CN113780263B - 一种压力报警器仪表定位和识别读数方法及装置 - Google Patents
一种压力报警器仪表定位和识别读数方法及装置 Download PDFInfo
- Publication number
- CN113780263B CN113780263B CN202111029724.5A CN202111029724A CN113780263B CN 113780263 B CN113780263 B CN 113780263B CN 202111029724 A CN202111029724 A CN 202111029724A CN 113780263 B CN113780263 B CN 113780263B
- Authority
- CN
- China
- Prior art keywords
- area
- image
- red
- green
- reading
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000006740 morphological transformation Effects 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000009466 transformation Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 239000004020 conductor Substances 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- ONTQJDKFANPPKK-UHFFFAOYSA-L chembl3185981 Chemical compound [Na+].[Na+].CC1=CC(C)=C(S([O-])(=O)=O)C=C1N=NC1=CC(S([O-])(=O)=O)=C(C=CC=C2)C2=C1O ONTQJDKFANPPKK-UHFFFAOYSA-L 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing 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
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种压力报警器仪表定位和识别读数方法，包括如下步骤：获取原始图像，通过颜色识别，提取出所述仪表图像，所述仪表图像包括背景区域和气压表读数区域；通过对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，并通过计算，获取所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积；通过对比所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积大小，获取气压表的读数结果。该方法通过颜色识别对气压表读数区域进行定位和读取，能够排除成像噪声、背景复杂、倾斜、旋转和扭曲等因素问题，准确定位分类出目标区域，针对目标区域准确识别出仪表示数。
Description
技术领域
本发明涉及工业仪器技术领域，特别是涉及一种压力报警器仪表定位和识别读数方法及装置。
背景技术
为了更好地监督工业生产流程，采集工业生产期间的数据，一般需要装备大量的仪表设备。当前，不少仪表设备仍然采用人工读数的方法，这影响了工业生产效率，同时人工读数也会受人为主观因素的影响，造成读数精度不佳的情况，已不能满足现代生产和发展的需求。另外，由于仪表种类繁多，人工长时间进行重复性工作容易产生视觉疲劳，难免会出现误判的情况。随着计算机机器视觉技术的迅速发展，近年来国内外在图像处理与仪表数字识别方面也开展了许多研究工作并取得不错的成果。字符识别技术与表盘显示字符研究对诸如生产、监测和检测等行业而言，因其能够极大提升工作效率而有着相当重要的应用价值。因此在表盘字符识别领域的研究格外活跃，其中所取得的很多研究成果都已经应用到相应行业的生产工作中。
很多企业希望使用巡检机器人代替人工进行巡检。巡检机器人在巡检的时候，需要采集仪表图像并进行读数，在进行气压表定位与读数的时候，会受到成像噪声、背景复杂、倾斜、旋转和扭曲等因素问题，无法更好地进行气压表的定位与读数的任务，不能够准确定位分类出目标区域，针对目标区域准确识别出仪表示数。
本申请涉及的压力报警器仪表如图1-2所示，该表是检测气体压力是否正常，实现压力报警功能的仪表。该表的文字区域表示气体压强在0bar-35bar(1bar＝100000Pa)范围内为正常压强。如图2所示，该表的1为绿色背景区域，2为红色背景区域，3为绿色区域，4为红色区域，5为黑色区域，6为指针，其中绿色阈值设定为[35，43，46]-[77，255，255]，红色阈值设定为[0，60，90]-[10，255，255]，黑色阈值设定为[0，0，0]-[180，255，46]。
当该表一端接通气体后，指针6不移动，绿色、红色和黑色区域会随着气体压强的推动而从左至右移动，随着气体压强的增大，背板颜色从绿色向红色到黑色逐渐转变。根据图2可知，当背板为红色时，表示当前气压不正常，系统运行不正常；当背板为绿色时，表示当前气压正常，系统运行正常。其中，仪表读数具体情况如图3所示，从左至右分别为气压正常：背板为绿色，指针6指示绿色；轻微漏气：背板逐渐从绿色向红色转换，指针6仍然指示绿色；开始漏气：指针指示红色，背板红色逐渐增加，背板绿色逐渐减少以及严重漏气：背板由绿色向黑色转换，指针指示黑色。
发明内容
基于此，本发明的目的在于，提供一种压力报警器仪表定位和识别读数方法及装置，能够排除成像噪声、背景复杂、倾斜、旋转和扭曲等因素问题，准确定位分类出目标区域，针对目标区域准确识别出仪表示数。
第一方面，本申请实施例提供了一种压力报警器仪表定位和识别读数方法，包括如下步骤：
S1：获取原始图像，通过颜色识别，提取出所述仪表图像，所述仪表图像包括背景区域和气压表读数区域，所述背景区域包括第一绿色区域和第一红色区域，所述气压表读数区域包括以下至少一种区域：第二绿色区域、第二红色区域和黑色区域；
S2：通过对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，并通过计算，获取所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积；
S3：通过对比所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积大小，获取气压表的读数结果，所述读数结果指示气体开始泄露、气体轻微泄露、气体严重泄露或气体没有泄露。
进一步地，通过颜色识别获取所述仪表图像，包括：
将存放原始图像的图像矩阵img从RGB格式转换为HSV格式，并设定红色和绿色阈值范围，从图像矩阵img中提取出第一红色区域和第一绿色区域；
分别对所述第一红色区域和所述第一绿色区域进行图形形态学变换，并将变换后的第一红色区域与第一绿色区域融合形成红绿色区域，其中，图形形态学变换主要是对图像进行先膨胀后腐蚀操作；
通过对所述红绿色区域进行图形形态学变换，提取所述红绿色区域的图像轮廓，得到所述仪表图像。
进一步地，提取所述红绿色区域的图像轮廓，得到所述仪表图像，包括：
对所述红绿色区域提取所有的图像轮廓，并把所述所有提取到的图像轮廓存入变量contours；
遍历所述变量contours，找到面积最大且同时具备第一红色区域和第一绿色区域的图像轮廓，所述图像轮廓即为所述仪表图像。
进一步地，遍历所述变量contours，找到面积最大且同时具备第一红色区域和第一绿色区域的图像轮廓，包括：
对所述所有的图像轮廓中的每一个图像轮廓使用一个最小的矩形包围，接着用x，y存放所述矩形左上点的坐标，用w，h存放所述矩形的宽和高；
通过矩形的宽和高，计算得到每一个图像轮廓的面积；
将所述每一个图像轮廓的面积两两对比，得到面积最大的图像轮廓，所述面积最大的图像轮廓即为所述仪表图像，同时使用x，y存放所述仪表图像的左上点的坐标，使用w，h存放所述仪表图像的宽和高。
进一步地，通过对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，包括：
利用仪表图像的坐标、宽和高的参数，使用透视变换算法，将仪表图像进行透视变换并存放在图像矩阵dst中；
将所述存放在图像矩阵dst中的仪表图像由RGB格式转换为HSV格式；
在HSV格式的图像矩阵dst中，设定绿色、红色和黑色的阈值范围，分别得到第二绿色、第二红色和黑色的区域；
利用图形形态学变换，提取所述第二绿色、第二红色和黑色区域的图像轮廓，即为所述气压表读数区域。
进一步地，通过计算，获取所述气压表读数区域面积，包括：
在第二红色区域中找到所有的轮廓，再对所述所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到第二红色区域面积；
在第二绿色区域中找到所有的轮廓，再对所述所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到第二绿色区域面积；
在黑色区域中找到所有的轮廓，再对所述所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到黑色区域面积。
进一步地，通过对比所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积，获取气压表的读数结果，包括：
对得到的第二绿色区域、第二红色区域和黑色区域的像素面积大小进行比较，来判断气压表的读数结果：
如果第二红色区域像素面积大于1000且第二绿色区域像素面积大于1000，判断为气体轻微泄露；
如果第二红色区域像素面积大于1000且第二绿色区域像素面积小于100，判断为气体开始泄露；
如果黑色区域像素面积大于1000且第二红色区域像素面积大于1000，判断为气体开始泄露；
如果黑色区域像素面积大于1000且第二红色区域像素面积小于1000，判断为气体严重泄漏；
如果不属于以上三种情况，即为气体没有泄露。
第二方面，本申请实施例提供了一种压力报警器仪表定位和识别读数的装置，包括：
仪表图像采集模块：用于通过颜色识别获取所述仪表图像，所述仪表图像包括背景区域和气压表读数区域，所述背景区域包括第一绿色区域和第一红色区域，所述气压表读数区域包括第二绿色区域、第二红色区域和黑色区域；
气压表读数区域定位和读取模块：用于对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，并通过计算，获取所述气压表读数区域面积；
气压表读数结果判断模块：用于对比所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积大小，获取气压表的读数结果，所述读数结果为气体开始泄露、气体轻微泄露、气体严重泄露和气体没有泄露。
第三方面，本申请实施例提供了一种电子设备，包括：
处理器及存储器，所述存储器存储有可被处理器调用的程序；
其中，所述处理器执行所述程序时，实现如第一方面所述的压力报警器仪表定和识别读数方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现如如第一方面所述的压力报警器仪表定和识别读数方法的步骤。
相对于现有技术，本申请具有以下优势：
1、针对气压表的定位算法，本申请不使用基于形状比例特征来提取读数区域，而是使用更具有鲁棒性的基于颜色识别提取气压表的读数区域。因为考虑到图像采集过程中可能会出现图像倾斜、旋转和扭曲问题，所以使用基于形状比例特征来提取读数区域会有一定的误差。因此，使用基于颜色识别提取气压表的读数区域可以解决这个问题。因为哪怕在倾斜、旋转和扭曲问题上，颜色比例受此类问题的影响小，不像形状比例特征那样，形状比例会出现变化。
2、不同于以往仪表读数那样，通过使用指针角度和刻度表比例方式读数，根据本申请提供的压力报警器仪表的特性，本申请通过定位读数区域位置并能够分别计算读数区域内的红色区域面积、绿色区域面积和黑色区域面积，从而判断气压表的读数。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1为本发明实施例涉及的压力报警器仪表的实体图；
图2为本发明实施例涉及的压力报警器仪表的结构示意图；
图3为本发明实施例中压力报警器仪表读数情况示意图；
图4为本发明实施例中压力报警器仪表定位和识别读数方法地流程示意图；
图5为本发明实施例中压力报警器仪表定位和识别读数装置的结构示意图。
附图标记：1、第一绿色区域；2、第一红色区域；3、第二绿色区；4、第二红色区域；5、黑色区域；6、指针。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的人体，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联人体的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联人体是一种“或”的关系。
针对背景技术中的技术问题，本申请实施例提供压力报警器仪表定位和识别读数方法，如图4所示，该方法包括以下步骤：
S1：获取原始图像，通过颜色识别，提取出所述仪表图像，所述仪表图像包括背景区域和气压表读数区域，所述背景区域包括第一绿色区域1和第一红色区域2，所述气压表读数区域包括以下至少一种区域：第二绿色区域3、第二红色区域4和黑色区域5。
如图2所示，第一红色区域2和第一绿色区域1为背景区域，气压表读数区域为第二绿色区域3、第二红色区域4和黑色区域5的至少一种区域。
具体地，在步骤S1中，还包括以下子步骤：
S101：获取原始图像并存放在图像矩阵img中。
图像矩阵img指示未处理的图像矩阵。
S102：将存放原始图像的图像矩阵img从RGB格式转换为HSV格式，并设定红色和绿色阈值范围，从图像矩阵img中提取出第一红色区域2和第一绿色区域1。
RGB色彩是光学三原色，任何色彩都可以由这三种色彩混合叠加而成，因此也称为加色模式。HSV也是一种颜色模型，这个模型中颜色的参数分别是：色调(H)，饱和度(S)，明度(V)。其中，RGB格式转换为HSV格式公式如下：
max＝max(r，g，b)
min＝min(r，g，b)
v＝max
其中，r、g、b分别是图像的红色、绿色和蓝色通道的亮度值。
红色阈值范围为[0，60，90]-[10，255，255]，绿色的阈值范围为[35，43，46]-[77，255，255]。
S103：分别对第一红色区域2和第一绿色区域1进行图形形态学变换，并将变换后的第一红色区域2与第一绿色区域1融合形成红绿色区域。
图形形态学变换主要是对图像进行先膨胀后腐蚀操作，膨胀就是选择滑动窗口中像素值最大的点(局部最大值)，公式如下：
其中，dst(x，y)是膨胀后的图像矩阵；dilate是膨胀的意思；src(x，y)是原始图像矩阵；(x，y)、(x+x′，y+y′)、(x′，y′)分别表示图像矩阵的某一个图像点。
腐蚀就是选择滑动窗口中像素值最小的点(局部最小值)，公式如下：
其中，dst(x，y)是腐蚀后的图像矩阵；erode是腐蚀的意思；src(x，y)是原始图像矩阵；(x，y)、(x+x′，y+y′)、(x′，y′)分别表示图像矩阵的某一个图像点。
S104：对上述红绿色区域提取所有的图像轮廓，并把所述所有提取到的图像轮廓存入变量contours。
S105：遍历得到的变量contours，找到面积最大的，同时具备红色和绿色的区域。
具体地，遍历变量contours的步骤如下：
对变量contours中的每一个图像轮廓使用一个最小的矩形包围，接着用x，y存放该矩形左上点的坐标，用w，h存放该矩形的宽和高。
通过矩形的宽和高，计算得到每一个图像轮廓的面积。
将所述每一个图像轮廓的面积两两对比，获取面积最大的图像轮廓，所述面积最大的图像轮廓即为所述仪表图像，同时使用x，y存放所述仪表图像的左上点的坐标，使用w，h存放所述仪表图像的宽和高。
S2：通过对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，并通过计算，获取所述气压表读数区域的第二绿色区域3、第二红色区域4和黑色区域5的面积。
具体地，在步骤S2中，还包括以下子步骤：
S201：利用仪表图像的坐标、宽和高的参数，使用透视变换算法，将仪表图像进行透视变换并存放在图像矩阵dst中。
图像矩阵dst是指处理过后的图像矩阵，透视变换的本质是将图像投影到一个新的视平面，图像矩阵dst为处理后的图像矩阵，其通用变换公式为：
其中，[x y w]、[u v w]分别表示沿x、y、z方向的值，(u，v)为原始图像像素坐标，
为变换之后的图像像素坐标。
S202：将存放在图像矩阵dst中的仪表图像由RGB格式转换为HSV格式。
S203：在HSV格式的图像矩阵dst中，设定绿色、红色和黑色的阈值范围，分别得到第二绿色3、第二红色4和黑色5的区域。
红色阈值范围为[0，60，90]-[10，255，255]，绿色的阈值范围为[35，43，46]-[77，255，255]，黑色阈值范围为[0，0，0]-[180，255，46]。
S204：利用图形形态学变换，提取所述第二绿色3、第二红色4和黑色区域5的图像轮廓，即为所述气压表读数区域。
通过计算，获取所述气压表读数区域的第二绿色区域3、第二红色区域4和黑色区域5的面积，包括：
S205：在第二红色区域4中找到所有的轮廓，再对所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到第二红色区域4的像素面积；
在第二绿色区域3中找到所有的轮廓，再对所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到第二绿色区域3的像素面积；
在黑色区域5中找到所有的轮廓，再对所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到黑色区域5的像素面积。
具体地，每个轮廓的面积可以通过contourArea函数来获得。
S3：通过对比该气压表读数区域的第二绿色区域3、第二红色区域4和黑色区域5的像素面积大小，获取气压表的读数结果，所述读数结果指示气体开始泄露、气体轻微泄露、气体严重泄露或气体没有泄露。
具体地，在步骤S3中，还包括以下子步骤：
对得到的第二绿色区域3、第二红色区域4和黑色区域5的像素面积大小进行比较，来判断气压表的读数结果：
如果第二红色区域4像素面积大于1000且第二绿色区域3像素面积大于1000，判断为气体轻微泄露。
如果第二红色区域4像素面积大于1000且第二绿色区域3像素面积小于100，判断为气体开始泄露。
如果黑色区域5像素面积大于1000且第二红色区域4像素面积大于1000，判断为气体开始泄露。
如果黑色区域5像素面积大于1000且第二红色区域4像素面积小于1000，判断为气体严重泄漏。
如果不属于以上三种情况，即为气体没有泄露。
如图5所示，其为本发明提供的一种基于关系网络的目标图像分类的装置200的模块示意图，包括：
仪表图像采集模块21：用于通过颜色识别获取所述仪表图像，所述仪表图像包括背景区域和气压表读数区域，所述背景区域包括第一绿色区域1和第一红色区域2，所述气压表读数区域包括第二绿色区域3、第二红色区域4和黑色区域5。
气压表读数区域定位和读取模块22：用于对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，并通过计算，获取所述气压表读数区域面积。
气压表读数结果判断模块23：用于对比所述气压表读数区域的第二绿色区域3、第二红色区域4和黑色区域5的面积大小，获取气压表的读数结果，所述读数结果为气体开始泄露、气体轻微泄露、气体严重泄露和气体没有泄露。
与上述的压力报警器仪表定和识别读数方法相对应，本申请实施例还提供一种电子设备，包括：
处理器及存储器，所述存储器存储有可被处理器调用的程序；其中，所述处理器执行所述程序时，实现如上所述的压力报警器仪表定和识别读数方法，具体的，该电子设备可以是计算机或者服务器。
与上述的压力报警器仪表定和识别读数方法相对应，本申请实施例还提供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程序，所述计算机程序被处理器执行时实现压力报警器仪表定和识别读数方法所述的步骤。
本申请针对气压表的定位算法，不使用基于形状比例特征来提取读数区域，而是使用更具有鲁棒性的基于颜色识别提取气压表的读数区域。因为考虑到图像采集过程中可能会出现图像倾斜、旋转和扭曲问题，所以使用基于形状比例特征来提取读数区域会有一定的误差。因此，使用基于颜色识别提取气压表的读数区域可以解决这个问题。因为哪怕在倾斜、旋转和扭曲问题上，颜色比例受此类问题的影响小，不像形状比例特征那样，形状比例会出现变化。
不同于以往仪表读数那样，通过使用指针角度和刻度表比例方式读数，根据本申请提供的压力报警器仪表的特性，本申请通过定位读数区域位置并能够分别计算读数区域内的红色区域面积、绿色区域面积和黑色区域面积，从而判断气压表的读数。
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。
Claims (10)
1.一种压力报警器仪表定位和识别读数方法，其特征在于，包括如下步骤：
S1：获取原始图像，通过颜色识别，提取出仪表图像，所述仪表图像包括背景区域和气压表读数区域，所述背景区域包括第一绿色区域和第一红色区域，所述气压表读数区域包括以下至少一种区域：第二绿色区域、第二红色区域和黑色区域；
S2：通过对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，并通过计算，获取所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积；
S3：通过对比所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积大小，获取气压表的读数结果，所述读数结果指示气体开始泄露、气体轻微泄露、气体严重泄露或气体没有泄露。
2.根据权利要求1所述的一种压力报警器仪表定位和识别读数方法，其特征在于，通过颜色识别获取所述仪表图像，包括：
将存放原始图像的图像矩阵img从RGB格式转换为HSV格式，并设定红色和绿色阈值范围，从图像矩阵img中提取出第一红色区域和第一绿色区域；
分别对所述第一红色区域和所述第一绿色区域进行图形形态学变换，并将变换后的第一红色区域与第一绿色区域融合形成红绿色区域，其中，图形形态学变换主要是对图像进行先膨胀后腐蚀操作；
通过对所述红绿色区域进行图形形态学变换，提取所述红绿色区域的图像轮廓，得到所述仪表图像。
3.根据权利要求2所述的一种压力报警器仪表定位和识别读数方法，其特征在于，提取所述红绿色区域的图像轮廓，得到所述仪表图像，包括：
对所述红绿色区域提取所有的图像轮廓，并把所述所有提取到的图像轮廓存入变量contours；
遍历所述变量contours，找到面积最大且同时具备第一红色区域和第一绿色区域的图像轮廓，所述图像轮廓即为所述仪表图像。
4.根据权利要求3所述的一种压力报警器仪表定位和识别读数方法，其特征在于，遍历所述变量contours，找到面积最大且同时具备第一红色区域和第一绿色区域的图像轮廓，包括：
对所述所有的图像轮廓中的每一个图像轮廓使用一个最小的矩形包围，接着用x，y存放所述矩形左上点的坐标，用w，h存放所述矩形的宽和高；
通过矩形的宽和高，计算得到每一个图像轮廓的面积；
将所述每一个图像轮廓的面积两两对比，得到面积最大的图像轮廓，所述面积最大的图像轮廓即为所述仪表图像，同时使用x，y存放所述仪表图像的左上点的坐标，使用w，h存放所述仪表图像的宽和高。
5.根据权利要求1所述的一种压力报警器仪表定位和识别读数方法，其特征在于，通过对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，包括：
利用仪表图像的坐标、宽和高的参数，使用透视变换算法，将仪表图像进行透视变换并存放在图像矩阵dst中；
将所述存放在图像矩阵dst中的仪表图像由RGB格式转换为HSV格式；
在HSV格式的图像矩阵dst中，设定绿色、红色和黑色的阈值范围，分别得到第二绿色、第二红色和黑色的区域；
利用图形形态学变换，提取所述第二绿色、第二红色和黑色区域的图像轮廓，即为所述气压表读数区域。
6.根据权利要求1所述的一种压力报警器仪表定位和识别读数方法，其特征在于，通过计算，获取所述气压表读数区域面积，包括：
在第二红色区域中找到所有的轮廓，再对所述所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到第二红色区域面积；
在第二绿色区域中找到所有的轮廓，再对所述所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到第二绿色区域面积；
在黑色区域中找到所有的轮廓，再对所述所有轮廓进行遍历，并通过向量叉乘法得到每个轮廓的面积，将所述每个轮廓的面积累加得到黑色区域面积。
7.根据权利要求1所述的一种压力报警器仪表定位和识别读数方法，其特征在于，通过对比所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积，获取气压表的读数结果，包括：
对得到的第二绿色区域、第二红色区域和黑色区域的像素面积大小进行比较，来判断气压表的读数结果：
如果第二红色区域像素面积大于1000且第二绿色区域像素面积大于1000，判断为气体轻微泄露；
如果第二红色区域像素面积大于1000且第二绿色区域像素面积小于100，判断为气体开始泄露；
如果黑色区域像素面积大于1000且第二红色区域像素面积大于1000，判断为气体开始泄露；
如果黑色区域像素面积大于1000且第二红色区域像素面积小于1000，判断为气体严重泄漏；
如果不属于以上三种情况，即为气体没有泄露。
8.一种压力报警器仪表定位和识别读数装置，其特征在于，该装置包括：
仪表图像采集模块：用于通过颜色识别获取所述仪表图像，所述仪表图像包括背景区域和气压表读数区域，所述背景区域包括第一绿色区域和第一红色区域，所述气压表读数区域包括第二绿色区域、第二红色区域和黑色区域；
气压表读数区域定位和读取模块：用于对仪表图像进行图形形态学变换以及轮廓提取，获取所述气压表读数区域，并通过计算，获取所述气压表读数区域面积；
气压表读数结果判断模块：用于对比所述气压表读数区域的第二绿色区域、第二红色区域和黑色区域的面积大小，获取气压表的读数结果，所述读数结果为气体开始泄露、气体轻微泄露、气体严重泄露和气体没有泄露。
9.一种电子设备，其特征在于，包括：
处理器及存储器，所述存储器存储有可被处理器调用的程序；
其中，所述处理器执行所述程序时，实现如权利要求1-7中任意一项所述的压力报警器仪表定和识别读数方法。
10.一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程序，其特征在于：
所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的压力报警器仪表定和识别读数方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111029724.5A CN113780263B (zh) | 2021-09-03 | 2021-09-03 | 一种压力报警器仪表定位和识别读数方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111029724.5A CN113780263B (zh) | 2021-09-03 | 2021-09-03 | 一种压力报警器仪表定位和识别读数方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113780263A CN113780263A (zh) | 2021-12-10 |
| CN113780263B true CN113780263B (zh) | 2023-06-16 |
Family
ID=78840902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111029724.5A Active CN113780263B (zh) | 2021-09-03 | 2021-09-03 | 一种压力报警器仪表定位和识别读数方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113780263B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115953774B (zh) * | 2023-03-08 | 2023-05-19 | 济宁安泰矿山设备制造有限公司 | 基于机器视觉的报警器显示数码识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447062A (zh) * | 2018-09-29 | 2019-03-08 | 南京理工大学 | 基于巡检机器人的指针型仪表识别方法 |
| CN109784257A (zh) * | 2019-01-08 | 2019-05-21 | 北京全路通信信号研究设计院集团有限公司 | 一种变压器温度表检测与识别方法 |
| JP2020024741A (ja) * | 2018-04-27 | 2020-02-13 | 株式会社東芝 | 読取システム、読取方法、プログラム、及び記憶媒体 |
-
2021
- 2021-09-03 CN CN202111029724.5A patent/CN113780263B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020024741A (ja) * | 2018-04-27 | 2020-02-13 | 株式会社東芝 | 読取システム、読取方法、プログラム、及び記憶媒体 |
| CN109447062A (zh) * | 2018-09-29 | 2019-03-08 | 南京理工大学 | 基于巡检机器人的指针型仪表识别方法 |
| CN109784257A (zh) * | 2019-01-08 | 2019-05-21 | 北京全路通信信号研究设计院集团有限公司 | 一种变压器温度表检测与识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张长胜 ; 冯广 ; 刘子裕 ; 李川 ; 钱斌 ; .SF_6断路器气体压力表智能遥视研究.光学技术.2017,(01),第69-74页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113780263A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110689579B (zh) | 基于合作目标的快速单目视觉位姿测量方法及测量系统 | |
| CN109558871B (zh) | 一种指针式仪表读数识别方法及装置 | |
| CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
| CN113780263B (zh) | 一种压力报警器仪表定位和识别读数方法及装置 | |
| CN111325164A (zh) | 指针表示数识别方法、装置和电子设备 | |
| CN111624203B (zh) | 一种基于机器视觉的继电器接点齐度非接触式测量方法 | |
| CN113240667A (zh) | 一种基于图像处理的汽车模具平面裂纹检测方法 | |
| CN112164055A (zh) | 一种基于颜色分割的光伏电池色差分类方法 | |
| CN107561736B (zh) | 基于傅里叶及Hough变换的LCD缺陷检测方法 | |
| CN115564723A (zh) | 一种晶圆缺陷检测方法及应用 | |
| CN115063342A (zh) | 一种镜头坏点检测方法、装置、电子设备及存储介质 | |
| CN117147587B (zh) | 基于软抽包装的缺陷检测系统及检测方法 | |
| CN112763513A (zh) | 一种字符缺陷检测方法 | |
| CN110322395B (zh) | 基于图像处理与仿射变换的零件轮廓形状检测方法及装置 | |
| CN111489338A (zh) | 一种盾构机液压管路内部缺陷无损检测方法 | |
| CN116703894A (zh) | 一种锂电池隔膜质量检测系统 | |
| CN109949292A (zh) | 一种带钢表面缺陷的检测方法及装置 | |
| CN114863086A (zh) | 一种基于模板匹配的变电站多表盘多指针识别方法 | |
| CN109740616B (zh) | 一种利用计算机视觉实现双指针仪表自动读数的方法 | |
| CN113554688A (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
| Zhu et al. | Automatic indication recognition of dual pointer meter in thermo-hygrometer calibrator | |
| CN107389677B (zh) | 一种绒布绒毛品质的检测方法及其装置 | |
| CN114061480A (zh) | 一种用于检测工件外形的方法 | |
| CN112712499B (zh) | 一种物体检测方法、装置以及计算机可读存储介质 | |
| CN115761608A (zh) | 一种基于深度学习的工业表计抄表的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |