CN112989963A - 一种基于图形识别的洛氏硬度试验过程监督判定方法 - Google Patents

一种基于图形识别的洛氏硬度试验过程监督判定方法 Download PDF

Info

Publication number
CN112989963A
CN112989963A CN202110206283.5A CN202110206283A CN112989963A CN 112989963 A CN112989963 A CN 112989963A CN 202110206283 A CN202110206283 A CN 202110206283A CN 112989963 A CN112989963 A CN 112989963A
Authority
CN
China
Prior art keywords
scale
value
image
rockwell hardness
method based
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
CN202110206283.5A
Other languages
English (en)
Other versions
CN112989963B (zh
Inventor
杨忠梅
贾宇阳
张士慧
宫巨龙
雷海英
张春花
鲍广超
习开鹏
吴春洪
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.)
Tangshan Stainless Steel Co ltd
Tangshan Iron and Steel Group Co Ltd
Original Assignee
Tangshan Stainless Steel Co ltd
Tangshan Iron and Steel 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 Tangshan Stainless Steel Co ltd, Tangshan Iron and Steel Group Co Ltd filed Critical Tangshan Stainless Steel Co ltd
Priority to CN202110206283.5A priority Critical patent/CN112989963B/zh
Publication of CN112989963A publication Critical patent/CN112989963A/zh
Application granted granted Critical
Publication of CN112989963B publication Critical patent/CN112989963B/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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/02—Details
    • G01N3/06—Special adaptations of indicating or recording means
    • G01N3/062—Special adaptations of indicating or recording means with mechanical indicating or recording means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/02—Details
    • G01N3/06—Special adaptations of indicating or recording means
    • G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/40—Investigating hardness or rebound hardness
    • G01N3/42—Investigating hardness or rebound hardness by performing impressions under a steady load by indentors, e.g. sphere, pyramid
    • G01N3/44—Investigating hardness or rebound hardness by performing impressions under a steady load by indentors, e.g. sphere, pyramid the indentors being put under a minor load and a subsequent major load, i.e. Rockwell system
    • 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 using 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058—Kind of property studied
    • G01N2203/0076—Hardness, compressibility or resistance to crushing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/06—Indicating or recording means; Sensing means
    • G01N2203/0605—Mechanical indicating, recording or sensing means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/06—Indicating or recording means; Sensing means
    • G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
    • G01N2203/0647—Image analysis
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于图形识别的洛氏硬度试验过程监督判定方法，属于图像处理技术领域。本发明的技术方案是：在硬度计表盘附近安装网络摄像头，通过Python处理程序读取摄像头视频流，经过对动态视频的处理计算，识别出指针开始运动点即为试验开始点，启动6段倒计时语音提醒，试验结束后，采集表盘画面，以图像中表针的偏转角度来计算表盘刻度，输出硬度结果数值。本发明的有益效果是：实现了手动洛氏硬度计的自动计时与自动报数，使得手动洛氏硬度计达到自动硬度计的精准度，并能够自动输出硬度值，提高了结果的准确性。

Description

一种基于图形识别的洛氏硬度试验过程监督判定方法
技术领域
本发明涉及一种基于图形识别的洛氏硬度试验过程监督判定方法，属于图像处理技术领域。
背景技术
洛氏硬度试验作为能直观反映钢产品强度高低的试验，在实际生产中应用广泛，目前洛氏硬度计的种类包括全自动硬度计和手动硬度计，因标准对硬度试验初试验力加力时间和保持时间、主试验力加力时间和保持时间等具体步骤都有明确的时间规定，时间过长过短都可能影响结果准确性，造成试验作废，对于全自动硬度计，由仪器本身自动完成各个步骤试验并显示结果，无需人为干涉，过程统一，结果准确，对于手动硬度计，操作过程必须依靠操作者来进行掌控，结果人为通过表盘刻度读取。目前主流的硬度计为全自动型，因全自动硬度计与手动硬度计价格相差数倍，更换成本太高。每个人操作不同会产生误差，易造成时间超时或操作过程时间长短不一，检验人员疲于重复性的读取记录读数，在此过程中容易产生疏忽，影响试验结果准确性，针对这一应用特点，设计一种基于图形识别的洛氏硬度试验过程监督判定方法具有重要的实用价值。
发明内容
本发明目的是提供一种基于图形识别的洛氏硬度试验过程监督判定方法，能够自动判断试验开始并分步进行语音提示，通过对试验结束后的表盘图像进行指针角度读取，转化为刻度数值，实现了操作过程统一化和数值报出准确化；通过敏感度调节，对于拍摄过程中由于角度、光照、污迹等产生的干扰具有良好的抵抗能力和适应性，实现了表盘刻度自动识别显示，避免检验人员疲于重复性的读数记录，克服了在此过程中容易产生疏忽，影响检测质量的不足，有效地解决了背景技术中存在的上述问题。
本发明的技术方案是：一种基于图形识别的洛氏硬度试验过程监督判定方法，包含以下步骤：
步骤一、利用OpenCV中的python处理程序读取相机拍摄的含有仪表盘的视频流；
步骤二、对所述步骤一得到的视频流，进行图像处理，转为灰度图；
步骤三、对灰度化的视频流，利用视频流前一帧做为背景，当前帧与前一帧作比较，用高斯滤波Gaussian进行模糊处理，用absdiff两幅图差的绝对值输出到另一幅图上面来；
步骤四、对差值图像用threshold进行像素值阈值分类赋予的新的像素值，二值化操作，通过腐蚀膨胀dilate操作去除噪声，用findContours检测图像的物体轮廓，黑色表示背景，白色表示物体，在黑色背景里寻找白色物体的轮廓；
步骤五、计算整个轮廓面积和两帧图像之间变化了的像素点，来确定图像中是否有动作产生，通过轮廓面积的大小来设置运动检测敏感度，用contourArea过滤掉自己不想要的面积范围的轮廓，小于敏感数值表示未运动，大于敏感数值表示开始运动；
步骤六、检测到表针开始运动后，启动分段倒计时并进行语音提示，经过6段操作倒计时后，试验结束；
步骤七、采集结束后的图像，将模板预先读入进来，进行模板匹配，用模板A在图片B上进行匹配，通过A在B上的滑动，不断计算A与匹配区域之间的像素差异，通过绝对值和误差评估方式，最终选择匹配程度最高的区域；
步骤八、进行图像的灰度化，中值滤波预处理；
步骤九、使用circle函数对圆区域进行绘制，根据情况调节最小半径和最大半径，来取得最好的圆检测信息，circle中的颜色调节函数Scalar采用的是BGR的顺序；
步骤十、采用Hough直线检测的方法进行指针定位，而后通过直线上的点与圆的关系将错误检测的直线进行过滤，采用可以连续调节Canny算子和Hough检测阈值的方法，来选择适合于方案的阈值；
步骤十一、采用HoughLine霍夫变换进行指针细化；
步骤十二、在得到圆心信息和直线信息后，用math.h反切函数atan2(x, y)，以x，y相对于0，0点的位置在不同象限上进行计算角度实际值；
步骤十三、表盘刻度为0-100之间，将360角度转换成100刻度值，精确到小数点后2位，输出数值。
所述步骤一中相机为工业相机，像素为1280×960。
所述步骤五中检测敏感度的确定，数值越小，敏感度越高，但数值太小会将光线变化误判为运动开始。
所述步骤六中开始计时后，由于设备及语音播报有延迟，将第1段倒计时时间减小0.5秒用以补偿。
所述步骤十二中计算角度时，以x，y相对于0，0点的位置在不同象限上进行计算角度实际值，计算角度时，输出范围为（-pi，pi），除第三象限，其他象限都为((3*pi/2)-原角度）*180/pi=((3*3.14159/2)- atan2(x, y)）*180/3.14159，第三象限为((-pi/2)-原角度）*180/pi=((-3.14159/2)- atan2(x, y)）*180/3.14159，进行角度纠正。
所述步骤十三中当使用标尺HRA或HRC时，表盘零点为刻度零点，直接记录数值，当使用HRBW标尺时，表盘零点为刻度30，刻度值加上30的补偿值作为记录数值。
本发明的有益效果是：能够自动判断试验开始并分步进行语音提示，通过对试验结束后的表盘图像进行指针角度读取，转化为刻度数值，实现了操作过程统一化和数值报出准确化；通过敏感度调节，对于拍摄过程中由于角度、光照、污迹等产生的干扰具有良好的抵抗能力和适应性，实现了表盘刻度自动识别显示，避免检验人员疲于重复性的读数记录，克服了在此过程中容易产生疏忽，影响检测质量的不足。
附图说明
图1是本发明的流程示意图。
具体实施方式
为了使发明实施案例的目的、技术方案和优点更加清楚，下面将结合实施案例中的附图，对本发明实施案例中的技术方案进行清晰的、完整的描述，显然，所表述的实施案例是本发明一小部分实施案例，而不是全部的实施案例，基于本发明中的实施案例，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案例，都属于本发明保护范围。
一种基于图形识别的洛氏硬度试验过程监督判定方法，包含以下步骤：
步骤一、利用OpenCV中的python处理程序读取相机拍摄的含有仪表盘的视频流；
步骤二、对所述步骤一得到的视频流，进行图像处理，转为灰度图；
步骤三、对灰度化的视频流，利用视频流前一帧做为背景，当前帧与前一帧作比较，用高斯滤波Gaussian进行模糊处理，用absdiff两幅图差的绝对值输出到另一幅图上面来；
步骤四、对差值图像用threshold进行像素值阈值分类赋予的新的像素值，二值化操作，通过腐蚀膨胀dilate操作去除噪声，用findContours检测图像的物体轮廓，黑色表示背景，白色表示物体，在黑色背景里寻找白色物体的轮廓；
步骤五、计算整个轮廓面积和两帧图像之间变化了的像素点，来确定图像中是否有动作产生，通过轮廓面积的大小来设置运动检测敏感度，用contourArea过滤掉自己不想要的面积范围的轮廓，小于敏感数值表示未运动，大于敏感数值表示开始运动；
步骤六、检测到表针开始运动后，启动分段倒计时并进行语音提示，经过6段操作倒计时后，试验结束；
步骤七、采集结束后的图像，将模板预先读入进来，进行模板匹配，用模板A在图片B上进行匹配，通过A在B上的滑动，不断计算A与匹配区域之间的像素差异，通过绝对值和误差评估方式，最终选择匹配程度最高的区域；
步骤八、进行图像的灰度化，中值滤波预处理；
步骤九、使用circle函数对圆区域进行绘制，根据情况调节最小半径和最大半径，来取得最好的圆检测信息，circle中的颜色调节函数Scalar采用的是BGR的顺序；
步骤十、采用Hough直线检测的方法进行指针定位，而后通过直线上的点与圆的关系将错误检测的直线进行过滤，采用可以连续调节Canny算子和Hough检测阈值的方法，来选择适合于方案的阈值；
步骤十一、采用HoughLine霍夫变换进行指针细化；
步骤十二、在得到圆心信息和直线信息后，用math.h反切函数atan2(x, y)，以x，y相对于0，0点的位置在不同象限上进行计算角度实际值；
步骤十三、表盘刻度为0-100之间，将360角度转换成100刻度值，精确到小数点后2位，输出数值。
所述步骤一中相机为工业相机，像素为1280×960。
所述步骤五中检测敏感度的确定，数值越小，敏感度越高，但数值太小会将光线变化误判为运动开始。
所述步骤六中开始计时后，由于设备及语音播报有延迟，将第1段倒计时时间减小0.5秒用以补偿。
所述步骤十二中计算角度时，以x，y相对于0，0点的位置在不同象限上进行计算角度实际值，计算角度时，输出范围为（-pi，pi），除第三象限，其他象限都为((3*pi/2)-原角度）*180/pi=((3*3.14159/2)- atan2(x, y)）*180/3.14159，第三象限为((-pi/2)-原角度）*180/pi=((-3.14159/2)- atan2(x, y)）*180/3.14159，进行角度纠正。
所述步骤十三中当使用标尺HRA或HRC时，表盘零点为刻度零点，直接记录数值，当使用HRBW标尺时，表盘零点为刻度30，刻度值加上30的补偿值作为记录数值。
在实际应用中，如图1，一种基于图形识别的洛氏硬度试验过程监督判定方法，包括以下步骤：
步骤一、利用OpenCV中的python处理程序读取摄像头拍摄的含有仪表盘的视频流，相机为工业相机，像素为1280*960；
步骤二、对所述步骤一得到的视频流，进行图像处理，转为灰度图；
步骤三、对灰度化的视频流，利用视频流前一帧做为背景，当前帧与前一帧作比较，用高斯滤波Gaussian进行模糊处理，用absdiff两幅图差的绝对值输出到另一幅图上面来；
步骤四、对差值图像用threshold进行像素值阈值分类赋予的新的像素值，二值化操作，通过腐蚀膨胀dilate操作去除噪声，用findContours检测图像的物体轮廓，黑色表示背景，白色表示物体，在黑色背景里寻找白色物体的轮廓；
步骤五、计算整个轮廓面积和两帧图像之间变化了的像素点，来确定图像中是否有动作产生，通过轮廓面积的大小来设置运动检测敏感度，用contourArea过滤掉自己不想要的面积范围的轮廓，小于敏感数值表示未运动，大于敏感数值表示开始运动，检测敏感度数值越小，敏感度越高，但数值太小会将光线变化误判为运动开始，确定500为运动临界值；
步骤六、检测到表针开始运动后，启动分段倒计时并进行语音提示，开始计时后，由于设备及语音播报有延迟，将第1段倒计时时间减小0.5秒用以补偿，经过6段操作倒计时后，试验结束，分段提示详情为：
第1段计时，时长1.5秒（实际为2秒，补偿0.5秒），语音提示内容为“初试验力保持”，
第2段计时，时长3秒，语音提示内容为“主试验力加载”，
第3段计时，时长4秒，语音提示内容为“主试验力保持”，
第4段计时，时长5秒，语音提示内容为“主试验力卸除”，
第5段计时，时长2秒，语音提示内容为“保持”，
第6段计时，时长4秒，语音提示内容为“读数”；
步骤七、采集结束后的图像，将模板预先读入进来，进行模板匹配，用模板A在图片B上进行匹配，通过A在B上的滑动，不断计算A与匹配区域之间的像素差异，通过绝对值和误差评估方式，最终选择匹配程度最高的区域；
步骤八、进行图像的灰度化，中值滤波预处理；
步骤九、使用circle函数对圆区域进行绘制，根据情况调节最小半径和最大半径，来取得最好的圆检测信息，circle中的颜色调节函数Scalar采用的是BGR的顺序；
步骤十、采用Hough直线检测的方法进行指针定位，而后通过直线上的点与圆的关系将错误检测的直线进行过滤，采用可以连续调节Canny算子和Hough检测阈值的方法，来选择适合于方案的阈值，阈值1为23，阈值2为55；
步骤十一、采用HoughLine霍夫变换进行指针细化；
步骤十二、在得到圆心信息和直线信息后，用math.h反切函数atan2(x, y)，以x，y相对于0，0点的位置在不同象限上进行计算角度实际值，计算角度时，输出范围为（-pi，pi），除第三象限，其他象限都为((3*pi/2)-原角度）*180/pi=((3*3.14159/2)- atan2(x,y)）*180/3.14159，第三象限为((-pi/2)-原角度）*180/pi=((-3.14159/2)- atan2(x,y)）*180/3.14159，进行角度纠正；
步骤十三、表盘刻度为0-100之间，将360角度转换成100刻度值，计算公式为，刻度=（角度/量程角度）*量程刻度=（角度/360）*100，精确到小数点后2位，输出数值，当使用标尺HRA或HRC时，表盘零点为刻度零点，直接记录数值，当使用HRBW标尺时，表盘零点为刻度30，刻度值加上30的补偿值作为记录数值。
需要注意的是，以上所述的实施例仅是本发明的优选实施方式，本发明的技术特征并不局限于此。任何本领域的技术人员在本发明的领域内，只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进；或未经改进，将本发明的上述构思和技术方案直接应用于其它场合的，都属于本发明所保护的范围。

Claims (6)

1.一种基于图形识别的洛氏硬度试验过程监督判定方法，其特征在于包含以下步骤：
步骤一、利用OpenCV中的python处理程序读取相机拍摄的含有仪表盘的视频流；
步骤二、对所述步骤一得到的视频流，进行图像处理，转为灰度图；
步骤三、对灰度化的视频流，利用视频流前一帧做为背景，当前帧与前一帧作比较，用高斯滤波Gaussian进行模糊处理，用absdiff两幅图差的绝对值输出到另一幅图上面来；
步骤四、对差值图像用threshold进行像素值阈值分类赋予的新的像素值，二值化操作，通过腐蚀膨胀dilate操作去除噪声，用findContours检测图像的物体轮廓，黑色表示背景，白色表示物体，在黑色背景里寻找白色物体的轮廓；
步骤五、计算整个轮廓面积和两帧图像之间变化了的像素点，来确定图像中是否有动作产生，通过轮廓面积的大小来设置运动检测敏感度，用contourArea过滤掉自己不想要的面积范围的轮廓，小于敏感数值表示未运动，大于敏感数值表示开始运动；
步骤六、检测到表针开始运动后，启动分段倒计时并进行语音提示，经过6段操作倒计时后，试验结束；
步骤七、采集结束后的图像，将模板预先读入进来，进行模板匹配，用模板A在图片B上进行匹配，通过A在B上的滑动，不断计算A与匹配区域之间的像素差异，通过绝对值和误差评估方式，最终选择匹配程度最高的区域；
步骤八、进行图像的灰度化，中值滤波预处理；
步骤九、使用circle函数对圆区域进行绘制，根据情况调节最小半径和最大半径，来取得最好的圆检测信息，circle中的颜色调节函数Scalar采用的是BGR的顺序；
步骤十、采用Hough直线检测的方法进行指针定位，而后通过直线上的点与圆的关系将错误检测的直线进行过滤，采用可以连续调节Canny算子和Hough检测阈值的方法，来选择适合于方案的阈值；
步骤十一、采用HoughLine霍夫变换进行指针细化；
步骤十二、在得到圆心信息和直线信息后，用math.h反切函数atan2(x, y)，以x，y相对于0，0点的位置在不同象限上进行计算角度实际值；
步骤十三、表盘刻度为0-100之间，将360角度转换成100刻度值，精确到小数点后2位，输出数值。
2.根据权利要求1所述的一种基于图形识别的洛氏硬度试验过程监督判定方法，其特征在于：所述步骤一中相机为工业相机，像素为1280×960。
3.根据权利要求1所述的一种基于图形识别的洛氏硬度试验过程监督判定方法，其特征在于：所述步骤五中检测敏感度的确定，数值越小，敏感度越高，但数值太小会将光线变化误判为运动开始。
4.根据权利要求1所述的一种基于图形识别的洛氏硬度试验过程监督判定方法，其特征在于：所述步骤六中开始计时后，由于设备及语音播报有延迟，将第1段倒计时时间减小0.5秒用以补偿。
5.根据权利要求1所述的一种基于图形识别的洛氏硬度试验过程监督判定方法，其特征在于：所述步骤十二中计算角度时，以x，y相对于0，0点的位置在不同象限上进行计算角度实际值，计算角度时，输出范围为（-pi，pi），除第三象限，其他象限都为((3*pi/2)-原角度）*180/pi=((3*3.14159/2)- atan2(x, y)）*180/3.14159，第三象限为((-pi/2)-原角度）*180/pi=((-3.14159/2)- atan2(x, y)）*180/3.14159，进行角度纠正。
6.根据权利要求1所述的一种基于图形识别的洛氏硬度试验过程监督判定方法，其特征在于：所述步骤十三中当使用标尺HRA或HRC时，表盘零点为刻度零点，直接记录数值，当使用HRBW标尺时，表盘零点为刻度30，刻度值加上30的补偿值作为记录数值。
CN202110206283.5A 2021-02-24 2021-02-24 一种基于图形识别的洛氏硬度试验过程监督判定方法 Active CN112989963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110206283.5A CN112989963B (zh) 2021-02-24 2021-02-24 一种基于图形识别的洛氏硬度试验过程监督判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110206283.5A CN112989963B (zh) 2021-02-24 2021-02-24 一种基于图形识别的洛氏硬度试验过程监督判定方法

Publications (2)

Publication Number Publication Date
CN112989963A true CN112989963A (zh) 2021-06-18
CN112989963B CN112989963B (zh) 2022-10-18

Family

ID=76350024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110206283.5A Active CN112989963B (zh) 2021-02-24 2021-02-24 一种基于图形识别的洛氏硬度试验过程监督判定方法

Country Status (1)

Country Link
CN (1) CN112989963B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102307274A (zh) * 2011-08-31 2012-01-04 南京南自信息技术有限公司 基于边缘检测和帧差法的运动检测方法
CN103697929A (zh) * 2013-12-27 2014-04-02 青岛东田汽车电子科技有限公司 仪表指针运动状态的检测方法
CN103955907A (zh) * 2014-04-17 2014-07-30 国家电网公司 指针式sf6气体密度表的遥测方法
CN104913797A (zh) * 2015-05-29 2015-09-16 广州供电局有限公司 指针式仪表的读数识别方法及系统
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
CN107507221A (zh) * 2017-07-28 2017-12-22 天津大学 结合帧差法和混合高斯模型的运动目标检测与跟踪方法
CN108256524A (zh) * 2018-01-24 2018-07-06 国家电网公司 一种多表盘指针式仪表的自动读数方法
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
CN109102523A (zh) * 2018-07-13 2018-12-28 南京理工大学 一种运动目标检测和跟踪方法
CN110287875A (zh) * 2019-06-25 2019-09-27 腾讯科技（深圳）有限公司 视频目标的检测方法、装置、电子设备和存储介质
CN110580480A (zh) * 2019-07-21 2019-12-17 天津大学 基于图像处理的表计读数识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102307274A (zh) * 2011-08-31 2012-01-04 南京南自信息技术有限公司 基于边缘检测和帧差法的运动检测方法
CN103697929A (zh) * 2013-12-27 2014-04-02 青岛东田汽车电子科技有限公司 仪表指针运动状态的检测方法
CN103955907A (zh) * 2014-04-17 2014-07-30 国家电网公司 指针式sf6气体密度表的遥测方法
CN104913797A (zh) * 2015-05-29 2015-09-16 广州供电局有限公司 指针式仪表的读数识别方法及系统
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
CN107507221A (zh) * 2017-07-28 2017-12-22 天津大学 结合帧差法和混合高斯模型的运动目标检测与跟踪方法
CN108256524A (zh) * 2018-01-24 2018-07-06 国家电网公司 一种多表盘指针式仪表的自动读数方法
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
CN109102523A (zh) * 2018-07-13 2018-12-28 南京理工大学 一种运动目标检测和跟踪方法
CN110287875A (zh) * 2019-06-25 2019-09-27 腾讯科技（深圳）有限公司 视频目标的检测方法、装置、电子设备和存储介质
CN110580480A (zh) * 2019-07-21 2019-12-17 天津大学 基于图像处理的表计读数识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李沛玲: "基于数字图像处理技术的指针式仪表自动检定系统的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
杜静 等: "基于HOUGH变换的指针式压力表自动识别算法", 《机床与液压》 *

Also Published As

Publication number Publication date
CN112989963B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN114627111B (zh) 一种纺织品缺陷检测识别装置
CN115294113B (zh) 一种木饰面板质量检测方法
CN107220645B (zh) 基于动态图像处理的水表识别方法
CN110501342B (zh) 一种筒子纱纱杆定位视觉检测方法
CN116843678B (zh) 一种硬碳电极生产质量检测方法
CN108846397B (zh) 一种基于图像处理的电缆半导电层自动检测方法
CN115018844B (zh) 一种基于人工智能的塑料薄膜质量评估方法
CN107610119B (zh) 基于直方图分解的带钢表面缺陷精准检测方法
CN112858351A (zh) 一种基于机器视觉的x射线无损探伤方法
CN108645490A (zh) 基于图像处理技术的冷水水表视觉检测系统及检测方法
CN115983687A (zh) 一种冷轧带钢质量智能检测管理系统及方法
CN109461156A (zh) 基于视觉的螺纹密封塞装配检测方法
CN114563942A (zh) 一种钟表三指针平行度测量方法、设备、存储介质
CN112989963B (zh) 一种基于图形识别的洛氏硬度试验过程监督判定方法
CN110243475B (zh) 一种基于机器视觉识别技术的织物色差检测方法
CN116958983A (zh) 一种基于机器视觉的指针式压力表自动校验仪示值读数方法
CN111638042A (zh) 一种dlp光学特性测试分析方法
CN116381053A (zh) 一种用于金属材料焊接的超声波检测方法及系统
CN114549403B (zh) 一种机械零部件侧剖面多单体智能精密几何圆心检测方法
CN110007068B (zh) 一种尿液漏滴检测方法
CN112763495A (zh) 一种手机电池尺寸和外观缺陷检测系统及检测方法
WO2020130786A1 (en) A method of analyzing visual inspection image of a substrate for corrosion determination
CN108986080B (zh) 一种射线数字图像调制度确定方法及应用
CN112070710A (zh) 工业品缺陷图像检测的方法
CN113447381B (zh) 一种布氏硬度检测方法及检测系统

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