CN112329770A - 一种仪表刻度识别方法及装置 - Google Patents

一种仪表刻度识别方法及装置 Download PDF

Info

Publication number
CN112329770A
CN112329770A CN202011196971.XA CN202011196971A CN112329770A CN 112329770 A CN112329770 A CN 112329770A CN 202011196971 A CN202011196971 A CN 202011196971A CN 112329770 A CN112329770 A CN 112329770A
Authority
CN
China
Prior art keywords
image
pointer
reading
area
screening
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
Application number
CN202011196971.XA
Other languages
English (en)
Other versions
CN112329770B (zh
Inventor
刘晓杰
仇浩
张旻
许娴
薛波
吴全玉
罗印升
贾子彦
王田虎
崔渊
束强
宋伟
俞洋
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 University of Technology
Original Assignee
Jiangsu University of Technology
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 University of Technology filed Critical Jiangsu University of Technology
Priority to CN202011196971.XA priority Critical patent/CN112329770B/zh
Publication of CN112329770A publication Critical patent/CN112329770A/zh
Application granted granted Critical
Publication of CN112329770B publication Critical patent/CN112329770B/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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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

Abstract

本申请公开了一种仪表刻度识别方法及装置，通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；对所述特征图像进行像素筛选，得到筛选图像；为所述筛选图像绘制指针连通域的矩形框；检测所述指针的刻度区域的范围及坐标，根据量程读出读数；验证分析所述读数，判断所述指针是否达到所述警示区域。本申请能够自动识别读数实现数据的实时监控，无须人工干预，并且能够将刻度识别的指针读数自动与仪表的警示区域对比，能够及时报警。

Description

一种仪表刻度识别方法及装置
技术领域
本申请属于图像处理技术领域，设计一种仪表刻度识别方法及装置。
背景技术
对于传统的工厂来说，车间的机器和操作员之间的能见度和沟通度是有限的，特别是对于中小型企业来说，由于大多数的传统机器无法与监控系统之间实现连接，通常是由车间的操作员来监控传统机器上的仪表的。
比如，当操作员在车间操作多台机床时，除非来到车床面前，否则就会因为无法识别机床运行状态而容易出现机床油压过高等安全性问题，此时只能暂停机床，直到问题得到纠正才能运行，这增加了生产中的非生产性闲置时间和能源消耗。而目前能够通过联网传输数据的数控机床只占全部使用机床基数的百分之十左右，其中，中小企业使用机床几乎占据了98％以上，中小企业正在使用的机床大部分没有数据联网功能，使中小企业使用的机床无法实现机床运行数据的实时监控与管理，给中小企业管理带了诸多不便。
因此，目前亟需一种仪表刻度识别方法，来对传统机器的仪表刻度进行识别，以便实现对机器运行数据的实时监控与管理。
发明内容
针对上述问题，本发明提供一种仪表刻度识别方法及装置，来对传统机器的仪表刻度进行识别，以便实现对机器运行数据的实时监控与管理。
基于上述目的，本申请提供的技术方案如下：
一种仪表刻度识别方法，包括以下步骤：
通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；
对所述特征图像进行像素筛选，得到筛选图像；
为所述筛选图像绘制指针连通域的矩形框；
检测所述指针的刻度区域的范围及坐标，根据量程读出读数；
验证分析所述读数，判断所述指针是否达到所述警示区域。
优选地，所述通过图像阈值化分割法提取出仪表的特征图像，具体包括：
将仪表图像归一化转化为固定的尺寸大小；
读取归一化后的所述仪表图像，计算图像像素；
读取图像的颜色分量直方图，设置红色分量的阈值，通过设置RGB不同的阈值，来提取出所述指针和所述警示区域；
提取红色分量的阈值，不满足所述阈值的设置为白色，从而得到所述指针的二值化图像。
优选地，所述对所述特征图像进行像素筛选，得到筛选图像，具体包括：
采用25×25的结构元素对所述特征图像进行腐蚀操作；
通过寻找目标矩阵数值返回索引分析，寻找所述指针和所述警示区域的连通部位；
统计所述指针和所述警示区域的图片像素；
将总数大于特定的像素对应的索引像素位置进行提取，提取出所述指针；
保留的索引像素位置赋值1。
优选地，所述为所述筛选图像绘制指针连通域的矩形框，具体包括：
通过形态学滤波对所述筛选图像进行开运算；
对滤波处理后的所述筛选图像的像素以八邻域联通像素连接方式连接，采用一次遍历图像滤波处理后的图片，并记下指针图像中每一行中连续的团和标记的等价对，然后通过等价对对所述筛选图像进行重新标记；
采用最小矩形绘制出包含所有连通区域的矩形框，完成所述指针的定位。
优选地，所述检测所述指针的刻度区域的范围及坐标，根据量程读出读数，具体包括：
通过查询返回标记的所述连通区域，来确定所述指针图像的每个区域的水平和垂直方向的范围；
根据得到的水平方向的最大值、最小值计算差值，根据得到的垂直方向的最大值、最小值计算差值，并将水平方向的差值与垂直方向的差值进行对比，获得长宽比；
为所述长宽比设定特定阈值，将小于所述特定阈值的长宽比保留；
如果所述长宽比都不在所述特定阈值内，则取面积最大的部分作为指定区域。
优选地，所述验证分析所述读数，判断所述指针是否达到所述警示区域，具体包括：
获得所述指定区域的范围参数后，将水平方向的最大值和最小值做平均数处理，获得所述指针的横坐标；
获取整张图片的尺寸参数，零刻线处的横坐标，末端刻线的横坐标；
基于式Y＝(j-θmin)/(L-θmax)×N，获得指针的读数；
其中，Y为所述的指针读数，θmin为所述部分零刻线横坐标，θmax为所述部分末端刻线的横坐标，L为图片长度，j为指针横坐标，N为刻度表量程；
确定所述指针的读数所在的区间，将所述指针的读数和所述仪表上的区域数值进行对比，如果超出所述警示区域，则进行报警提醒。
一种仪表刻度识别装置，包括：
提取模块，用于通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；
筛选模块，用于对所述特征图像进行像素筛选，得到筛选图像；
绘制模块，用于为所述筛选图像绘制指针连通域的矩形框；
检测模块，用于检测所述指针的刻度区域的范围及坐标，根据量程读出读数；
判断模块，用于验证分析所述读数，判断所述指针是否达到所述警示区域。
应用上述本申请提供的一种仪表刻度识别方法及装置，通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；对所述特征图像进行像素筛选，得到筛选图像；为所述筛选图像绘制指针连通域的矩形框；检测所述指针的刻度区域的范围及坐标，根据量程读出读数；验证分析所述读数，判断所述指针是否达到所述警示区域。本申请能够自动识别读数实现数据的实时监控，无须人工干预，并且能够将刻度识别的指针读数自动与仪表的警示区域对比，能够及时报警。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本申请提供的一种仪表刻度识别方法的流程示意图；
图2为本申请提供的一种仪表刻度识别方法中提取出的指针二值化图像；
图3为本申请提供的一种仪表刻度识别方法中包含指针连通域的矩形框；
图4为本申请提供的一种仪表刻度识别方法中刻度识别的结果展示图；
图5为本申请提供的一种仪表刻度识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
下面，将通过具体实施例对本申请的方案做具体阐述：
图1为本申请提供的一种仪表刻度识别方法的流程示意图。
请参照图1所示，本申请实施例提供的一种仪表刻度识别方法，包括：
S100：通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；
本申请实施例中，所述通过图像阈值化分割法提取出仪表的特征图像，具体可以包括：
将仪表图像归一化转化为固定的尺寸大小；
读取归一化后的所述仪表图像，计算图像像素；
读取图像的颜色分量直方图，设置红色分量的阈值，通过设置RGB不同的阈值，来提取出所述指针和所述警示区域；
提取红色分量的阈值，不满足所述阈值的设置为白色，从而得到所述指针的二值化图像。图2即为本申请提供的一种仪表刻度识别方法中提取出的指针二值化图像。
S200：对所述特征图像进行像素筛选，得到筛选图像；
在本申请实施例中，所述对所述特征图像进行像素筛选，得到筛选图像，具体可以包括：
采用25×25的结构元素对所述特征图像进行腐蚀操作；
通过寻找目标矩阵数值返回索引分析，寻找所述指针和所述警示区域的连通部位；
统计所述指针和所述警示区域的图片像素；
将总数大于特定的像素对应的索引像素位置进行提取，提取出所述指针；
保留的索引像素位置赋值1。
S300：为所述筛选图像绘制指针连通域的矩形框；
图3为本申请提供的一种仪表刻度识别方法中包含指针连通域的矩形框；在本申请实施例中，所述为所述筛选图像绘制指针连通域的矩形框，具体可以包括：
通过形态学滤波对所述筛选图像进行开运算；
对滤波处理后的所述筛选图像的像素以八邻域联通像素连接方式连接，采用一次遍历图像滤波处理后的图片，并记下指针图像中每一行中连续的团和标记的等价对，然后通过等价对对所述筛选图像进行重新标记；
采用最小矩形绘制出包含所有连通区域的矩形框，完成所述指针的定位。
S400：检测所述指针的刻度区域的范围及坐标，根据量程读出读数；
在本申请实施例中，所述检测所述指针的刻度区域的范围及坐标，根据量程读出读数，具体可以包括：
通过查询返回标记的所述连通区域，来确定所述指针图像的每个区域的水平和垂直方向的范围；
根据得到的水平方向的最大值、最小值计算差值，根据得到的垂直方向的最大值、最小值计算差值，并将水平方向的差值与垂直方向的差值进行对比，获得长宽比；
为所述长宽比设定特定阈值，将小于所述特定阈值的长宽比保留；
如果所述长宽比都不在所述特定阈值内，则取面积最大的部分作为指定区域。
S500：验证分析所述读数，判断所述指针是否达到所述警示区域。
图4为本申请提供的一种仪表刻度识别方法中刻度识别的结果展示图；在本申请实施例中，所述验证分析所述读数，判断所述指针是否达到所述警示区域，具体可以包括：
获得所述指定区域的范围参数后，将水平方向的最大值和最小值做平均数处理，获得所述指针的横坐标；
获取整张图片的尺寸参数，零刻线处的横坐标，末端刻线的横坐标；
基于式Y＝(j-θmin)/(L-θmax)×N，获得指针的读数；
其中，Y为所述的指针读数，θmin为所述部分零刻线横坐标，θmax为所述部分末端刻线的横坐标，L为图片长度，j为指针横坐标，N为刻度表量程；
确定所述指针的读数所在的区间，将所述指针的读数和所述仪表上的区域数值进行对比，如果超出所述警示区域，则进行报警提醒。
本申请实施例提供的仪表刻度识别方法，通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；对所述特征图像进行像素筛选，得到筛选图像；为所述筛选图像绘制指针连通域的矩形框；检测所述指针的刻度区域的范围及坐标，根据量程读出读数；验证分析所述读数，判断所述指针是否达到所述警示区域。本申请能够自动识别读数实现数据的实时监控，无须人工干预，并且能够将刻度识别的指针读数自动与仪表的警示区域对比，能够及时报警。
在将本申请实施例提供的方案应用到对油压表进行识别时，可以通过摄像头采集油压表的原始图像并进行ROI裁剪；对裁剪后的图像，通过图像阈值化分割法提取出具有特征性颜色的指针和油压表的警示区域；通过对函数输入的检查法分析筛选出指针；对筛选出的图像，通过形态学滤波对图像进行开闭运算；基于连通域标记将滤波处理后的指针图像连接，并绘制连通域的矩形框得到指针坐标；检测刻度区域的范围及坐标，对应零刻度时的坐标，根据量程求得具体读数；验证分析读数，从而判断油压表是否达到警示区域而导致超压。
图4为本申请提供的一种仪表刻度识别装置的结构示意图。
请参照图4所示，本申请实施例提供的一种仪表刻度识别装置，包括：
提取模块1，用于通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；
优选地，所述通过图像阈值化分割法提取出仪表的特征图像，具体包括：
将仪表图像归一化转化为固定的尺寸大小；
读取归一化后的所述仪表图像，计算图像像素；
读取图像的颜色分量直方图，设置红色分量的阈值，通过设置RGB不同的阈值，来提取出所述指针和所述警示区域；
提取红色分量的阈值，不满足所述阈值的设置为白色，从而得到所述指针的二值化图像。
筛选模块2，用于对所述特征图像进行像素筛选，得到筛选图像；
优选地，所述对所述特征图像进行像素筛选，得到筛选图像，具体包括：
采用25×25的结构元素对所述特征图像进行腐蚀操作；
通过寻找目标矩阵数值返回索引分析，寻找所述指针和所述警示区域的连通部位；
统计所述指针和所述警示区域的图片像素；
将总数大于特定的像素对应的索引像素位置进行提取，提取出所述指针；
保留的索引像素位置赋值1。
绘制模块3，用于为所述筛选图像绘制指针连通域的矩形框；
优选地，所述为所述筛选图像绘制指针连通域的矩形框，具体包括：
通过形态学滤波对所述筛选图像进行开运算；
对滤波处理后的所述筛选图像的像素以八邻域联通像素连接方式连接，采用一次遍历图像滤波处理后的图片，并记下指针图像中每一行中连续的团和标记的等价对，然后通过等价对对所述筛选图像进行重新标记；
采用最小矩形绘制出包含所有连通区域的矩形框，完成所述指针的定位。
检测模块4，用于检测所述指针的刻度区域的范围及坐标，根据量程读出读数；
优选地，所述检测所述指针的刻度区域的范围及坐标，根据量程读出读数，具体包括：
通过查询返回标记的所述连通区域，来确定所述指针图像的每个区域的水平和垂直方向的范围；
根据得到的水平方向的最大值、最小值计算差值，根据得到的垂直方向的最大值、最小值计算差值，并将水平方向的差值与垂直方向的差值进行对比，获得长宽比；
为所述长宽比设定特定阈值，将小于所述特定阈值的长宽比保留；
如果所述长宽比都不在所述特定阈值内，则取面积最大的部分作为指定区域。
判断模块5，用于验证分析所述读数，判断所述指针是否达到所述警示区域。
优选地，所述验证分析所述读数，判断所述指针是否达到所述警示区域，具体包括：
获得所述指定区域的范围参数后，将水平方向的最大值和最小值做平均数处理，获得所述指针的横坐标；
获取整张图片的尺寸参数，零刻线处的横坐标，末端刻线的横坐标；
基于式Y＝(j-θmin)/(L-θmax)×N，获得指针的读数；
其中，Y为所述的指针读数，θmin为所述部分零刻线横坐标，θmax为所述部分末端刻线的横坐标，L为图片长度，j为指针横坐标，N为刻度表量程；
确定所述指针的读数所在的区间，将所述指针的读数和所述仪表上的区域数值进行对比，如果超出所述警示区域，则进行报警提醒。
本申请实施例提供的仪表刻度识别装置与上文方法实施例中的仪表刻度识别方法相对应，可以彼此参照，此处不再详细阐述。
本申请实施例提供的仪表刻度识别方法，通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；对所述特征图像进行像素筛选，得到筛选图像；为所述筛选图像绘制指针连通域的矩形框；检测所述指针的刻度区域的范围及坐标，根据量程读出读数；验证分析所述读数，判断所述指针是否达到所述警示区域。本申请能够自动识别读数实现数据的实时监控，无须人工干预，并且能够将刻度识别的指针读数自动与仪表的警示区域对比，能够及时报警。
在将本申请实施例提供的方案应用到对油压表进行识别时，可以通过摄像头采集油压表的原始图像并进行ROI裁剪；对裁剪后的图像，通过图像阈值化分割法提取出具有特征性颜色的指针和油压表的警示区域；通过对函数输入的检查法分析筛选出指针；对筛选出的图像，通过形态学滤波对图像进行开闭运算；基于连通域标记将滤波处理后的指针图像连接，并绘制连通域的矩形框得到指针坐标；检测刻度区域的范围及坐标，对应零刻度时的坐标，根据量程求得具体读数；验证分析读数，从而判断油压表是否达到警示区域而导致超压。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种仪表刻度识别方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种仪表刻度识别方法，其特征在于，包括以下步骤：
通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；
对所述特征图像进行像素筛选，得到筛选图像；
为所述筛选图像绘制指针连通域的矩形框；
检测所述指针的刻度区域的范围及坐标，根据量程读出读数；
验证分析所述读数，判断所述指针是否达到所述警示区域。
2.根据权利要求1所述的方法，其特征在于，所述通过图像阈值化分割法提取出仪表的特征图像，具体包括：
将仪表图像归一化转化为固定的尺寸大小；
读取归一化后的所述仪表图像，计算图像像素；
读取图像的颜色分量直方图，设置红色分量的阈值，通过设置RGB不同的阈值，来提取出所述指针和所述警示区域；
提取红色分量的阈值，不满足所述阈值的设置为白色，从而得到所述指针的二值化图像。
3.根据权利要求1所述方法，其特征在于，所述对所述特征图像进行像素筛选，得到筛选图像，具体包括：
采用25×25的结构元素对所述特征图像进行腐蚀操作；
通过寻找目标矩阵数值返回索引分析，寻找所述指针和所述警示区域的连通部位；
统计所述指针和所述警示区域的图片像素；
将总数大于特定的像素对应的索引像素位置进行提取，提取出所述指针；
保留的索引像素位置赋值1。
4.根据权利要求1所述的方法，其特征在于，所述为所述筛选图像绘制指针连通域的矩形框，具体包括：
通过形态学滤波对所述筛选图像进行开运算；
对滤波处理后的所述筛选图像的像素以八邻域联通像素连接方式连接，采用一次遍历图像滤波处理后的图片，并记下指针图像中每一行中连续的团和标记的等价对，然后通过等价对对所述筛选图像进行重新标记；
采用最小矩形绘制出包含所有连通区域的矩形框，完成所述指针的定位。
5.根据权利要求4所述的方法，其特征在于，所述检测所述指针的刻度区域的范围及坐标，根据量程读出读数，具体包括：
通过查询返回标记的所述连通区域，来确定所述指针图像的每个区域的水平和垂直方向的范围；
根据得到的水平方向的最大值、最小值计算差值，根据得到的垂直方向的最大值、最小值计算差值，并将水平方向的差值与垂直方向的差值进行对比，获得长宽比；
为所述长宽比设定特定阈值，将小于所述特定阈值的长宽比保留；
如果所述长宽比都不在所述特定阈值内，则取面积最大的部分作为指定区域。
6.根据权利要求5所述的方法，其特征在于，所述验证分析所述读数，判断所述指针是否达到所述警示区域，具体包括：
获得所述指定区域的范围参数后，将水平方向的最大值和最小值做平均数处理，获得所述指针的横坐标；
获取整张图片的尺寸参数，零刻线处的横坐标，末端刻线的横坐标；
基于式Y＝(j-θmin)/(L-θmax)×N，获得指针的读数；
其中，Y为所述的指针读数，θmin为所述部分零刻线横坐标，θmax为所述部分末端刻线的横坐标，L为图片长度，j为指针横坐标，N为刻度表量程；
确定所述指针的读数所在的区间，将所述指针的读数和所述仪表上的区域数值进行对比，如果超出所述警示区域，则进行报警提醒。
7.一种仪表刻度识别装置，其特征在于，包括：
提取模块，用于通过图像阈值化分割法提取出仪表图像的特征图像；所述特征图像包括具有特征性颜色的指针和仪表的警示区域；
筛选模块，用于对所述特征图像进行像素筛选，得到筛选图像；
绘制模块，用于为所述筛选图像绘制指针连通域的矩形框；
检测模块，用于检测所述指针的刻度区域的范围及坐标，根据量程读出读数；
判断模块，用于验证分析所述读数，判断所述指针是否达到所述警示区域。
CN202011196971.XA 2020-10-30 2020-10-30 一种仪表刻度识别方法及装置 Active CN112329770B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011196971.XA CN112329770B (zh) 2020-10-30 2020-10-30 一种仪表刻度识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011196971.XA CN112329770B (zh) 2020-10-30 2020-10-30 一种仪表刻度识别方法及装置

Publications (2)

Publication Number Publication Date
CN112329770A true CN112329770A (zh) 2021-02-05
CN112329770B CN112329770B (zh) 2024-02-23

Family

ID=74323780

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011196971.XA Active CN112329770B (zh) 2020-10-30 2020-10-30 一种仪表刻度识别方法及装置

Country Status (1)

Country Link
CN (1) CN112329770B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113556376A (zh) * 2021-04-13 2021-10-26 林润泉 一种设备监控方法、系统及设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3998215B1 (ja) * 2007-03-29 2007-10-24 国立大学法人山口大学 画像処理装置、画像処理方法及び画像処理プログラム
CN104197900A (zh) * 2014-09-16 2014-12-10 江苏天诚车饰科技有限公司 一种汽车仪表指针刻度识别方法
CN104484857A (zh) * 2014-12-26 2015-04-01 国网重庆市电力公司电力科学研究院 一种仪表数据读取方法及系统
CN105303168A (zh) * 2015-10-14 2016-02-03 南京第五十五所技术开发有限公司 一种多视角的指针式仪表识别方法和装置
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
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
CN108121985A (zh) * 2017-11-21 2018-06-05 武汉中元华电科技股份有限公司 一种基于机器视觉的双指针仪表读数方法
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
US20190095739A1 (en) * 2017-09-27 2019-03-28 Harbin Institute Of Technology Adaptive Auto Meter Detection Method based on Character Segmentation and Cascade Classifier
CN109544628A (zh) * 2018-11-23 2019-03-29 福州大学 一种指针式仪表的准确读数识别系统及方法
JP2020038188A (ja) * 2018-08-30 2020-03-12 株式会社オージス総研 メータ読取装置、メータ読取方法及びコンピュータプログラム
CN111401357A (zh) * 2020-02-12 2020-07-10 杭州电子科技大学 基于文本检测的指针式仪表读数方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3998215B1 (ja) * 2007-03-29 2007-10-24 国立大学法人山口大学 画像処理装置、画像処理方法及び画像処理プログラム
CN104197900A (zh) * 2014-09-16 2014-12-10 江苏天诚车饰科技有限公司 一种汽车仪表指针刻度识别方法
CN104484857A (zh) * 2014-12-26 2015-04-01 国网重庆市电力公司电力科学研究院 一种仪表数据读取方法及系统
CN105303168A (zh) * 2015-10-14 2016-02-03 南京第五十五所技术开发有限公司 一种多视角的指针式仪表识别方法和装置
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
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
US20190095739A1 (en) * 2017-09-27 2019-03-28 Harbin Institute Of Technology Adaptive Auto Meter Detection Method based on Character Segmentation and Cascade Classifier
CN108121985A (zh) * 2017-11-21 2018-06-05 武汉中元华电科技股份有限公司 一种基于机器视觉的双指针仪表读数方法
JP2020038188A (ja) * 2018-08-30 2020-03-12 株式会社オージス総研 メータ読取装置、メータ読取方法及びコンピュータプログラム
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
CN109544628A (zh) * 2018-11-23 2019-03-29 福州大学 一种指针式仪表的准确读数识别系统及方法
CN111401357A (zh) * 2020-02-12 2020-07-10 杭州电子科技大学 基于文本检测的指针式仪表读数方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ZHU LI等: "A High-Robust Automatic Reading Algorithmof Pointer Meters Based on Text Detection", 《SENSORS》, pages 1 - 17 *
冀辰宇 等: "基于颜色提取方法的仪表彩色指针识别", 《东北电力大学学报》, vol. 32, no. 3, pages 79 - 82 *
刘晓杰 等: "图像处理技术在船舶水尺刻度线检测中的应用", 《舰船科学技术》, vol. 39, no. 16, pages 10 - 12 *
梁宏希 等: "仪表图像检测技术研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 10, pages 138 - 418 *
陆康康 等: "基于阈值分割法增加识别点提高图像识别准确率的研究", 《江苏理工学院学报》, vol. 25, no. 2, pages 54 - 57 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113556376A (zh) * 2021-04-13 2021-10-26 林润泉 一种设备监控方法、系统及设备

Also Published As

Publication number Publication date
CN112329770B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
CN110097034B (zh) 一种智能人脸健康程度的识别与评估方法
CN106056597B (zh) 物体视觉检测方法及装置
CN111310645A (zh) 货物堆积量的溢仓预警方法、装置、设备及存储介质
CN109472261B (zh) 一种基于计算机视觉的粮仓储粮数量变化自动监测方法
CN111209876A (zh) 一种漏油缺陷检测方法及系统
CN112149512A (zh) 一种基于两阶段深度学习的安全帽佩戴识别方法
CN111639568A (zh) 一种用于变电站智能机器人的导航巡视方法
CN107966449A (zh) 一种油液清洁度检测仪及其检测方法
CN112419260A (zh) 一种pcb文字区域缺陷检测方法
CN114049624A (zh) 一种基于机器视觉的船舶舱室智能检测方法及系统
CN114972230A (zh) 一种生产线上电路板缺陷检测方法及系统
CN112329770B (zh) 一种仪表刻度识别方法及装置
CN103699876A (zh) 一种基于线阵ccd图像识别车号的方法及装置
CN116524205A (zh) 一种污水曝气自动检测识别方法
CN203337559U (zh) 印品质量数字化全自动检测系统
CN112465910B (zh) 一种目标拍摄距离获取方法、装置、存储介质及电子设备
CN112445849B (zh) 一种报表分析方法及装置
CN113160220A (zh) 一种基于深度学习的检测门把手归位和弯曲的方法
CN114441452A (zh) 一种光纤尾纤检测方法
CN108898187A (zh) 一种自动识别配电房指示设备图像的方法及装置
CN116543327A (zh) 作业人员工种识别的方法、装置、计算机设备及存储介质
CN111882537B (zh) 视觉检测方法及系统
CN115343313A (zh) 基于人工智能的视觉识别方法
CN209946948U (zh) 一种pc构件的智能复检设备
CN112288747A (zh) 一种钢坯的智能检测方法及装置

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
GR01 Patent grant
GR01 Patent grant