CN113706452A - 一种基于图像识别的充电桩自动检测系统及其检测方法 - Google Patents
一种基于图像识别的充电桩自动检测系统及其检测方法 Download PDFInfo
- Publication number
- CN113706452A CN113706452A CN202110777050.0A CN202110777050A CN113706452A CN 113706452 A CN113706452 A CN 113706452A CN 202110777050 A CN202110777050 A CN 202110777050A CN 113706452 A CN113706452 A CN 113706452A
- Authority
- CN
- China
- Prior art keywords
- screen
- unit
- charging pile
- photo
- data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 28
- 230000009471 action Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 229910000838 Al alloy Inorganic materials 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像识别的充电桩自动检测系统,包括机械单元,其还包括搭载于机械单元上的定位单元、摄像单元、照片识别单元及控制单元;所述机械单元包括固定框架、X‑Y轴移动装置、安装在X‑Y轴移动装置上的触屏点击装置,触屏点击装置随着在X‑Y轴移动装置上可在X‑Y轴确定的平面上移动,并对屏幕进行电点击;所述定位单元用于动态识别每次机械单元与屏幕的相对坐标位置,照片识别单元包括数据采集模块、数据处理模块、数据分析模块和数据判断模块;还公开对应检测方法,便于携带,能够智能高效的解决充电桩的检测问题,可有效转变传统的人工操作及人工记录功能,能极大的提高检测效率,提高检测准确率。
Description
技术领域
本发明涉及故障诊断领域,具体涉及一种基于图像识别的充电桩自动检测系统。
背景技术
新能源汽车销量快速增长拉动充电基础设施建设需求,充电桩保有量五年来增速较快。截止2019年底我国充电桩总量达到121.91万台,同比增长41.04%。近几年充电桩数量基本保持了持续高效的增长趋势,车桩比从2015年7.8:1下降到2019年3.5:1。对于充电桩维护企业来说,检测的相关仪器信表均很成熟,但是每个检测步骤均需要人工在充电桩的触控界面点击触屏屏幕按钮,来进行操作检测,而充电桩作为计量计费的设备不允许有对外接口,完成一台充电桩的检测工作正常最少需要4,5个小时,随着充电桩数目的越来越多,这个工作需要的人力会越来越大,原有的人工检测方式越来越无法满足现实发展的需求。为此我司提出了一套基于照片识别技术的充电桩自动检测系统,以便快速有效的协助到充电桩的数据检测。
发明内容
为解决现有技术的不足,本发明要解决的现有技术中充电桩维护检测,需要人工在充电桩的触控界面来进行操作检测,耗时长,消耗人力大,效率低的问题。
为了实现上述目的,本发明涉及一种基于图像识别的充电桩自动检测系统,包括机械单元,还包括搭载于机械单元上的定位单元、摄像单元、照片识别单元及控制单元;
所述机械单元包括可套置于充电桩上的固定框架、X-Y轴移动装置、安装在X-Y轴移动装置上的触屏点击装置,触屏点击装置随着在X-Y轴移动装置上可在X-Y轴确定的平面上移动,并对充电桩屏幕进行电点击;
所述定位单元用于动态识别每次机械单元与屏幕的相对坐标位置;
所述摄像单元用于对充电桩屏幕进行拍照;
所述照片识别单元包括数据采集模块、数据处理模块、数据分析模块和数据判断模块,用于采集摄像单元所摄屏幕照片数据,并对其进行分析判断;
控制单元通过照片识别单元的分析判断结果,根据当前充电柱屏幕页面信息,将下一步需要执行的动作命令发送给机械单元,机械单元执行相关动作。
进一步的,所述X-Y轴移动装置包括三个滑台,X-Y轴移动装置固定在固定框架上;触屏点击装置使用精密升降电机带动,点击装置前端安装轻触开关,触屏点击装置安装在中间位置的滑台上,可在充电桩屏幕范围内随滑台移动,触屏点击装置到位时,轻触开关动作,给出信号使点击装置反向运动;固定框架由铝合金制成,使用快速装夹装置,可以快速固定在充电桩箱体上。
进一步的,所述照片识别单元中,数据采集模块根据预设的指令或动作流程规划,收集摄像单元所拍摄的屏幕图形数据,以便实现充电桩的充电操作和数据记录;
数据处理模块运用计算机进行照片转换,照片分割,区域形态学处理等手段,强化照片质量使照片达到所需的结果;
数据分析模块对经过预处理的照片进行照片分割、照片编码、照片滤波,分析照片内容的特征及因素,从而获取一系列充电桩数据资料;
数据判断模块将充电桩上获取的数据资料,和实际仪表检测的数据资料进行比对,从而判断充电桩当前位于哪个页面下及是否工作正常,提出预警资料讯息。
还涉及,一种基于图像识别的充电桩自动检测系统的检测方法,其特征在于,包括如下步骤:
步骤一:将机械单元架设在充电桩屏幕处,并使得摄像单元的摄像头、触屏点击装置及定位单元垂直对准充电桩屏幕,同时保证触屏点击装置的活动范围覆盖整个充电桩屏幕;
步骤二:通过定位单元所带的激光器发射激光束,在屏幕上形成对应定位点,识别定位点在屏幕中的相对位置来动态识别每次机械单元与屏幕的相对坐标位置;
步骤三:照片识别单元对摄像单元所摄屏幕照片进行二值化处理、切割、建立识别模型,并通过相似度算法,识别摄像单元所摄屏幕照片当前位于哪个页面,并将当前位于哪个页面信息传送给控制单元;
步骤四:控制单元依据页面信息,给X-Y轴移动装置和触屏点击装置以动作指令,使得X-Y轴移动装置移动到当前页面需要点击位置处,触屏点击装置进行屏幕点击动作从而模拟检测人员对每个检测步骤进行操作的过程;
步骤五:照片识别单元对屏幕检测过程中屏幕上参数进行有效记录,同时实时采集实际的能耗资料数据,之后再对二者进行对比分析,达到对充电桩的检测目的。
进一步的,所述步骤二中识别定位点在屏幕中的相对位置来动态识别每次机械单元与屏幕的相对坐标位置的方法为:
步骤2.1.利用固定在机械单元上的激光发射器在屏幕照射出一个定位光点,通过识别定位光点在屏幕中的相对位置来实现定位;此时屏幕中有反光及散射的现象,在摄像单元所摄的屏幕照片上会产生两个光斑,需要识别这两个光斑哪个是真实定位光点所在的光斑;
步骤2.2.定义形态学算子,用形态学腐蚀和膨胀消除照片中的小的离散点;
步骤2.3.对在摄像单元所摄的屏幕照片进行灰度和二值化处理:
步骤2.4.因为有两个光斑,将光斑视作光点的集合,需要找到光斑中心来计算坐标位置,这里采用K均值聚类方法对步骤2.3中得到的带光斑屏幕照片进行照片进行分块处理,然找到光斑的中心坐标,公式为:
上式中,Xi表示组成光斑的第i个光点对象,1≤i≤n;Cj表示第j个聚类中心,1≤j≤k,Xit表示第i个光点对象的第t个属性,1≤t≤m,Cjt表示第j个聚类中心的第t个属性;i,j,k,t,m均为正整数,然后依次比较每一个光点对象到每一个聚类中心的距离,将光点对象分配到距离最近的聚类中心的类簇中,在形成的两个类簇中,由于反光及散射产生的光斑面积会大于真实产生的光斑,所以在面积较小的类簇中,选取一个最靠近聚类中心的光点对象,并确定其在屏幕照片上的坐标值;通过对比该坐标值和激光发射器在机械单元中的坐标值,计算出机械单元对应屏幕的相对坐标,即可得出屏幕在现有机械单元中所处的实际坐标,由此可推导出屏幕中任意一点在机械单元中的实际坐标。
进一步的,所述定位光点颜色为红色。
进一步的,所述步骤三中通过相似度算法,识别摄像单元所摄屏幕照片当前位于哪个页面的方法为:
步骤3.1.二值化处理
利用灰度和二值化处理摄像单元所摄屏幕照片,首先要把灰度照片二值化,得到二值化照片,然后对二值化之后的照片进行归一化处理,可以得到一个全是0或1的二维数组;
步骤3.2.切割
对二维数组分别计算行和以及列和,根据行和以及列和的突变位置来分割照片区域,可以切割出文字所在有效的位置区域;
步骤3.3.训练数据:
训练样本:需要准备之前切割的数据来进行训练预测模型,选择一个随机森林模型来进行训练数据;
步骤3.4.识别
根据训练好的模型,将新的照片传入进去,然后进行识别文字所在的区域,提取文字即可;
因为需要要知道当前照片处于哪一类别;将相同的页面文字信息利用上述的技术提取出来,依次分组保存到数据组中,最后通过相似度算法,匹配出当前页面信息处于那一组中,得出结果。
进一步的,所述步骤3.4中相似度算法采用莱文斯坦算法。
还涉及一种计算机可读存储介质,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用于使计算机执行所述的充电桩自动检测系统的检测方法。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
本发明的基于图像识别的充电桩自动系统,通过创造性的设置便于携带的且可套在充电桩屏幕处的机械单元来模拟人工点击触屏屏幕按钮,并配合图像识别方法能够智能高效的解决充电桩的检测问题,可有效转变传统的人工操作及人工记录功能,能极大的提高检测效率,提高检测准确率。
附图说明
图1为本发明较佳实施例安装在充电桩上的结构示意图;
图2为图1机械单元安装处的局部结构示意图;
图3为图2部件的分解标记示意图;
图4为本发明较佳实施例的逻辑控制流程图;
图中附图标记分别表示:1-机械单元,11-固定框架,12-X-Y轴移动装置,121-滑台,13-触屏点击装置,2-定位单元,3-摄像单元,4-照片识别单元,5-控制单元,6-充电桩,7-充电桩屏幕。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
请参考图1-图3,一种基于图像识别的充电桩自动检测系统,包括机械单元1,还包括搭载于机械单元上的定位单元2、摄像单元3、照片识别单元4及控制单元5;
所述机械单元1包括可套置于充电桩上的固定框架11、X-Y轴移动装置12、安装在X-Y轴移动装置上的触屏点击装置13,触屏点击装置随着在X-Y轴移动装置上可在X-Y轴确定的平面上移动,并对充电桩屏幕7进行电点击;
所述定位单元2用于动态识别每次机械单元与屏幕的相对坐标位置;
所述摄像单元3用于对充电桩屏幕7进行拍照;
所述照片识别单元4包括数据采集模块、数据处理模块、数据分析模块和数据判断模块,用于采集摄像单元所摄屏幕照片数据,并对其进行分析判断;其中数据采集模块根据预设的指令或动作流程规划,收集摄像单元3所拍摄的屏幕图形数据,以便实现充电桩的充电操作和数据记录;数据处理模块运用计算机进行照片转换,照片分割,区域形态学处理等手段,强化照片质量使照片达到所需的结果;数据分析模块对经过预处理的照片进行照片分割、照片编码、照片滤波,分析照片内容的特征及因素,从而获取一系列充电桩数据资料;数据判断模块将充电桩上获取的数据资料,和实际仪表检测的数据资料进行比对,从而判断充电桩当前位于哪个页面下及是否工作正常,提出预警资料讯息。
控制单元5通过照片识别单元4的分析判断结果,根据当前充电柱屏幕页面信息,将下一步需要执行的动作命令发送给机械单元,机械单元执行相关动作。
根据权利要求1所述的基于图像识别的充电桩自动检测系统,其特征在于,所述X-Y轴移动装置12包括三个滑台121,X-Y轴移动装置固定在固定框架11上;触屏点击装置13使用精密升降电机带动,点击装置前端安装轻触开关,触屏点击装置13安装在中间位置的滑台上,可在充电桩屏幕范围内随滑台移动,触屏点击装置到位时,轻触开关动作,给出信号使点击装置反向运动;固定框架11由铝合金制成,使用快速装夹装置(例如蝶形螺母与螺栓配合),可以快速固定在充电桩箱体上。实施例2:
请参考图4,基于实施例1的充电桩自动检测系统,实施例2提供了基于图像识别的充电桩自动检测系统的检测方法,包括如下步骤:
步骤一:将机械单元架设在充电桩屏幕处,并使得摄像单元3的摄像头、触屏点击装置及定位单元2垂直对准充电桩屏幕(由于触屏点击装置及定位单元距离充电桩较近,没有完全垂直情况下,也不会影响触屏点击装置点击效果),同时保证触屏点击装置的活动范围覆盖整个充电桩屏幕;
步骤二:通过定位单元2所带的激光器发射激光束,在屏幕上形成对应定位点,识别定位点在屏幕中的相对位置来动态识别每次机械单元与屏幕的相对坐标位置;
步骤三:照片识别单元4对摄像单元3所摄屏幕照片进行二值化处理、切割、建立识别模型,并通过相似度算法,识别摄像单元3所摄屏幕照片当前位于哪个页面,并将当前位于哪个页面信息传送给控制单元5;
步骤四:控制单元5依据页面信息,给X-Y轴移动装置和触屏点击装置以动作指令,使得X-Y轴移动装置移动到当前页面需要点击位置处,触屏点击装置进行屏幕点击动作从而模拟检测人员对每个检测步骤进行操作的过程;
步骤五:照片识别单元4对屏幕检测过程中屏幕上参数进行有效记录,同时实时采集实际的能耗资料数据,之后再对二者进行对比分析,达到对充电桩的检测目的。
所述步骤二中识别定位点在屏幕中的相对位置来动态识别每次机械单元与屏幕的相对坐标位置的方法为:
步骤2.1.利用固定在机械单元上的激光发射器在屏幕照射出一个定位光点,通过识别定位光点在屏幕中的相对位置来实现定位;此时屏幕中有反光及散射的现象,在摄像单元3所摄的屏幕照片上会产生两个光斑,需要识别这两个光斑哪个是真实定位光点所在的光斑,实际试验中发现,激光发射器发射定位光点颜色为红色时候,产生光斑最明显,激光发射器发射定位光点颜色优选为红色;
步骤2.2.定义形态学算子,用形态学腐蚀和膨胀消除照片中的小的离散点,腐蚀的公式,设有两幅图象B,X;若X是被处理的对象,而B是用来处理X的,则称B为结构元素,把结构元素B平移a后得到Ba,若Ba包含于被处理的对象X,记下这个a点,所有满足上述条件的a点组成的集合称做X被B腐蚀的结果;膨胀的公式:膨胀可以认为是腐蚀的对偶运算,其定义是:把结构元素B平移a后得到Ba,若Ba击中X,记下这个a点,所有满足上述条件的a点组成的集合称做X被B膨胀的结果;
步骤2.3.对提取的点照片进行灰度和二值化处理,迭代法公式:
(1)求出图象的最大灰度值和最小灰度值,分别记为Rmax和Rmin,令阈值T=(Rmax+Rmin)/2;
(2)根据阈值T将图象的平均灰度值分成两组R1和R2;
(3)分别求出两组的平均灰度值μ1和μ2;
(4)求出新阈值T=(μ1+μ2)/2;
步骤2.4.因为有两个光斑,将光斑视作光点的集合,需要找到光斑中心来计算坐标位置,这里采用K均值聚类方法对步骤2.3中得到的带光斑屏幕照片进行照片进行分块处理,然找到光斑的中心坐标,公式为:
上式中,Xi表示组成光斑的第i个光点对象,1≤i≤n;Cj表示第j个聚类中心,1≤j≤k,Xit表示第i个光点对象的第t个属性,1≤t≤m,Gjt表示第j个聚类中心的第t个属性;i,j,k,t,m均为正整数,然后依次比较每一个光点对象到每一个聚类中心的距离,将光点对象分配到距离最近的聚类中心的类簇中,在形成的两个类簇中,由于反光及散射产生的光斑面积会大于真实产生的光斑,所以在面积较小的类簇中,选取一个最靠近聚类中心的光点对象,并确定其在屏幕照片上的坐标值;通过对比该坐标值和激光发射器在机械单元中的坐标值,计算出机械单元对应屏幕的相对坐标,即可得出屏幕在现有机械单元中所处的实际坐标,由此可推导出屏幕中任意一点在机械单元中的实际坐标。
所述步骤三中通过相似度算法,识别摄像单元所摄屏幕照片当前位于哪个页面的方法为:
步骤3.1.二值化处理
利用灰度和二值化处理摄像单元所摄屏幕照片,首先要把灰度照片二值化,得到二值化照片,然后对二值化之后的照片进行归一化处理,可以得到一个全是0或1的二维数组;
步骤3.2.切割
对二维数组分别计算行和以及列和,根据行和以及列和的突变位置来分割照片区域,可以切割出文字所在有效的位置区域;
步骤3.3.训练数据:
训练样本:需要准备之前切割的数据来进行训练预测模型,这里我们选择了一个随机森林模型来进行训练数据;
步骤3.4.识别
根据训练好的模型,将新的照片传入进去,然后进行识别文字所在的区域,提取文字即可;
因为需要要知道当前照片处于哪一类别;我们把相同的页面文字信息利用上述的技术提取出来,依次分组保存到数据组中,最后通过采用莱文斯坦相似度算法,匹配出当前页面信息处于那一组中,就可以得出结果。
实施例3:
实施例3提供了,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,所述计算机可执行指令用于使计算机实现实施例2提供的基于图像识别的充电桩自动检测系统的检测方法。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于图像识别的充电桩自动检测系统,包括机械单元(1),其特征在于,还包括搭载于机械单元上的定位单元(2)、摄像单元(3)、照片识别单元(4)及控制单元(5);
所述机械单元(1)包括可套置于充电桩上的固定框架(11)、X-Y轴移动装置(12)、安装在X-Y轴移动装置上的触屏点击装置(13),触屏点击装置随着在X-Y轴移动装置上可在X-Y轴确定的平面上移动,并对充电桩屏幕(7)进行电点击;
所述定位单元(2)用于动态识别每次机械单元与屏幕的相对坐标位置;
所述摄像单元(3)用于对充电桩屏幕(7)进行拍照;
所述照片识别单元(4)包括数据采集模块、数据处理模块、数据分析模块和数据判断模块,用于采集摄像单元所摄屏幕照片数据,并对其进行分析判断;
所述控制单元(5)通过照片识别单元(4)的分析判断结果,根据当前充电柱屏幕页面信息,将下一步需要执行的动作命令发送给机械单元,机械单元执行相关动作。
2.根据权利要求1所述的基于图像识别的充电桩自动检测系统,其特征在于,所述X-Y轴移动装置(12)包括三个滑台(121),X-Y轴移动装置固定在固定框架(11)上;触屏点击装置(13)使用精密升降电机带动,点击装置前端安装轻触开关,触屏点击装置(13)安装在中间位置的滑台上,可在充电桩屏幕范围内随滑台移动,触屏点击装置到位时,轻触开关动作,给出信号使点击装置反向运动;固定框架(11)由铝合金制成,使用快速装夹装置,可以快速固定在充电桩箱体上。
3.根据权利要求1所述的基于图像识别的充电桩自动检测系统,其特征在于,所述照片识别单元(4)中,
数据采集模块根据预设的指令或动作流程规划,收集摄像单元(3)所拍摄的屏幕图形数据,以便实现充电桩的充电操作和数据记录;
数据处理模块运用计算机进行照片转换,照片分割,区域形态学处理等手段,强化照片质量使照片达到所需的结果;
数据分析模块对经过预处理的照片进行照片分割、照片编码、照片滤波,分析照片内容的特征及因素,从而获取一系列充电桩数据资料;
数据判断模块将充电桩上获取的数据资料,和实际仪表检测的数据资料进行比对,从而判断充电桩当前位于哪个页面下及是否工作正常,提出预警资料讯息。
4.一种基于图像识别的充电桩自动检测系统的检测方法,其特征在于,包括如下步骤:
步骤一:将机械单元架设在充电桩屏幕处,并使得摄像单元(3)的摄像头、触屏点击装置及定位单元(2)垂直对准充电桩屏幕,同时保证触屏点击装置的活动范围覆盖整个充电桩屏幕;
步骤二:通过定位单元(2)所带的激光器发射激光束,在屏幕上形成对应定位点,识别定位点在屏幕中的相对位置来动态识别每次机械单元与屏幕的相对坐标位置;
步骤三:照片识别单元(4)对摄像单元(3)所摄屏幕照片进行二值化处理、切割、建立识别模型,并通过相似度算法,识别摄像单元(3)所摄屏幕照片当前位于哪个页面,并将当前位于哪个页面信息传送给控制单元(5);
步骤四:控制单元(5)依据页面信息,给X-Y轴移动装置和触屏点击装置以动作指令,使得X-Y轴移动装置移动到当前页面需要点击位置处,触屏点击装置进行屏幕点击动作从而模拟检测人员对每个检测步骤进行操作的过程;
步骤五:照片识别单元(4)对屏幕检测过程中屏幕上参数进行有效记录,同时实时采集实际的能耗资料数据,之后再对二者进行对比分析,达到对充电桩的检测目的。
5.根据权利要求4所述的基于图像识别的充电桩自动检测系统的检测方法,其特征在于,所述步骤二中识别定位点在屏幕中的相对位置来动态识别每次机械单元与屏幕的相对坐标位置的方法为:
步骤2.1.利用固定在机械单元上的激光发射器在屏幕照射出一个定位光点,通过识别定位光点在屏幕中的相对位置来实现定位;此时屏幕中有反光及散射的现象,在摄像单元(3)所摄的屏幕照片上会产生两个光斑,需要识别这两个光斑哪个是真实定位光点所在的光斑;
步骤2.2.定义形态学算子,用形态学腐蚀和膨胀消除照片中的小的离散点;
步骤2.3.对在摄像单元(3)所摄的屏幕照片进行灰度和二值化处理:
步骤2.4.因为有两个光斑,将光斑视作光点的集合,需要找到光斑中心来计算坐标位置,这里采用K均值聚类方法对步骤2.3中得到的带光斑屏幕照片进行照片进行分块处理,然找到光斑的中心坐标,公式为:
上式中,Xi表示组成光斑的第i个光点对象,1≤i≤n;Cj表示第j个聚类中心,1≤j≤k,Xit表示第i个光点对象的第t个属性,1≤t≤m,Gjt表示第j个聚类中心的第t个属性;i,j,k,t,m均为正整数,然后依次比较每一个光点对象到每一个聚类中心的距离,将光点对象分配到距离最近的聚类中心的类簇中,在形成的两个类簇中,由于反光及散射产生的光斑面积会大于真实产生的光斑,所以在面积较小的类簇中,选取一个最靠近聚类中心的光点对象,并确定其在屏幕照片上的坐标值;通过对比该坐标值和激光发射器在机械单元中的坐标值,计算出机械单元对应屏幕的相对坐标,即可得出屏幕在现有机械单元中所处的实际坐标,由此可推导出屏幕中任意一点在机械单元中的实际坐标。
6.根据权利要求5所述的基于图像识别的充电桩自动检测系统的检测方法,其特征在于,所述定位光点颜色为红色。
7.根据权利要求4所述的基于图像识别的充电桩自动检测系统的检测方法,其特征在于,所述步骤三中通过相似度算法,识别摄像单元所摄屏幕照片当前位于哪个页面的方法为:
步骤3.1.二值化处理
利用灰度和二值化处理摄像单元所摄屏幕照片,首先要把灰度照片二值化,得到二值化照片,然后对二值化之后的照片进行归一化处理,可以得到一个全是0或1的二维数组;
步骤3.2.切割
对二维数组分别计算行和以及列和,根据行和以及列和的突变位置来分割照片区域,可以切割出文字所在有效的位置区域;
步骤3.3.训练数据:
训练样本:需要准备之前切割的数据来进行训练预测模型,这里我们选择了一个随机森林模型来进行训练数据;
步骤3.4.识别
根据训练好的模型,将新的照片传入进去,然后进行识别文字所在的区域,提取文字即可;
因为需要要知道当前照片处于哪一类别;将相同的页面文字信息利用上述的技术提取出来,依次分组保存到数据组中,最后通过相似度算法,匹配出当前页面信息处于那一组中,得出结果。
8.根据权利要求7所述的基于图像识别的充电桩自动检测系统的检测方法,其特征在于,所述步骤3.4中相似度算法采用莱文斯坦算法。
9.一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用于使计算机执行如权利要求4-8任一项所述的基于图像识别的充电桩自动检测系统的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110777050.0A CN113706452A (zh) | 2021-07-09 | 2021-07-09 | 一种基于图像识别的充电桩自动检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110777050.0A CN113706452A (zh) | 2021-07-09 | 2021-07-09 | 一种基于图像识别的充电桩自动检测系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113706452A true CN113706452A (zh) | 2021-11-26 |
Family
ID=78648365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110777050.0A Pending CN113706452A (zh) | 2021-07-09 | 2021-07-09 | 一种基于图像识别的充电桩自动检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113706452A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808416A (zh) * | 2014-12-27 | 2016-07-27 | 南车株洲电力机车研究所有限公司 | 一种人机图形交互界面的自动化测试方法和系统 |
CN106886004A (zh) * | 2017-01-20 | 2017-06-23 | 杭州创睿新能源科技有限公司 | 交直流充电桩校验仪及同步计量试验方法 |
CN107554322A (zh) * | 2017-07-24 | 2018-01-09 | 深圳市泰永电气科技有限公司 | 交流充电桩多枪自动识别纠错处理系统、方法及充电桩 |
CN108972497A (zh) * | 2018-08-13 | 2018-12-11 | 四川桑瑞思环境技术工程有限公司 | 一种数据中心用巡检系统 |
WO2019105052A1 (en) * | 2017-11-30 | 2019-06-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for electric vehicle charging |
US10585437B1 (en) * | 2018-09-25 | 2020-03-10 | NextVPU (Shanghai) Co., Ltd. | Auto-recharging of robot |
CN110955234A (zh) * | 2018-09-25 | 2020-04-03 | 国网天津市电力公司客户服务中心 | 用于充电站的轨道机器人巡检系统及其使用方法 |
CN111489169A (zh) * | 2020-04-30 | 2020-08-04 | 东莞市牛牛新能源技术有限公司 | 一种具备有人车识别功能的充电桩及其控制方法 |
CN112022025A (zh) * | 2020-08-14 | 2020-12-04 | 深圳市大象机器人科技有限公司 | 一种基于视觉定位的机器人自动回冲方法及系统 |
CN112306890A (zh) * | 2020-11-23 | 2021-02-02 | 国网北京市电力公司 | 人机交互测试系统、控制方法、控制装置和处理器 |
-
2021
- 2021-07-09 CN CN202110777050.0A patent/CN113706452A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808416A (zh) * | 2014-12-27 | 2016-07-27 | 南车株洲电力机车研究所有限公司 | 一种人机图形交互界面的自动化测试方法和系统 |
CN106886004A (zh) * | 2017-01-20 | 2017-06-23 | 杭州创睿新能源科技有限公司 | 交直流充电桩校验仪及同步计量试验方法 |
CN107554322A (zh) * | 2017-07-24 | 2018-01-09 | 深圳市泰永电气科技有限公司 | 交流充电桩多枪自动识别纠错处理系统、方法及充电桩 |
WO2019105052A1 (en) * | 2017-11-30 | 2019-06-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for electric vehicle charging |
CN108972497A (zh) * | 2018-08-13 | 2018-12-11 | 四川桑瑞思环境技术工程有限公司 | 一种数据中心用巡检系统 |
US10585437B1 (en) * | 2018-09-25 | 2020-03-10 | NextVPU (Shanghai) Co., Ltd. | Auto-recharging of robot |
CN110955234A (zh) * | 2018-09-25 | 2020-04-03 | 国网天津市电力公司客户服务中心 | 用于充电站的轨道机器人巡检系统及其使用方法 |
CN111489169A (zh) * | 2020-04-30 | 2020-08-04 | 东莞市牛牛新能源技术有限公司 | 一种具备有人车识别功能的充电桩及其控制方法 |
CN112022025A (zh) * | 2020-08-14 | 2020-12-04 | 深圳市大象机器人科技有限公司 | 一种基于视觉定位的机器人自动回冲方法及系统 |
CN112306890A (zh) * | 2020-11-23 | 2021-02-02 | 国网北京市电力公司 | 人机交互测试系统、控制方法、控制装置和处理器 |
Non-Patent Citations (3)
Title |
---|
TIANLE ZHANG等: "A method of chained recommendation for charging piles in internet of vehicles", 《COMPUTING》, vol. 103, 14 July 2020 (2020-07-14), pages 231 - 249, XP037377174, DOI: 10.1007/s00607-020-00832-7 * |
张永祥等: "充电桩智能巡检机器人及其关键技术研究", 《2020中国自动化大会(CAC2020)论文集》, 6 November 2020 (2020-11-06), pages 1 - 6 * |
施莹: "基于机器人的电动汽车充电系统及其自动插接的研究", 《中国优秀硕士学位论文全文数据库_信息科技辑》, 15 February 2017 (2017-02-15), pages 140 - 1172 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111259930B (zh) | 自适应注意力指导机制的一般性目标检测方法 | |
CN107085846B (zh) | 工件表面缺陷图像识别方法 | |
CN110310261A (zh) | 一种接触网吊弦缺陷检测模型训练方法和缺陷检测方法 | |
CN109118500A (zh) | 一种基于图像的三维激光扫描点云数据的分割方法 | |
CN114241548A (zh) | 一种基于改进YOLOv5的小目标检测算法 | |
CN106097381B (zh) | 一种基于流形判别非负矩阵分解的目标跟踪方法 | |
CN110378239A (zh) | 一种基于深度学习的实时交通标志检测方法 | |
CN111723657B (zh) | 一种基于YOLOv3与自优化的河道异物检测方法及装置 | |
CN111402224B (zh) | 一种用于电力设备的目标识别方法 | |
CN112036384B (zh) | 精子头部形态识别方法、装置及设备 | |
CN113012200B (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
CN113920400A (zh) | 一种基于改进YOLOv3的金属表面缺陷检测方法 | |
CN111738164B (zh) | 一种基于深度学习的行人检测方法 | |
CN110263790A (zh) | 一种基于卷积神经网络的电厂电表字符定位和识别方法 | |
CN111882554A (zh) | 一种基于SK-YOLOv3的电力线故障智能检测方法 | |
Heinaro et al. | Airborne laser scanning reveals large tree trunks on forest floor | |
CN113609895A (zh) | 基于改进Yolov3的获取道路交通信息方法 | |
CN115019103A (zh) | 基于坐标注意力群组优化的小样本目标检测方法 | |
CN117576079A (zh) | 一种工业产品表面异常检测方法、装置及系统 | |
CN108230313A (zh) | 基于部件自适应选择与判别模型的sar图像目标检测方法 | |
CN110097067B (zh) | 一种基于层进式特征变换的弱监督细粒度图像分类方法 | |
CN117495735A (zh) | 一种基于结构引导的建筑物立面纹理自动修复方法及系统 | |
CN117372956A (zh) | 一种变电站屏柜设备状态检测方法及装置 | |
CN115019305B (zh) | 一种根尖细胞的识别方法、装置、设备及可读存储介质 | |
CN113706452A (zh) | 一种基于图像识别的充电桩自动检测系统及其检测方法 |
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 |