CN113052178A - 一种基于机器视觉的玻璃液位计识别方法及其系统 - Google Patents

一种基于机器视觉的玻璃液位计识别方法及其系统 Download PDF

Info

Publication number
CN113052178A
CN113052178A CN201911373214.2A CN201911373214A CN113052178A CN 113052178 A CN113052178 A CN 113052178A CN 201911373214 A CN201911373214 A CN 201911373214A CN 113052178 A CN113052178 A CN 113052178A
Authority
CN
China
Prior art keywords
liquid level
level meter
image
machine vision
identification method
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
CN201911373214.2A
Other languages
English (en)
Inventor
曲道奎
宋健
徐方
王晓东
姜楠
王冠
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.)
Shenyang Siasun Robot and Automation Co Ltd
Original Assignee
Shenyang Siasun Robot and Automation 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 Shenyang Siasun Robot and Automation Co Ltd filed Critical Shenyang Siasun Robot and Automation Co Ltd
Priority to CN201911373214.2A priority Critical patent/CN113052178A/zh
Publication of CN113052178A publication Critical patent/CN113052178A/zh
Pending legal-status Critical Current

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
    • G06V10/26—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
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/02—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by gauge glasses or other apparatus involving a window or transparent tube for directly observing the level to be measured or the level of a liquid column in free communication with the main body of the liquid
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Fluid Mechanics (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

本发明涉及仪表测量技术领域，特别涉及一种基于机器视觉的玻璃液位计识别方法及其系统；本发明先获取各个液位计的图像；然后将获取的液位计图像进行模型训练，将每张液位计图像进行分割，分割成四个区域，四个区域分别为液位计刻度板面区域、液位计中间红色液位指示区域、液位计反光块区域和其它区域；再对分割的四个区域的进行分类标记；最后计算每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比，从而得到当前液位刻度值；本发明通过拍摄液位计图像即可得到识别结果，不需要对现有使用的液位计进行改造，节省了人力成本和设备维护成本，而且可以适应各式现场环境得到准确的识别结果。

Description

一种基于机器视觉的玻璃液位计识别方法及其系统
技术领域
本发明涉及仪表测量技术领域，特别涉及一种基于机器视觉的玻璃液位计识别方法及其系统。
背景技术
玻璃管液位计是一种直读式液位测量仪表，根据流体的连通性原理来测量液位。适应于工业生产过程中一般贮液设备中的液体位置的现场检测；因其结构简单，成本低廉，测量准确，不阻塞、不渗漏，安装方便，维修简单，是石油、化工等工业领域的中使用最为普遍的液位测量设备。
由于这种液位计本身的使用特性，目前对容器的日常监测读数都需要人工现场完成；面对众多的装有液位计的容器设备，完成所有液位计监测读数也需要投入很大的人工成本。
目前，非人力自动化监测主要通过在现有的设备上加装电路板实现，但这种方式对普遍使用的磁翻板液位计的结果造成干扰，并且，电子设备容易发生故障，导致加装和维护成本加大。
发明内容
本发明主要解决的技术问题是提供一种基于机器视觉的玻璃液位计识别方法，通过拍摄液位计图像即可得到识别结果，不需要对现有使用的液位计进行改造，一定程度节省了人力成本和设备维护成本，而且可以适应各式现场环境得到准确的识别结果；还提供一种基于机器视觉的玻璃液位计识别系统。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于机器视觉的玻璃液位计识别方法，其中，包括如下步骤：
步骤S1、获取各个液位计的图像；
步骤S2、将获取的液位计图像进行模型训练，将每张液位计图像进行分割，分割成四个区域，四个区域分别为液位计刻度板面区域、液位计中间红色液位指示区域、液位计反光块区域和其它区域；
步骤S3、对分割的四个区域的进行分类标记；
步骤S4、计算每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比，从而得到当前液位刻度值。
作为本发明的一种改进，在步骤S1内，调整各个监控摄像机的位置，从而拍摄各个液位计的相片，获取各个液位计的图像。
作为本发明的进一步改进，在步骤S1内，将获取的液位计图像进行归一化处理为RGB三通道图像。
作为本发明的更进一步改进，在步骤S2内，模型训练采用迁移学习模型训练方法。
作为本发明的更进一步改进，在步骤S3内，对分割的四个区域的进行mark区域分类标记，并对每张液位计图像进行数据增强扩充图像处理。
作为本发明的更进一步改进，所述数据增强扩充图像处理包括随机剪切、HSV颜色抖动、透视变换及畸变校正处理。
作为本发明的更进一步改进，在步骤S3内，进行mark区域分类标记时，当液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半时，则返回步骤S1内，调整监控摄像机的位置，重新拍摄液位计的相片。
作为本发明的更进一步改进，在步骤S3内，当液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半时，进行了五次返回步骤S1，调整监控摄像机的位置，仍出现液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半的情况，则进行报警由人工进行处理。
作为本发明的更进一步改进，在步骤S4内，计算每张液位计图像中液位计刻度板面区域的高度以及液位计中间红色液位指示区域的高度，从而计算出每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比。
一种基于机器视觉的玻璃液位计识别系统，其中，包括
监控摄像机，用于拍摄液位计的相片从而获取各个液位计的图像；
分割模块，用于将获取的液位计图像进行模型训练，将每张液位计图像进行分割，分割成四个区域，四个区域分别为液位计刻度板面区域、液位计中间红色液位指示区域、液位计反光块区域和其它区域；
标记模块，用于对分割的四个区域的进行分类标记；
计算模块，用于计算每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比，从而得到当前液位刻度值。
本发明的有益效果是：与现有技术相比，本发明通过拍摄液位计图像即可得到识别结果，不需要对现有使用的液位计进行改造，节省了人力成本和设备维护成本，而且可以适应各式现场环境得到准确的识别结果。
附图说明
图1为本发明的一种基于机器视觉的玻璃液位计识别方法的步骤框图；
图2为本发明的步骤S1采集的图像样本的式样图；
图3为本发明的一种基于机器视觉的玻璃液位计识别系统的框图；
附图标记：1-液位计，2-液位计刻度板面区域，3-液位计中间红色液位指示区域，4-液位计反光块区域。
具体实施方式
本发明提供一种基于机器视觉的玻璃液位计识别方法，包括如下步骤：
步骤S1、获取各个液位计的图像；
步骤S2、将获取的液位计图像进行模型训练，将每张液位计图像进行分割，分割成四个区域，四个区域分别为液位计刻度板面区域、液位计中间红色液位指示区域、液位计反光块区域和其它区域；
步骤S3、对分割的四个区域的进行分类标记；
步骤S4、计算每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比，从而得到当前液位刻度值。
本发明通过拍摄液位计图像即可得到识别结果，不需要对现有使用的液位计进行改造，节省了人力成本和设备维护成本，而且可以适应各式现场环境得到准确的识别结果。
在步骤S1内，调整各个监控摄像机的位置，从而拍摄各个液位计的相片，获取各个液位计的图像。
进一步，在步骤S1内，将获取的液位计图像进行归一化处理为RGB三通道图像；具体地讲，对当前待监测容器，获取其正面包含完整液位计的彩色图像，然后将图像归一化为512*512的RGB三通道图像。
在本发明内，在步骤S2内，模型训练采用迁移学习模型训练方法，迁移学习模型训练方法中应用语义分割网络方法，建立resnet34+upsampling的架构，其卷积层中的每一个池化层前一刻的激活值会concatenate到对应的上采样层的激活，指定resnet34层的低2,4,5,6的激活值保存起来，在语义分割网络训练中上采样过程中衔接到对应的上采样层中，这里的上采样使用转置卷积操作；训练使用Lovasz loss并使用Adam算法进行网络权重更新，则batchsize＝32，训练eporch为100。
在本发明内，对采集的液位计板面进行区域分割，进而分析识别结果，迁移学习和数据增强方法不必用大量的训练数据得到良好效果。
在本发明中，在步骤S3内，对分割的四个区域的进行mark区域分类标记，并对每张液位计图像进行数据增强扩充图像处理，具体地讲，对每张采集的图像做mark区域分类标记，分割mask图像一共可以包含四类内容，如图2中的液位计刻度板面区域2，液位计中间红色液位指示区域3，液位计反光块区域4，及其他部分区域，比如将mask图像上标注为0、1、2、3类别，对mask图像进行分析，首先在mask图像上分别搜索0、1、2类别连通域的最大外界矩形框，进行标识为R0、R1、R2，如果R2团块的宽度大于R1宽度的一半视为反光对识别产生的影响不可忽视，则需要调整拍摄位置重新拍摄，如果多次尝试均无法摆脱此类问题，需要上报进行人工处理；最后，根据下面公式计算当前刻度值v：
Figure BDA0002340238570000051
其中，L表示液位计量程。
在本发明内，数据增强扩充图像处理包括随机剪切、HSV颜色抖动、透视变换及畸变校正处理。
在本发明内，在步骤S3内，进行mark区域分类标记时，当液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半时，则返回步骤S1内，调整监控摄像机的位置，重新拍摄液位计的相片；如果，在步骤S3内，当液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半时，进行了五次返回步骤S1，调整监控摄像机的位置，仍出现液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半的情况，则进行报警由人工进行处理。
在本发明内，在步骤S4内，计算每张液位计图像中液位计刻度板面区域的高度以及液位计中间红色液位指示区域的高度，从而计算出每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比。
如图3所示，本发明提供一种基于机器视觉的玻璃液位计识别系统，包括：
监控摄像机，用于拍摄液位计的相片从而获取各个液位计的图像；
分割模块，用于将获取的液位计图像进行模型训练，将每张液位计图像进行分割，分割成四个区域，四个区域分别为液位计刻度板面区域、液位计中间红色液位指示区域、液位计反光块区域和其它区域；
标记模块，用于对分割的四个区域的进行分类标记；
计算模块，用于计算每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比，从而得到当前液位刻度值。
本发明的一种基于机器视觉的玻璃液位计识别系统通过机器视觉识别的方法，仅通过拍摄液位计图像即可得到识别结果，不需要对现有使用的液位计进行改造，节省了人力成本和设备维护成本，其可以适应各式现场环境得到准确的识别结果。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于机器视觉的玻璃液位计识别方法，其特征在于，包括如下步骤：
步骤S1、获取各个液位计的图像；
步骤S2、将获取的液位计图像进行模型训练，将每张液位计图像进行分割，分割成四个区域，四个区域分别为液位计刻度板面区域、液位计中间红色液位指示区域、液位计反光块区域和其它区域；
步骤S3、对分割的四个区域的进行分类标记；
步骤S4、计算每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比，从而得到当前液位刻度值。
2.根据权利要求1所述的一种基于机器视觉的玻璃液位计识别方法，其特征在于，在步骤S1内，调整各个监控摄像机的位置，从而拍摄各个液位计的相片，获取各个液位计的图像。
3.根据权利要求1所述的一种基于机器视觉的玻璃液位计识别方法，其特征在于，在步骤S1内，将获取的液位计图像进行归一化处理为RGB三通道图像。
4.根据权利要求2所述的一种基于机器视觉的玻璃液位计识别方法，其特征在于，在步骤S2内，模型训练采用迁移学习模型训练方法。
5.根据权利要求4所述的一种基于机器视觉的玻璃液位计识别方法，其特征在于，在步骤S3内，对分割的四个区域的进行mark区域分类标记，并对每张液位计图像进行数据增强扩充图像处理。
6.根据权利要求5所述的一种基于机器视觉的玻璃液位计识别方法，其特征在于，所述数据增强扩充图像处理包括随机剪切、HSV颜色抖动、透视变换及畸变校正处理。
7.根据权利要求6所述的一种基于机器视觉的玻璃液位计识别方法，其特征在于，在步骤S3内，进行mark区域分类标记时，当液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半时，则返回步骤S1内，调整监控摄像机的位置，重新拍摄液位计的相片。
8.根据权利要求7所述的一种基于机器视觉的玻璃液位计识别方法，其特征在于，在步骤S3内，当液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半时，进行了五次返回步骤S1，调整监控摄像机的位置，仍出现液位计反光块区域的宽度大于或等于液位计中间红色液位指示区域的宽度的一半的情况，则进行报警由人工进行处理。
9.根据权利要求1所述的一种基于机器视觉的玻璃液位计识别方法，其特征在于，在步骤S4内，计算每张液位计图像中液位计刻度板面区域的高度以及液位计中间红色液位指示区域的高度，从而计算出每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比。
10.一种基于机器视觉的玻璃液位计识别系统，其特征在于，包括监控摄像机，用于拍摄液位计的相片从而获取各个液位计的图像；
分割模块，用于将获取的液位计图像进行模型训练，将每张液位计图像进行分割，分割成四个区域，四个区域分别为液位计刻度板面区域、液位计中间红色液位指示区域、液位计反光块区域和其它区域；
标记模块，用于对分割的四个区域的进行分类标记；
计算模块，用于计算每张液位计图像中液位计刻度板面区域与液位计中间红色液位指示区域的高度比，从而得到当前液位刻度值。
CN201911373214.2A 2019-12-27 2019-12-27 一种基于机器视觉的玻璃液位计识别方法及其系统 Pending CN113052178A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911373214.2A CN113052178A (zh) 2019-12-27 2019-12-27 一种基于机器视觉的玻璃液位计识别方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911373214.2A CN113052178A (zh) 2019-12-27 2019-12-27 一种基于机器视觉的玻璃液位计识别方法及其系统

Publications (1)

Publication Number Publication Date
CN113052178A true CN113052178A (zh) 2021-06-29

Family

ID=76506214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911373214.2A Pending CN113052178A (zh) 2019-12-27 2019-12-27 一种基于机器视觉的玻璃液位计识别方法及其系统

Country Status (1)

Country Link
CN (1) CN113052178A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809168A (zh) * 2015-12-23 2016-07-27 佛山市质量计量监督检测中心 标准恒温槽玻璃温度计的图像模糊识别方法
US20180068460A1 (en) * 2016-09-06 2018-03-08 Taiwan Intelligent Robotic Company, Ltd. Liquid Level Detecting System and Method thereof
WO2018092238A1 (ja) * 2016-11-17 2018-05-24 三菱電機株式会社 水位計測装置及び水位計測方法
CN109255344A (zh) * 2018-08-15 2019-01-22 华中科技大学 一种基于机器视觉的数显式仪表定位与读数识别方法
CN109447061A (zh) * 2018-09-29 2019-03-08 南京理工大学 基于巡检机器人的电抗器油位计识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809168A (zh) * 2015-12-23 2016-07-27 佛山市质量计量监督检测中心 标准恒温槽玻璃温度计的图像模糊识别方法
US20180068460A1 (en) * 2016-09-06 2018-03-08 Taiwan Intelligent Robotic Company, Ltd. Liquid Level Detecting System and Method thereof
WO2018092238A1 (ja) * 2016-11-17 2018-05-24 三菱電機株式会社 水位計測装置及び水位計測方法
CN109255344A (zh) * 2018-08-15 2019-01-22 华中科技大学 一种基于机器视觉的数显式仪表定位与读数识别方法
CN109447061A (zh) * 2018-09-29 2019-03-08 南京理工大学 基于巡检机器人的电抗器油位计识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李学聪, 汪仁煌, 唐苏湘等: "指针式仪表图像的六步预处理方法", 《电测与仪表》, vol. 49, no. 12, pages 28 - 31 *

Similar Documents

Publication Publication Date Title
WO2021238030A1 (zh) 基于聚类分区进行刻度识别的水位监测方法
CN111612763B (zh) 手机屏幕缺陷检测方法、装置及系统、计算机设备及介质
US20210334574A1 (en) Commodity detection terminal, commodity detection method, system, computer device, and computer readable medium
CN108759973A (zh) 一种水位测量方法
CN104657711B (zh) 一种鲁棒的指针式仪表读数自动识别方法
CN106529537A (zh) 一种数字仪表读数图像识别方法
CN111368906B (zh) 一种基于深度学习的指针式油位计读数识别方法
CN114005108A (zh) 一种基于坐标变换的指针式仪表度数识别方法
JP2023533644A (ja) マシン視覚に基づく透明度検出方法
CN113469178A (zh) 一种基于深度学习的电力表计识别方法
CN116844147A (zh) 一种基于深度学习的指针式仪表识别和异常警报方法
CN112036409A (zh) 一种液位计的读数识别方法及装置
CN112836726B (zh) 一种基于视频信息的指针类仪表示数读取方法及装置
CN115578695B (zh) 一种自由拍摄视角的水尺水位机器视觉检测方法及装置
CN117037132A (zh) 一种基于机器视觉的船舶水尺读数检测和识别方法
CN116011480B (zh) 基于二维码标识符的水位获取方法、装置、设备及介质
CN115797299B (zh) 一种光学复合膜的缺陷检测方法
CN113052178A (zh) 一种基于机器视觉的玻璃液位计识别方法及其系统
CN115588196A (zh) 基于机器视觉的指针型仪表读数方法和装置
CN107796323A (zh) 一种基于光斑视频信号智能分析的桥梁微变检测系统
CN108734706A (zh) 一种融合区域分布特性与边缘尺度角度信息的转子绕线图像检测方法
CN111189826B (zh) 用于pH试纸测量待测溶液pH值的智能评分实验设备及方法
CN112508986B (zh) 一种基于深度卷积网络与随机场的水位测量方法
CN111161264A (zh) 一种对含有缺陷的tft电路图像的分割方法
CN110222688A (zh) 一种基于多层次相关滤波的仪表定位方法

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