CN113673486A - 表计读数识别方法、装置、可读存储介质及计算机设备 - Google Patents
表计读数识别方法、装置、可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN113673486A CN113673486A CN202111223903.2A CN202111223903A CN113673486A CN 113673486 A CN113673486 A CN 113673486A CN 202111223903 A CN202111223903 A CN 202111223903A CN 113673486 A CN113673486 A CN 113673486A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- meter
- pointer
- scale
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 70
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 23
- 238000013136 deep learning model Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005215 recombination Methods 0.000 claims description 4
- 230000006798 recombination Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种表计读数识别方法、装置、可读存储介质及计算机设备，所述方法包括：利用预训练的表计检测模型获取表盘区域图像；对表盘区域图像进行分析提取得到有效图像区域；通过极坐标变换将有效图像区域展开成矩形；通过对展开成矩形的有效图像区域进行水平投影，得到刻度区域局部图像和指针区域局部图像；对刻度区域局部图像进行垂直投影获取到的数据对指针区域局部图像进行重组得到读数识别目标图像；对读数识别目标图像进行垂直投影得到对应的投影曲线，通过投影曲线的极小值位置确定指针所在的位置，后通过线性映射得到表计的仪表读数。本发明解决了现有技术中无法实时自动对表计读数进行获取的问题。
Description
技术领域
本发明涉及图像识别技术领域，特别涉及一种表计读数识别方法、装置、可读存储介质及计算机设备。
背景技术
表计，作为一种计量检测装置，主要用来根据用户的不同需求测量不同的变量，例如，压力、扭矩等，而SF6表计作为表计的一种，主要用来测量被检测设备的压力值，被广泛用于变电站内设备，用于测量变电站内设备的压力值，通过实时读取表计的读数有效的监控设备的运行状态。
现有技术中，大部分通过人工巡检的方式对表计的读数进行获取，然而，人工巡检存在周期，无法实时监控设备压力状态并对异常指标提前预警、自动化程度低。
发明内容
有鉴于此，本发明的目的在于提供一种表计读数识别方法、装置、可读存储介质及计算机设备，旨在解决现有技术中无法实时自动对表计读数进行获取的问题。
本发明是这样实现的：一种表计读数识别方法，所述方法包括：
利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像；
对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域；
以所述外接圆的半径、圆心为参数，通过极坐标变换将所述有效图像区域展开成矩形；
通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像；
对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像；
对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数。
进一步的，上述表计读数识别方法，其中，所述利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像的步骤之前包括：
获取表计检测样本图像，制作训练数据集；
构建目标检测深度学习模型，通过所述目标检测深度学习模型对所述训练数据集进行训练，并获取每个训练周期内得到的模型权重；
评估各个所述模型权重，并将所述模型权重最优的目标检测深度学习模型作为表计检测模型。
进一步的，上述表计读数识别方法，其中，所述利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像的步骤包括：
利用预训练的表计检测模型获取当前帧图像中表计的检测框位置信息，所述检测框位置信息包括检测框左上顶点的图像坐标以及检测框的宽高，根据所述检测框的宽高获取表盘区域图像。
进一步的，上述表计读数识别方法，其中，所述对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域的步骤之前还包括：
将所述表盘区域图像从RGB颜色空间转换至HSV颜色空间，后对所述表盘区域的HSV图像进行阈值处理。
进一步的，上述表计读数识别方法，其中，所述通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像的步骤包括：
获取所述展开成矩形的有效图像区域的水平投影曲线，根据所述水平投影曲线确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像；
其中，获取所述水平投影曲线的公式为：
其中，
为水平方向投影数组，
分别为展开图的行、列索引，W为图像宽度，
为对应位置的灰度值。
进一步的，上述表计读数识别方法，其中，所述对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像的步骤中，获取所述投影差分曲线的公式为：
其中，
为刻度局部区域图像的垂直投影的数组，
为垂直投影左移d像素的宽度得到的数组，
为投影差分曲线。
进一步的，上述表计读数识别方法，其中，所述对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数的步骤中，所述线性映射式为：
其中，
为指针局部区域图像的宽度，
为投影极小值位置，
为输入的量程范围最小值，
输入的量程范围最大值；μ为比例系数，表示每个像素宽度对应的读数范围，N为仪表读数。
本发明的另一个目的在于提供一种表计读数识别装置，其特征在于，所述装置包括：
提取模块，用于利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像；
拟合模块，用于对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域；
展开模块，用于以所述外接圆的半径、圆心为参数，通过极坐标变换将所述有效图像区域展开成矩形；
确定模块，用于通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像；
重组模块，用于对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像；
读数获取模块，用于对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数。。
本发明的另一个目的是提供一种可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的方法的步骤。
本发明的另一个目的是提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法的步骤。
本发明通过获取检测到的图像中表计的表盘区域图像，对表盘区域图像进行颜色分析获取有效的图像区域，并对有效的图像区域进行展开、水平投影得到刻度区域局部图像和指针区域局部图像，后利用刻度区域局部图像进行垂直投影后得到的数据对指针区域局部图像进行重组得到可以进行读数识别的读数识别目标图像，对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数，从而能够对表计上的读数进行实时自动的识别，解决了现有技术中无法实时自动对表计读数进行获取的问题。
附图说明
图1为本发明第一实施例提出的表计读数识别方法的流程图；
图2为本发明一实施例提出的表计读数识别方法中表计区域图像获取的状态变化图；
图3为本发明一实施例提出的表计读数识别方法中展开成矩形的有效图像区域的水平投影曲线；
图4为本发明一实施例提出的表计读数识别方法中刻度局部区域图像和指针局部区域图像的示意图；
图5为本发明一实施例提出的表计读数识别方法中刻度区域局部图像的投影差分曲线的示意图；
图6为本发明第二实施例提出的表计读数识别方法的流程图；
图7为本发明第三实施例提出的表计读数识别装置的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
以下将结合具体实施例和附图来详细说明如何实现对表计读数的自动获取以提升表计读数的自动程度。
实施例一
请参阅图1，所示为本发明第一实施例中的表计读数识别方法，包括步骤S10~步骤S15。
步骤S10，利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像。
其中，通过图像采集装置获取捕捉到的当前帧图像，其中，当前帧图像可能包含一个或多个表计，或者不包含任何表计，因此，利用预训练的表计检测模型对当前帧图像中的表计进行检测，当检测到当前帧图像中含有表计时，提取该表计的表盘区域图像。
步骤S11，对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域。
一般的，表计的刻度条区域都有设置明显的颜色特征以区分不同等级的检测数值，例如，在本实施例当中，刻度条区域主要由黄、绿、红这三种颜色的条段组成，因此，可以利用刻度条区域具有不同颜色条段的颜色特征获取刻度条的掩膜图像，并利用最小外接圆拟合掩模图像中的前景像素，得到有效图像区域，其中，将外接圆圆心视为表盘中心，外接圆的半径范围内的区域视为有效图像区域，其中，图像处理的变化状态过程如图2所示。
在本发明一些可选的实施例当中，为了增加图像的清晰度，在获取掩膜图像后，利用形态学对掩膜图像进行去噪。
步骤S12，以所述外接圆的半径、圆心为参数，通过极坐标变换将所述有效图像区域展开成矩形。
具体的，展开成矩形的图像的宽度方向为表盘的有效图像区域的切向方向，展开成矩形的图像的高度方向为径向方向。在具体实施时，首先指定展开后矩形图像的宽高，在本实施例当中，展开图的宽度指定为720，即每0.5度圆心角进行一次采用；展开的图像的高度指定为外接圆半径的两倍。然后根据映射方程将展开的图像的每个点映射到展开前的图像，并通过插值的方式计算展开的图像的像素值，得到展开成矩形的有效图像区域，需要说明的是，在本实施例当中，插值方法采用双线性插值；为了保证后续图像处理的准确性，一般会对展开后的图像进行灰度化处理。
步骤S13，通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像。
其中，水平投影指的是按照每一行将展开成矩形的有效图像区域的灰度值进行累加，得到一个一维统计数组，数组的宽度与展开的图像的高度相等，通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像。
在本发明的一些可选的实施例当中，如图3所示，可以获取所述展开成矩形的有效图像区域的水平投影曲线，根据所述水平投影曲线确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像。
其中，获取所述水平投影曲线的公式为：
其中，
为水平方向投影数组，
分别为展开图的行、列索引，W为图像宽度，
为对应位置的灰度值。
请参阅图3，可以判断水平投影曲线的极小值（A点）为指针区域的起始位置；从A点高度结束范围的B点位值，B点可以通过对该投影数组求差分算得。至此，可确定区间(A, B)为指针区域的高度范围；区间(B, 图像高度)为刻度区域的高度范围。通过此参数，从展开成矩形的有效图像区域中截取刻度区域局部图像和指针区域局部图像，并且对局部图像进行OTSU二值化，如图4所示。
步骤S14，对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像。
具体地，垂直投影方法类似上述水平投影，区别在于其投影方向为宽度方向，得到的投影数组的宽度为展开图的宽度。得到投影数组后，计算差分投影曲线，如下式：
其中，
为刻度局部区域图像的垂直投影的数组，
为垂直投影左移d的宽度得到的数组，
为投影差分曲线。
需要说明，该左移为循环左移，即当索引值为-1，则代表实际索引为宽度-1所在的位置，具体地，在本实施例中，左移的像素宽度为2，得到的差分投影曲线如图5所示。
由于极坐标变换时不能指定宽度开始对应的位置，所以需要通过分析刻度条起始和终止位置确定指针区域的有效范围，并将指针区域图像进行重组。在图5所示的差分投影曲线中，极大值为刻度条的结束位置，记为we；极小值为刻度条的起始位置，记为ws。于是，对指针局部区域图像进行重组，获取最终的用于读数识别的目标图像，如下式：
式中，
为读数识别目标图像；
为指针局部区域图像，
为其宽度；
为拼接符号，表示将两幅图像进行拼接。
步骤S15，对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数。
具体的，所述线性映射式为：
其中，
为指针局部区域图像的宽度，
为投影极小值位置，
为输入的量程范围最小值，
输入的量程范围最大值；μ为比例系数，表示每个像素宽度对应的读数范围，N为仪表读数。
综上，本发明上述实施例中的表计读数识别方法，通过获取检测到的图像中表计的表盘区域图像，对表盘区域图像进行颜色分析获取有效的图像区域，并对有效的图像区域进行展开、水平投影得到刻度区域局部图像和指针区域局部图像，后利用刻度区域局部图像进行垂直投影后得到的数据对指针区域局部图像进行重组得到可以进行读数识别的读数识别目标图像，对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数，从而能够对表计上的读数进行实时自动的识别，解决了现有技术中无法实时自动对表计读数进行获取的问题。
实施例二
请参阅图6，所示为本发明第二实施例中的表计识别方法，包括步骤S20~步骤S29。
步骤S20，获取表计检测样本图像，制作训练数据集；
具体地，表计检测样本图像中包括包含一个或多个表计的正样本，不包含需要监测的表计或包含其他表计的负样本。在本实施例当中，采集了600幅符合上述要求的样本图像，其中作为训练集的样本500幅，作为验证集的样本100幅。
进一步地，对样本图像进行标注，标注的对象为图像中的表计的bounding-box和标签，例如，以SF6表计为例，SF6表计的标签为SF6，其他类型的表计标注为其他。
在本发明一些可选的实施例当中，为了增加表计检测模型检测提取的准确性，在样本图像标注完成后，可以对训练数据集进行图像扩充。在一个具体的实施方式中，采用了HSV颜色阈值变换、反转和旋转图像的方式对训练数据集进行扩充。
步骤S21，构建目标检测深度学习模型，通过所述目标检测深度学习模型对所述训练数据集进行训练，并获取每个训练周期内得到的模型权重。
具体地，基于深度学习算法构建目标检测模型，目标检测的类别为需要监测的表计和其他表计两类。具体算法可根据实际情况选用先进的目标检测模型，包括不限于YOLO系列、RCNN系列等。
在本实施例当中，基于PyTorch框架搭建了YOLOv4模型作为目标检测网络，网络的主干采用CSP-DarkNet53，损失函数采用DIoU和Softmax交叉熵。在训练过程中，模型训练优化方法采用SGD函数；训练周期为200 epoches，其中冻结主干网络训练50周期；冻结期间，批大小为8，初始学习率为0.001，解冻后批大小为4，初始学习率设置为0.0001。从解冻周期开始，保存每个周期得到的权重。
步骤S22，评估各个所述模型权重，并将所述模型权重最优的目标检测深度学习模型作为表计检测模型。
具体实施时，利用在验证集上的损失值，选取损失最低的10个权重文件；然后利用mAP 0.75作为评估指标，选取指标得分最高的权重为模型最优权重。
在本实施例当中，通过表计检测模型可以初步提取表计所在图像区域，去除大部分的背景干扰。本实施例的方案能够无需输入大量先验知识，通过输入的单帧图片自动识别表计图像。
步骤S23，利用预训练的表计检测模型获取当前帧图像中表计的检测框位置信息，所述检测框位置信息包括检测框左上顶点的图像坐标以及检测框的宽高，根据所述检测框的宽高获取表盘区域图像。
其中，考虑到图像中应该有清晰的指针和刻度的边缘细节，所以检测框宽或检测高小于200像素的表盘区域会被过滤。然后，利用检测框的位置信息，便可将满足条件的表盘区域从原图中提取出来。
步骤S24，将所述表盘区域图像从RGB颜色空间转换至HSV颜色空间，后对所述表盘区域的HSV图像进行阈值处理。
具体实施时，首先将图像从RGB颜色空间转换至HSV颜色空间，然后对表盘区域的HSV图像进行阈值处理，如下所示：
其中，
分别为HSV三个通道的像素值范围；
为颜色分析得到的掩模图像的像素值；
分别为HSV图像三个通道的像素值。
步骤S25，对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域。
步骤S26，以所述外接圆的半径、圆心为参数，通过极坐标变换将所述有效图像区域展开成矩形。
步骤S27，通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像。
步骤S28，对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像。
步骤S29，对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数。
综上，本发明实施例，通过获取检测到的图像中表计的表盘区域图像，对表盘区域图像进行颜色分析获取有效的图像区域，并对有效的图像区域进行展开、水平投影得到刻度区域局部图像和指针区域局部图像，后利用刻度区域局部图像进行垂直投影后得到的数据对指针区域局部图像进行重组得到可以进行读数识别的读数识别目标图像，对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数，从而能够对表计上的读数进行实时自动的识别，解决了现有技术中无法实时自动对表计读数进行获取的问题。
实施例三
请参阅图7，所示为本发明第三实施例中提出的表计读数识别装置，所述装置包括：
提取模块100，用于利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像；
拟合模块200，用于对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域；
展开模块300，用于以所述外接圆的半径、圆心为参数，通过极坐标变换将所述有效图像区域展开成矩形；
确定模块400，用于通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像；
重组模块500，用于对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像；
读数获取模块600，用于对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数。
进一步的，上述表计读数识别装置，其中，所述装置还包括：
制作模块，用于获取表计检测样本图像，制作训练数据集。
权重获取模块，用于构建目标检测深度学习模型，通过所述目标检测深度学习模型对所述训练数据集进行训练，并获取每个训练周期内得到的模型权重。
评估模块，用于评估各个所述模型权重，并将所述模型权重最优的目标检测深度学习模型作为表计检测模型。
进一步的，上述表计读数识别装置，其中，所述提取模块具体用于利用预训练的表计检测模型获取当前帧图像中表计的检测框位置信息，所述检测框位置信息包括检测框左上顶点的图像坐标以及检测框的宽高，根据所述检测框的宽高获取表盘区域图像。
进一步的，在本发明一些可选的实施例当中，所述装置还包括：
阈值处理模块，用于将所述表盘区域图像从RGB颜色空间转换至HSV颜色空间，后对所述表盘区域的HSV图像进行阈值处理。
进一步的，在本发明一些可选的实施例当中，所述装置还包括：
曲线获取模块，用于获取所述展开成矩形的有效图像区域的水平投影曲线，根据所述水平投影曲线确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像。
其中，获取所述水平投影曲线的公式为：
其中，
为水平方向投影数组，
分别为展开图的行、列索引，W为图像宽度，
为对应位置的灰度值。
进一步的，上述表计读数识别装置，所述重组模块中，所述获取所述投影差分曲线的公式为：
其中，
为刻度局部区域图像的垂直投影的数组，
为垂直投影左移d像素的宽度得到的数组，
为投影差分曲线。
进一步的，上述表计读数识别装置，所述读数获取模块中，所述线性映射式为：
其中，
指针局部区域图像的宽度，
为投影极小值位置，
为输入的量程范围最小值，
为输入的量程范围最大值；μ为比例系数，表示每个像素宽度对应的读数范围，N为仪表读数。
上述各模块被执行时所实现的功能或操作步骤与上述方法实施例大体相同，在此不再赘述。
实施例四
本发明另一方面还提供一种可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述实施例一至二中任意一个所述的方法的步骤。
实施例五
本发明另一方面还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例一至二中任意一个所述的方法的步骤。
以上各个实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读存储介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读存储介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种表计读数识别方法，其特征在于，所述方法包括：
利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像；
对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域；
以所述外接圆的半径、圆心为参数，通过极坐标变换将所述有效图像区域展开成矩形；
通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像；
对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像；
对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数。
2.根据权利要求1所述的表计读数识别方法，其特征在于，所述利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像的步骤之前包括：
获取表计检测样本图像，制作训练数据集；
构建目标检测深度学习模型，通过所述目标检测深度学习模型对所述训练数据集进行训练，并获取每个训练周期内得到的模型权重；
评估各个所述模型权重，并将所述模型权重最优的目标检测深度学习模型作为表计检测模型。
3.根据权利要求1所述的表计读数识别方法，其特征在于，所述利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像的步骤包括：
利用预训练的表计检测模型获取当前帧图像中表计的检测框位置信息，所述检测框位置信息包括检测框左上顶点的图像坐标以及检测框的宽高，根据所述检测框的宽高获取表盘区域图像。
4.根据权利要求1所述的表计读数识别方法，其特征在于，所述对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域的步骤之前还包括：
将所述表盘区域图像从RGB颜色空间转换至HSV颜色空间，后对所述表盘区域的HSV图像进行阈值处理。
5.根据权利要求1所述的表计读数识别方法，其特征在于，所述通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像的步骤包括：
获取所述展开成矩形的有效图像区域的水平投影曲线，根据所述水平投影曲线确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像；
其中，获取所述水平投影曲线的公式为：
其中，
为水平方向投影数组，
分别为展开图的行、列索引，W为图像宽度，
为对应位置的灰度值。
6.根据权利要求1所述的表计读数识别方法，其特征在于，所述对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像的步骤中，获取所述投影差分曲线的公式为：
其中，
为刻度局部区域图像的垂直投影的数组，
为垂直投影左移d像素的宽度得到的数组，
为投影差分曲线。
7.根据权利要求1所述的表计读数识别方法，其特征在于，所述对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数的步骤中，所述线性映射式为：
其中，
为指针局部区域图像的宽度，
为投影极小值位置，
为输入的量程范围最小值，
输入的量程范围最大值；μ为比例系数，表示每个像素宽度对应的读数范围，N为仪表读数。
8.一种表计读数识别装置，其特征在于，所述装置包括：
提取模块，用于利用预训练的表计检测模型提取当前帧图像中表计的表盘区域图像；
拟合模块，用于对所述表盘区域图像进行颜色分析，利用刻度条的颜色特征提取刻度条区域的前景像素，并对所述前景像素进行最小外接圆拟合，得到有效图像区域；
展开模块，用于以所述外接圆的半径、圆心为参数，通过极坐标变换将所述有效图像区域展开成矩形；
确定模块，用于通过对展开成矩形的有效图像区域进行水平投影，以确定指针所在的高度范围及刻度条所在的高度范围，以及刻度区域局部图像和指针区域局部图像；
重组模块，用于对所述刻度区域局部图像进行垂直投影，通过投影差分曲线的极大、极小值确定量程的最小值的宽度位置以及最大值的宽度位置，并根据所述最小值的宽度位置和所述最大值的宽度位置对所述指针区域局部图像进行重组得到读数识别目标图像；
读数获取模块，用于对所述读数识别目标图像进行垂直投影得到对应的投影曲线，通过所述投影曲线的极小值位置确定所述指针所在的位置，后通过线性映射得到表计的仪表读数。
9.一种可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任意一项所述的方法的步骤。
10.一种计算机设备，其特征在于，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至7任一所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111223903.2A CN113673486A (zh) | 2021-10-21 | 2021-10-21 | 表计读数识别方法、装置、可读存储介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111223903.2A CN113673486A (zh) | 2021-10-21 | 2021-10-21 | 表计读数识别方法、装置、可读存储介质及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113673486A true CN113673486A (zh) | 2021-11-19 |
Family
ID=78550652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111223903.2A Pending CN113673486A (zh) | 2021-10-21 | 2021-10-21 | 表计读数识别方法、装置、可读存储介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113673486A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239743A (zh) * | 2017-05-11 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种基于投影法的刻度线读数自动检测方法 |
| CN110232376A (zh) * | 2019-06-11 | 2019-09-13 | 重庆邮电大学 | 一种利用投影回归的齿轮式数字仪表识别方法 |
| CN110263778A (zh) * | 2018-03-12 | 2019-09-20 | 中移物联网有限公司 | 一种基于图像识别的抄表方法及装置 |
| CN110728279A (zh) * | 2019-08-30 | 2020-01-24 | 南京理工大学 | 一种基于嵌入式平台机器视觉的水表数字识别方法 |
| CN110751141A (zh) * | 2019-09-25 | 2020-02-04 | 南方电网科学研究院有限责任公司 | 一种表计读数识别方法、装置、终端设备及存储介质 |
| CN111325164A (zh) * | 2020-02-25 | 2020-06-23 | 北京眸视科技有限公司 | 指针表示数识别方法、装置和电子设备 |
| CN111414934A (zh) * | 2020-01-21 | 2020-07-14 | 国网浙江省电力有限公司湖州供电公司 | 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法 |
| CN111950330A (zh) * | 2019-05-16 | 2020-11-17 | 杭州测质成科技有限公司 | 一种基于目标检测的指针式仪表示数检测方法 |
| CN112257676A (zh) * | 2020-11-19 | 2021-01-22 | 南京天创电子技术有限公司 | 一种指针式仪表读数方法、系统以及巡检机器人 |
-
2021
- 2021-10-21 CN CN202111223903.2A patent/CN113673486A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239743A (zh) * | 2017-05-11 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种基于投影法的刻度线读数自动检测方法 |
| CN110263778A (zh) * | 2018-03-12 | 2019-09-20 | 中移物联网有限公司 | 一种基于图像识别的抄表方法及装置 |
| CN111950330A (zh) * | 2019-05-16 | 2020-11-17 | 杭州测质成科技有限公司 | 一种基于目标检测的指针式仪表示数检测方法 |
| CN110232376A (zh) * | 2019-06-11 | 2019-09-13 | 重庆邮电大学 | 一种利用投影回归的齿轮式数字仪表识别方法 |
| CN110728279A (zh) * | 2019-08-30 | 2020-01-24 | 南京理工大学 | 一种基于嵌入式平台机器视觉的水表数字识别方法 |
| CN110751141A (zh) * | 2019-09-25 | 2020-02-04 | 南方电网科学研究院有限责任公司 | 一种表计读数识别方法、装置、终端设备及存储介质 |
| CN111414934A (zh) * | 2020-01-21 | 2020-07-14 | 国网浙江省电力有限公司湖州供电公司 | 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法 |
| CN111325164A (zh) * | 2020-02-25 | 2020-06-23 | 北京眸视科技有限公司 | 指针表示数识别方法、装置和电子设备 |
| CN112257676A (zh) * | 2020-11-19 | 2021-01-22 | 南京天创电子技术有限公司 | 一种指针式仪表读数方法、系统以及巡检机器人 |
Non-Patent Citations (5)
| Title |
|---|
| QIUSHI BAI等: "Research of automatic recognition of digital meter reading based on intelligent image processing", 《2010 2ND INTERNATIONAL CONFERENCE ON COMPUTER ENGINEERING AND TECHNOLOGY》 * |
| 刘国华编著: "《HALCON数字图像处理》", 31 May 2018 * |
| 张斌: "基于机器视觉的工业仪表示数自动识别的研究与应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
| 蒋志宏编著: "《机器人学基础》", 30 April 2018, 北京：北京理工大学出版社 * |
| 陈庆庆: "基于机器视觉的表具走字识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114549522B (zh) | 基于目标检测的纺织品质量检测方法 | |
| CN103400151B (zh) | 一体化的光学遥感影像与gis自动配准与水体提取方法 | |
| Huang et al. | A multidirectional and multiscale morphological index for automatic building extraction from multispectral GeoEye-1 imagery | |
| CN112232138B (zh) | 基于超像素特征的渠道边坡破坏智能识别方法 | |
| CN105021529B (zh) | 融合光谱和图像信息的作物病虫害识别和区分方法 | |
| CN109872303B (zh) | 表面缺陷视觉检测方法、装置和电子设备 | |
| CN103034838B (zh) | 一种基于图像特征的特种车辆仪表类型识别与标定方法 | |
| CN107292310A (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
| CN106096563A (zh) | 植物自动识别系统和方法 | |
| CN114972191A (zh) | 一种耕地变化检测方法和装置 | |
| CN111007013B (zh) | 面向东北冷凉区的作物轮作休耕遥感监测方法与装置 | |
| CN106951863B (zh) | 一种基于随机森林的变电站设备红外图像变化检测方法 | |
| CN111160451A (zh) | 一种柔性材料检测方法及其储存介质 | |
| CN111325164A (zh) | 指针表示数识别方法、装置和电子设备 | |
| CN111060455B (zh) | 面向东北冷凉区的遥感图像作物标记方法和装置 | |
| CN115619778A (zh) | 一种电力设备缺陷识别方法、系统、可读存储介质及设备 | |
| CN112614094B (zh) | 基于序列状态编码的绝缘子串异常定位识别方法 | |
| CN113673486A (zh) | 表计读数识别方法、装置、可读存储介质及计算机设备 | |
| KR101944604B1 (ko) | 다양한 단면 형상을 가진 객체의 생산 수량 검수 자동화를 위한 장치 및 방법 | |
| CN114943720A (zh) | 一种电力图像处理方法及装置 | |
| CN114494240A (zh) | 基于多尺度协作深度学习的无砟轨道板裂缝测量方法 | |
| CN103136439B (zh) | 植物病症辨识方法及其系统 | |
| CN116311248B (zh) | 一种纸质狐斑的检测方法 | |
| CN117115172B (zh) | 一种基于机器视觉的阿胶品质检测方法及系统 | |
| CN118095971B (zh) | 一种ad钙奶饮料加工工艺评估方法、系统及介质 |
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: 20211119 |