529803A (zh) | 一种指针仪表识别增强检测方法 | |
CN114581915A (zh) | 一种噪声鲁棒的多类别表盘指针读数识别方法和装置 | |
CN114140620A (zh) | 一种物体直线轮廓检测方法 | |
Vázquez-Fernández et al. | A machine vision system for the calibration of digital thermometers | |
Zhu et al. | Automatic indication recognition of dual pointer meter in thermo-hygrometer calibrator | |
CN116403204B (zh) | 一种圆形指针表智能读数的方法 | |
CN117274966B (zh) | 室外工业仪表监测方法、系统、可读存储介质及计算机 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240902 Address after: 100089, 5th Floor, Building 7, Courtyard A2, West Third Ring North Road, Haidian District, Beijing Patentee after: Zhongguancun Technology Leasing Co.,Ltd. Country or region after: China Address before: Room 0112-32, 01 / F, No.26, shangdixinxi Road, Haidian District, Beijing Patentee before: BEIJING ELITENECT TECHNOLOGIES CO.,LTD. Country or region before: China |