CN114202910A - 仪表识别装置、仪表监控系统及其监控方法 - Google Patents

仪表识别装置、仪表监控系统及其监控方法 Download PDF

Info

Publication number
CN114202910A
CN114202910A CN202010890099.2A CN202010890099A CN114202910A CN 114202910 A CN114202910 A CN 114202910A CN 202010890099 A CN202010890099 A CN 202010890099A CN 114202910 A CN114202910 A CN 114202910A
Authority
CN
China
Prior art keywords
monitoring
instrument
meter
image
monitoring 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
Application number
CN202010890099.2A
Other languages
English (en)
Inventor
哈谦
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202010890099.2A priority Critical patent/CN114202910A/zh
Priority to US17/790,362 priority patent/US20230045188A1/en
Priority to PCT/CN2021/104523 priority patent/WO2022042045A1/zh
Publication of CN114202910A publication Critical patent/CN114202910A/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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Vascular Medicine (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

公开一种仪表识别装置、仪表监控系统及其监控方法，涉及仪表监控领域，用于提高监控效率。其中，仪表监控系统包括：无线网关、监控设备和至少一个仪表识别装置。仪表识别装置包括：图像采集器、处理器和无线收发器。图像采集器被配置为以设定时间间隔采集监控仪表显示侧的图像。处理器与图像采集器耦接，处理器被配置为根据图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据。无线收发器与处理器耦接，无线收发器被配置为将处理器确定出的监控数据发送至无线网关。无线网关被配置为将接收到的监控数据传输至监控设备。本公开提供的仪表监控系统，具有成本低、监控频率高以及监控数据准确性高的优势。

Description

仪表识别装置、仪表监控系统及其监控方法
技术领域
本公开涉及仪表监控领域，尤其涉及一种仪表识别装置、仪表监控系统及其监控方法。
背景技术
监控仪表可以用于感知例如温度、压力、电压、电流等参数。在多种应用场景(例如电力输送、石油管路、显示面板的生产线等)中，可以利用监控仪表对各个环节进行监控。
发明内容
本公开的目的在于提供一种仪表识别装置、仪表监控系统及其监控方法，用于提高监控效率。
为了实现上述目的，本公开提供如下技术方案：
一方面，提供一种仪表监控系统。所述仪表监控系统包括：无线网关、监控设备和至少一个仪表识别装置。每个仪表识别装置位于一个监控仪表的周围；所述仪表识别装置包括：图像采集器、处理器和无线收发器。所述图像采集器被配置为以设定时间间隔采集监控仪表显示侧的图像。所述处理器与所述图像采集器耦接，所述处理器被配置为根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据。所述无线收发器与所述处理器耦接，所述无线收发器被配置为将所述处理器确定出的监控数据发送至无线网关。所述无线网关被配置为将接收到的监控数据传输至所述监控设备。
在一些实施例中，所述图像采集器包括：摄像头；至少两个光源，设置于所述摄像头的周侧，且沿所述摄像头的周向方向依次间隔排布。所述图像采集器被配置为：在仅关闭所述至少两个光源中的一个光源时，利用所述摄像头拍摄画面，以及，截取所述画面中与所关闭的光源对应的无光斑区域；重复上述步骤，得到与各个光源对应的无光斑区域，将所有无光斑区域组合生成所述监控仪表显示侧的图像。
在一些实施例中，所述至少两个光源等间隔分布。
在一些实施例中，所述监控仪表为指针监控仪表，所述指针监控仪表包括刻度盘和可相对于刻度盘运动的指针。所述根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据，包括以下步骤：根据所述图像确定所述指针的位置信息；根据所述指针的位置信息，以及所述指针的位置信息与所述刻度盘的刻度值之间的对应关系，确定与所确定的位置信息对应的刻度值；将所确定的刻度值作为与所述图像对应的监控数据。
在一些实施例中，所述根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据，包括以下步骤：将所述图像输入至已训练的神经网络模型；利用所述神经网络模型计算得到与所述图像对应的监控数据；其中，所述神经网络模型基于历史图像数据进行训练得到。
在一些实施例中，所述处理器还被配置为：获取所述监控仪表的身份信息、所述仪表识别装置的地址信息、以及与所述监控数据对应的采集时刻中的至少一者；所述无线收发器被配置为：将所述监控仪表的身份信息、所述仪表识别装置的地址信息、以及与所述监控数据对应的采集时刻中的至少一者随所述监控数据一起发送至所述无线网关；所述无线网关被配置为：将所述监控仪表的身份信息、所述仪表识别装置的地址信息、以及与所述监控数据对应的采集时刻中的至少一者随所述监控数据一起传输至所述监控设备。
在一些实施例中，所述处理器还被配置为：判断所述设定时间间隔是否大于或等于预设时间间隔；若所述设定时间间隔大于或等于所述预设时间间隔，则在相邻两个采集时刻之间通过所述无线收发器与所述无线网关建立至少一次通信连接。
在一些实施例中，所述处理器还被配置为：判断所述设定时间间隔是否大于或等于预设时间间隔；若所述设定时间间隔大于或等于所述预设时间间隔，则在各个整点时刻通过所述无线收发器与所述无线网关建立通信连接。
在一些实施例中，所述处理器还被配置为：对于任一整点时刻，确定所述整点时刻到上一采集时刻的时长是否大于或等于预设时长；若是，则在所述整点时刻通过所述无线收发器与所述无线网关建立通信连接；若否，则不在所述整点时刻通过所述无线收发器与所述无线网关建立通信连接。
在一些实施例中，在所述监控设备中存储有更新指令的情况下，所述监控设备被配置为：在接收所述仪表识别装置发送的所述监控数据时，通过所述无线网关向所述仪表识别装置发送更新指令；和/或，在所述仪表识别装置与所述无线网关建立通信连接时，通过所述无线网关向所述仪表识别装置发送更新指令。
在一些实施例中，所述监控设备还被配置为：对所有所述仪表识别装置反馈的监控信息进行汇总，生成监控数据报表；其中，所述监控信息包括所述仪表识别装置的监控数据、与所述监控数据对应的采集时刻、所述监控仪表的身份信息、所述仪表识别装置的地址信息和所述仪表识别装置的电池剩余电量中的至少一种。
在一些实施例中，所述监控数据包括温度、压力、电压、电流中的至少一种。
另一方面，提供一种仪表识别装置。所述仪表识别装置包括：图像采集器，所述图像采集器被配置为以设定时间间隔采集监控仪表显示侧的图像；处理器，与所述图像采集器耦接，所述处理器被配置为根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据；无线收发器，与所述处理器耦接，所述无线收发器被配置为将所述处理器确定出的监控数据发送至无线网关，利用所述无线网关将所述监控数据传输至监控设备。
在一些实施例中，所述图像采集器包括：摄像头；至少两个光源，设置于所述摄像头的周侧，且沿所述摄像头的周向方向依次间隔排布。所述图像采集器被配置为：在仅关闭所述至少两个光源中的一个光源时，利用所述摄像头拍摄画面，以及，截取所述画面中与所关闭的光源对应的无光斑区域；重复上述步骤，得到与各个光源对应的无光斑区域，将所有无光斑区域组合生成所述监控仪表显示侧的图像。
又一方面，提供一种监控方法，应用于如上述任一项实施例所述的仪表监控系统。该监控方法包括：所述至少一个仪表识别装置以设定时间间隔采集监控仪表显示侧的图像；所述至少一个仪表识别装置根据所述图像，基于图像处理算法，确定监控仪表的监控数据；所述至少一个仪表识别装置将所述监控数据发送至所述无线网关，利用所述无线网关将所述监控数据传输至所述监控设备。
本公开实施例提供的仪表识别装置、仪表监控系统及其监控方法具有如下有益效果：
本公开实施例提供的仪表监控系统，相较于人工抄表的方式而言，可以大幅降低人工成本，提高监控频率以及监控数据的准确性。相较于机器人巡检的方式而言，由于不容易受到外界环境的影响，因此仍能够有效的提高监控频率以及监控数据的准确性，而且具有成本低的优势。
其中，仪表识别装置既可以利用图像采集器实现图像采集，又可以利用处理器对采集到的图像进行识别以确定监控数据，最后只需要将所确定的监控数据通过无线收发器发送至无线网关，利用无线网关将所确定监控数据传输至监控设备。因此，待处理数据(如采集到的图像)只需要由图像采集器传输至处理器即可，传输过程中耗时较少，这使得数据处理的时效性增加。并且，由于无需将该待处理数据上传至监控设备及无线网关，因此降低了上传所用的网络带宽，也即降低了网络负载，进而有利于提高上传速度，时效性较好。与此同时，还有利于减少对监控设备及无线网关的资源的占用，从而减小了监控设备及无线网关的运行负担。
本公开提供的监控方法所能实现的有益效果，与上述仪表监控系统所能达到的有益效果相同，在此不做赘述。
附图说明
为了更清楚地说明本公开中的技术方案，下面将对本公开一些实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例的附图，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。此外，以下描述中的附图可以视作示意图，并非对本公开实施例所涉及的产品的实际尺寸、方法的实际流程、信号的实际时序等的限制。
图1为根据一些实施例的一种仪表监控系统的结构图；
图2A为根据一些实施例的一种监控仪表的结构图；
图2B为根据一些实施例的另一种监控仪表的结构图；
图3为根据一些实施例的一种仪表识别装置的结构图；
图4A为根据一些实施例的一种图像采集器的结构图；
图4B为根据一些实施例的一种图像采集器的图像采集方法的流程图；
图5A为根据一些实施例的一种监控数据确定方法的流程图；
图5B为根据一些实施例的另一种监控数据确定方法的流程图；
图6为根据一些实施例的另一种仪表识别装置的结构图；
图7为根据一些实施例的一种仪表监控系统的监控方法的流程图；
图8为根据一些实施例的再一种仪表监控系统的监控方法的流程图；
图9为根据一些实施例的又一种仪表监控系统的监控方法的流程图；
图10为根据一些实施例的又一种仪表监控系统的监控方法的流程图；
图11为根据一些实施例的又一种仪表监控系统的监控方法的流程图。
具体实施方式
下面将结合附图，对本公开一些实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开所提供的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本公开保护的范围。
除非上下文另有要求，否则，在整个说明书和权利要求书中，术语“包括(comprise)”及其其他形式例如第三人称单数形式“包括(comprises)”和现在分词形式“包括(comprising)”被解释为开放、包含的意思，即为“包含，但不限于”。在说明书的描述中，术语“一个实施例(one embodiment)”、“一些实施例(some embodiments)”、“示例性实施例(exemplary embodiments)”、“示例(example)”、“特定示例(specific example)”或“一些示例(some examples)”等旨在表明与该实施例或示例相关的特定特征、结构、材料或特性包括在本公开的至少一个实施例或示例中。上述术语的示意性表示不一定是指同一实施例或示例。此外，所述的特定特征、结构、材料或特点可以以任何适当方式包括在任何一个或多个实施例或示例中。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在描述一些实施例时，可能使用了“耦接”和“连接”及其衍伸的表达。例如，描述一些实施例时可能使用了术语“连接”以表明两个或两个以上部件彼此间有直接物理接触或电接触。又如，描述一些实施例时可能使用了术语“耦接”以表明两个或两个以上部件有直接物理接触或电接触。然而，术语“耦接”或“通信耦合(communicatively coupled)”也可能指两个或两个以上部件彼此间并无直接接触，但仍彼此协作或相互作用。这里所公开的实施例并不必然限制于本文内容。
“A、B和C中的至少一个”与“A、B或C中的至少一个”具有相同含义，均包括以下A、B和C的组合：仅A，仅B，仅C，A和B的组合，A和C的组合，B和C的组合，及A、B和C的组合。
“A和/或B”，包括以下三种组合：仅A，仅B，及A和B的组合。
如本文中所使用，根据上下文，术语“如果”任选地被解释为意思是“当……时”或“在……时”或“响应于确定”或“响应于检测到”。类似地，根据上下文，短语“如果确定……”或“如果检测到[所陈述的条件或事件]”任选地被解释为是指“在确定……时”或“响应于确定……”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
本文中“适用于”或“被配置为”的使用意味着开放和包容性的语言，其不排除适用于或被配置为执行额外任务或步骤的设备。
图1示出了根据一些实施例的一种仪表监控系统的示意框图。如图1所示，本公开一些实施例提供了一种仪表监控系统200，该仪表监控系统200包括至少一个仪表监控装置100、监控设备201和无线网关202。
在一些示例中，每个仪表识别装置100位于一个监控仪表的周围。例如，每个仪表识别装置100可以设置在一个监控仪表4(如图2A示出的数字监控仪表41、图2B示出的指针监控仪表42等)的数据显示侧。可以理解，此处，将仪表识别装置100设置在对应的监控仪表4的数据显示侧并非必要条件，在一些可能的实现方式中，也可将仪表识别装置100设置在监控仪表4的除数据显示侧以外的其它侧(例如监控仪表4的背侧等)，此时则可以通过一些光学镜片(例如反射镜等)来使仪表识别装置100采集到监控仪表4显示侧的图像。
如图3所示，仪表识别装置100包括图像采集器1、与图像采集器1耦接的处理器2，以及与处理器2耦接的无线收发器3。其中，图像采集器1可以用于采集监控仪表显示侧的图像。在另一些可能的实现方式中，也可以选择仅将该图像采集器1设置在监控仪表4的数据显示侧，以便利用图像采集器1采集监控仪表4显示侧的图像；或者，还可以将该图像采集器1设置在监控仪表4的除数据显示侧以外的其它侧，并通过一些光学镜片来使图像采集器1采集到监控仪表4显示侧的图像。因此，可以理解的是，在本公开的各个实施例中，只要保证图像采集器1能够采集到监控仪表4显示侧的图像即可，而无需对仪表识别装置100相对于监控仪表4的具体位置进行限制。
无线收发器3可以与处理器2集成在一起；或者，该无线收发器3也可以与处理器2分别单独设置。在一些示例中，该处理器2为编程为用于执行本文所描述的一个或多个操作和/或功能的微处理器。在另一些示例中，该处理器2整个或部分地由专门配置的硬件来执行(例如，由一个或多个专用集成电路(ASIC(s))来执行)。
所述图像采集器1被配置为以设定时间间隔采集监控仪表4显示侧的图像。其中，该设定时间间隔可以是固定的，也可以是变化的。也即，第一次采集和第二次采集间隔的时长可以与第二次采集和第三次采集间隔的时长相等，或者，第一次采集和第二次采集间隔的时长也可以与第二次采集和第三次采集之间间隔的时长不相等。
参见图2A和图2B，监控仪表4可以是图2A示出的数字监控仪表41，也可以是图2B示出的指针监控仪表42。该监控仪表4显示侧的图像指的是该监控仪表4显示监控数据(例如图2A中的“88.88”)一侧的图像。可以理解，对于数字监控仪表而言，如图2A所示，监控数据可以直接以数字的形式进行显示；而对于指针监控仪表而言，如图2B所示，监控数据则可以通过刻度盘421配合可相对于该刻度盘421运动的指针422进行显示。
所述处理器2被配置为根据所述图像采集器1采集到的图像，基于图像处理算法，确定监控仪表的监控数据。其中，所述监控数据包括温度、压力、电压、电流中的至少一种。
在此基础上，参见图1和图3，所述无线收发器3被配置为将所述监控数据发送至无线网关202，所述无线网关202被配置为将所述监控数据传输至监控设备201。此处，监控设备201可以是安装有监控软件的智能终端(例如手机、电脑等)，可以理解，该智能终端包括处理器和显示屏等。通过处理器运行监控软件可以对接收到的所述监控数据进行整理，生成监控数据报表。通过显示屏可以显示所生成的监控数据报表。在一些示例中，智能终端中的监控软件可以在某一监控数据发生异常(例如该监控数据超出正常范围)时，利用智能终端发出提示信息。
值得指出的是，仪表识别装置100可以与监控仪表4较好的集成在一起，例如，该仪表识别装置100可以作为监控仪表4的表盖，这样使得仪表识别装置100和监控仪表4之间彼此起到一定的保护作用，使得仪表识别装置100和监控仪表4均不容易受到外界环境的影响(如风雨雷电等天气原因产生的影响)。其中，仪表识别装置100与监控仪表4之间可以是固定连接(如焊接等)，也可以是可拆卸连接(如可转动连接、可滑动连接等)，或者还可以不连接(即仪表识别装置100与监控仪表4可以分别固定在不同的物体上，只要保证两者的相对位置使仪表识别装置100可以采集到监控仪表4显示侧的图像即可)，本公开各实施例对此不进行限制。
该仪表监控系统200相较于人工抄表的方式而言，可以大幅降低人工成本，提高监控频率以及监控数据的准确性。相较于机器人巡检的方式而言，由于不容易受到外界环境的影响，因此仍能够有效的提高监控频率以及监控数据的准确性，而且具有成本低的优势。
此外，由于仪表识别装置100既可以利用图像采集器1实现图像采集，又可以利用处理器2对采集到的图像进行识别以确定监控数据，最后只需要将所确定的监控数据通过无线收发器3发送至无线网关202，利用无线网关202将所确定监控数据传输至监控设备201。因此，待处理数据(如采集到的图像)只需要由图像采集器1传输至处理器2即可，传输过程中耗时较少，这使得数据处理的时效性增加。并且，由于无需将该待处理数据上传至监控设备201及无线网关202，因此降低了上传所用的网络带宽，也即降低了网络负载，进而有利于提高上传速度，时效性较好。与此同时，还有利于减少对监控设备201及无线网关202的资源的占用，从而减小了监控设备201及无线网关202的运行负担。
在上述仪表识别装置100中，所述图像采集器1的结构形式以及利用该图像采集器1采集图像的方式有多种，下面通过一些实施例对此进行描述。
图4A示出了根据一些实施例的一种图像采集器1的结构图；图4B示出了根据一些实施例的一种图像采集器1的图像采集方法的流程图。
在一些实施例中，如图4A所示，该图像采集器1包括摄像头11和至少两个光源12。所述至少两个光源12设置于所述摄像头11的周侧，且沿所述摄像头11的周向方向依次间隔排布。
如图4B所示，所述图像采集器1被配置为：
S11、在仅关闭所述至少两个光源12中的一个光源12时，利用所述摄像头11拍摄画面，以及，截取所述画面中与所关闭的光源对应的无光斑区域(例如图4A所示，在上下左右四个光源12中：如果仅关闭其中某一光源12(例如位于下方的光源12)，则可以将该光源12所在的扇形区域作为截取的无光斑区域)。
S12、重复上述步骤，得到与各个光源对应的无光斑区域(例如图4A的示例中可以得到四个无光斑区域)，将所有无光斑区域组合生成所述监控仪表显示侧的图像。这样设计，使得所得到的图像中不容易出现比较亮的光斑，可以避免光斑对原始采集图像中指针位置等关键区域的破坏，进而保证后续图像处理获得监控数据的准确性。
示例性的，所述至少两个光源12等间隔分布。例如，在图4A中，四个光源12等间隔分布。当然，本公开各个实施例中的光源数量不局限于四个。在实际应用中，对于不同大小的监控仪表而言，可以设置不同数量的光源12，以满足照明需求，进而实现采集到更清晰的图像。
对于该仪表识别装置100而言，所述处理器2根据所述图像采集器1采集到的图像，基于图像处理算法，确定监控仪表4的监控数据的方式有多种，下面通过一些实施例对此进行描述。
在一些实施例中，参见图2B，所述监控仪表4为指针监控仪表42，所述指针监控仪表42包括刻度盘421和可相对于刻度盘421运动的指针422。
如图5A所示，所述根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据，包括以下步骤：
S21、根据所述图像确定所述指针422的位置信息。示例性的，可以对所述图像进行二值化处理，然后基于二值化处理后的图像来确定所述指针的位置信息，这样有利于提高所确定的指针位置信息的准确性。
S22、根据所述指针422的位置信息，以及所述指针422的位置信息与所述刻度盘421的刻度值之间的对应关系，确定与所确定的位置信息对应的刻度值。
S23、将所确定的刻度值作为与所述图像对应的监控数据。
其中，所述指针422的位置信息与所述刻度盘421的刻度值之间的对应关系，可以预先存储在该仪表识别装置100中。
或者，所述指针422的位置信息与所述刻度盘421的刻度值之间的对应关系也可以利用处理器2根据采集到的图像来进行确定。例如，参见图2B，处理器2可以根据采集到的图像确定所述刻度盘421的起始刻度值(如图2B中的“0”)和所述指针422的起始位置，以及所述刻度盘421的终点刻度值(如图2B中的“10”)和所述指针422的终点位置。其中，所述指针422的起始位置对应所述刻度盘421的起始刻度值，所述指针422的终点位置对应所述刻度盘421的终点刻度值。由于所述刻度盘421中任意相邻两个刻度值之间的距离相等，因此，所述指针422的起始位置到所述指针422的终点位置所经过的区域按照刻度值的总数进行平均分配，则可以确定与各个刻度值对应的指针422的位置。
在一些可能的实现方式中，如图2B所示，所述指针422可以围绕一个固定点转动。此时，所述指针422的位置信息可以是指该指针422的当前位置与该指针的初始位置之间的夹角度数。
在另一些可能的实现方式中，所述指针可以整体沿一个方向滑动。此时，所述指针422的位置信息可以是指该指针422的当前位置与该指针的初始位置之间的间距。
在另一些实施例中，如图5B所示，所述根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据，包括以下步骤：
S21'、将所述图像输入至已训练的神经网络模型；
S22'、利用所述神经网络模型计算得到与所述图像对应的监控数据。
其中，所述神经网络模型基于历史图像数据进行训练得到。此处，神经网络模型指的是利用一定的算法(如机器学习算法)进行计算的算法结构。
示例性的，在对神经网络模型进行训练期间，主要包括以下步骤：选择网络拓扑；使用表示被网络建模的问题的一组训练数据；以及调节权重，直到网络模型针对训练数据集的所有实例表现为具有最小误差。例如，在用于神经网络的监督式学习训练过程期间，将由网络响应于表示训练数据集中的实例的输入所产生的输出与该实例的“正确”的已标记输出相比较；计算表示所述输出与已标记输出之间的差异的误差信号；以及当将误差信号向后传播穿过网络的层时，调节与所述连接相关联的权重以最小化该误差。当从训练数据集的实例中生成的每个输出的误差被最小化时，该神经网络模型被视为“已经过训练”，并可以用于人工智能推理任务。
通过对大量训练样本(即历史图像数据)进行多次的迭代和计算，提取出这些训练样本的特定特征，最终得到能够在具有该特定特征的数据集上收敛的算法结构和参数值等，也即，得到能够识别具有特定特征的数据的神经网络模型，从而可以利用该神经网络模型输出与所述图像对应的监控数据。
其中，该神经网络模型可以为前馈神经网络模型、卷积神经网络(ConvolutionalNeural Network，简称为CNN)模型、循环神经网络(RNN，Recurrent Neural Network)模型、生成式对抗网络(GAN，Generative Adversarial Network)模型等，但不限于此，也可以采用本领域技术人员公知的其它神经网络模型。
在本公开的一些实施例中，如图6所示，该仪表识别装置100还包括电池5。该电池5可以向该仪表识别装置100中的各个部件(例如图像采集器1、处理器2和无线收发器3)提供电力。这样设置，使得该仪表识别装置100无需向外引出电源线束，进而使得该仪表识别装置100可以适用于多种复杂场景(例如远离市电的位置等)中。
其中，需要说明的是，本公开不对电池5的类型进行限制，例如该电池5可以是普通的充电电池，也可以是太阳能充电电池，或者还可以是一次性电池。
在该仪表识别装置100包括电池5的情况下，示例性的，所述处理器2还被配置为：获取电池5的剩余电量；通过无线收发器3将电池5的剩余电量随监控数据一起发送至无线网关，以利用无线网关202将电池5的剩余电量和监控数据一起传输至监控设备201。
这样设置，可以对电池5的剩余电量进行监控，以便于在电池5中的电量用完之前及时地进行更换或充电，进而可以防止该仪表识别装置100因此电池5没电而停止工作。
在本公开的一些实施例中，参见图1、图2A、图2B、图3和图7：
S31、所述处理器2还被配置为：获取监控仪表4的身份信息、仪表识别装置100的地址信息、以及与所述监控数据对应的采集时刻中的至少一者。
其中，需要说明的是，对于采集一次监控仪表4显示侧的图像而言，如果只利用所述摄像头11拍摄一个画面，则该对应于监控数据的采集时刻可以是拍摄该一个画面的时刻；如果利用所述摄像头11拍摄了多个画面的，则对应于监控数据的采集时刻例如可以是拍摄该多个画面的中间时刻，或者也可以是拍摄该多个画面的最后时刻。
仪表识别装置100的地址信息可以是IP地址(Internet Protocol Address)。
监控仪表4的身份信息可以是站位编号，例如，在一个厂区布置有M个监控仪表4的情况下，M个监控仪表4可以依次编号为1～M，M为大于或等于2的正整数。此处，既可以是通过硬件的方式对监控仪表4进行编号，也可以是通过软件的方式对监控仪表4进行编号。
S32、所述无线收发器3被配置为：将监控仪表4的身份信息和仪表识别装置100的地址信息、以及与所述监控数据对应的采集时刻中的至少一者随监控数据一起发送至无线网关202。
S33、所述无线网关202将监控仪表4的身份信息、仪表识别装置100的地址信息、以及与所述监控数据对应的采集时刻中的至少一者随监控数据一起传输至监控设备201。
这样设置，监控设备201可以根据监控仪表4的身份信息和仪表识别装置100的地址信息、以及与所述监控数据对应的采集时刻中的至少一者对相应的监控数据进行分类和汇总。
此处，需要说明的是，在监控设备201中存储有更新指令的情况下，处理器2还可以被配置为：在将监控数据发送至无线网关202的同时，通过无线收发器3接收监控设备201通过无线网关202发出的更新指令。这样使得仪表识别装置100可以在上传数据的同时实现接收更新指令。其中，更新指令可以包括所述图像采集器1的参数更新指令等，例如摄像头的参数和光源亮度等。
在一些实施例中，如图8所示，所述处理器2还被配置为：
S41、判断所述设定时间间隔是否大于或等于预设时间间隔。其中，该预设时间间隔可以是1小时，或者也可以是其它时间间隔，例如100分钟、120分钟等。
S42、若该设定时间间隔大于或等于预设时间间隔，则在相邻两个采集时刻之间通过无线收发器3与无线网关202建立至少一次通信连接。
这样设计，可以在相邻两次采集时刻间隔时间过长的情况下，确定无线收发器3是否可以与无线网关202进行正常通信，进而不容易出现仪表识别装置100长时间故障且未被发现的情况，提高了整个监控期间的安全性。
在此基础上，示例性的，可以利用该至少一次通信连接将相邻两个采集时刻之间的时长均匀分隔。例如，在相邻两个采集时刻之间的时长为90分钟、且相邻两个采集时刻之间建立两次通信连接时，可以每隔30分钟建立一次通信连接，以达到更好的故障排除效果。
在另一些实施例中，如图9所示，所述处理器2还被配置为：
S51、判断所述设定时间间隔是否大于或等于预设时间间隔。同样的，该预设时间间隔可以是1小时，或者也可以是其它时间间隔，例如100分钟、120分钟等。
S52、若该设定时间间隔大于或等于预设时间间隔，则在各个整点时刻通过所述无线收发器与所述无线网关建立通信连接。
这样设计，可以在相邻两次采集时刻间隔时间过长的情况下，确定无线收发器3是否可以与无线网关202进行正常通信，进而不容易出现仪表识别装置100长时间故障且未被发现的情况，提高了整个监控期间的安全性。
值得指出的是，由于在该另一些实施例中，判断出设定时间间隔大于预设时间间隔(也即表示相邻两次采集时刻间隔时间过长，例如相邻两次采集时刻间隔时间大于或等于1小时)时，直接在各个整点时刻建立通信连接，无需通过计算来得到建立通信连接的时刻，因此减小了逻辑设计的复杂度，同时保证了通信的稳定性以及故障的及时发现。
在此基础上，示例性的，该处理器2还可以被配置为：对于任一整点时刻，确定所述整点时刻到上一采集时刻的时长是否大于或等于预设时长；例如该预设时长可以为5分钟～15分钟。若是，则在所述整点时刻通过所述无线收发器与所述无线网关建立通信连接。若否，则不在所述整点时刻通过所述无线收发器与所述无线网关建立通信连接。
这样设计，使得仪表识别装置100在将监控数据发送至无线网关202后的一段时间内，不会与无线网关202建立通信连接，从而不易出现仪表识别装置100与无线网关202频繁地进行通信的情况。
仪表识别装置100在通过无线收发器3与无线网关202建立通信连接期间，示例性的，仪表识别装置100还可以通过无线收发器3接收监控设备201通过无线网关202发出的如上所述的更新指令。该更新指令例如还可以包括所述设定时间间隔的更新指令、所述预设时间间隔的更新指令和所述预设时长的更新指令等。
该仪表识别装置100在休眠状态(即，不上传监控数据、也不建立上述通信连接的状态)下，是不接收更新指令，此时更新指令可以预先存储在监控设备201中，等到仪表识别装置100向无线网关202发送监控数据或者仪表识别装置100与无线网关202建立通信连接时，监控设备201再将该更新指令传输至无线网关202，利用无线网关202发送至对应的仪表识别装置100，从而实现低功耗运行。
基于此，在所述监控设备201中存储有更新指令的情况下，示例性的，所述监控设备201被配置为：在接收仪表识别装置100发送的监控数据时，通过无线网关202向仪表识别装置100发送更新指令；和/或，在仪表识别装置100与无线网关202建立通信连接时，通过无线网关202向仪表识别装置100发送更新指令。其中，更新指令例如可以包括如上所述的图像采集器1的参数更新指令(如摄像头的参数和光源亮度等)、设定时间间隔的更新指令、预设时间间隔的更新指令和预设时长的更新指令等。
这样设置，使得仪表识别装置100在休眠状态(即，不上传监控数据、也不建立上述通信连接的状态)下，可以不接收更新指令，此时更新指令可以暂时存储在监控设备201中，等到仪表识别装置100向无线网关202发送监控数据或者仪表识别装置100与无线网关202建立通信连接时，监控设备201再将该更新指令传输至无线网关202，利用无线网关202发送至对应的仪表识别装置100，从而实现低功耗运行。
在一些实施例中，所述监控设备201还被配置为：对所有仪表识别装置100反馈的监控信息进行汇总，生成监控数据报表。其中，所述监控信息包括仪表识别装置100的监控数据、与所述监控数据对应采集时刻、监控仪表4的身份信息、仪表识别装置100的地址信息和仪表识别装置100的电池剩余电量中的至少一种。
这样设计，可以更直观的呈现出与各个监控仪表对应的监控信息，从而达到方便查看各个监控仪表的监控数据的目的。此外，值得指出的是，由于监控设备201被配置为直接接收监控信息，并将接收到的监控信息进行汇总，生成监控数据报表，而不需要对仪表识别装置100采集到的待处理数据(例如监控仪表显示侧的图像)进行处理来生成监控数据，因此，减少了对监控设备201及无线网关202的资源的占用，从而减小了监控设备201及无线网关202的运行负担。
基于上述仪表监控系统200的技术方案，如图3所示，本公开一些实施例提供了一种仪表识别装置100，该仪表识别装置100可以为如上所述的任一实施例中的仪表识别装置100。因此该仪表识别装置100具有如上所述的全部有益效果。
图10示出了根据一些实施例的一种监控方法的流程图。如图10所示，本公开一些实施例提供了一种监控方法，该监控方法可以应用于上述任一项实施例所述的仪表监控系统中。
参见图3和图10，该监控方法包括：
S61、所述至少一个仪表识别装置100以设定时间间隔采集监控仪表显示侧的图像。
S62、所述至少一个仪表识别装置100根据所述图像确定监控仪表的监控数据。
S63、所述至少一个仪表识别装置100将所述监控数据发送至所述无线网关202，利用所述无线网关202将所述监控数据传输至所述监控设备201。
该监控方法相较于人工抄表的方式而言，可以大幅降低人工成本，提高监控频率以及监控数据的准确性。相较于机器人巡检的方式而言，由于不容易受到外界环境的影响，因此仍能够有效的提高监控频率以及监控数据的准确性，而且具有成本低的优势。
此外，由于该监控方法既可以利用仪表识别装置100实现图像采集，又可以利用仪表识别装置100对采集到的图像进行识别以确定监控数据，最后只需要将所确定的监控数据发送至无线网关202，利用无线网关202将所确定监控数据传输至监控设备201，因此，待处理数据(如采集到的图像)只需要在仪表识别装置100的内部部件(例如图像采集器与处理器)之间传输并处理，传输过程中耗时较少，这使得数据处理的时效性增加。并且，由于无需将该待处理数据上传至监控设备201及无线网关202，因此降低了上传所用的网络带宽，也即降低了网络负载，进而有利于提高上传速度，时效性较好。与此同时，还有利于减少对监控设备201及无线网关202的资源的占用，从而减小了监控设备201及无线网关202的运行负担。
在所述监控设备201中存储有更新指令的情况下，示例性的，如图11所示，所述监控方法还包括：
S64、所述监控设备201在接收到仪表识别装置100发送的所述监控数据时，通过无线网关202向所述仪表识别装置100发送更新指令；和/或，所述监控设备201在所述仪表识别装置100与所述无线网关202建立通信连接时，通过所述无线网关202向所述仪表识别装置100发送更新指令。
这样设置，使得仪表识别装置100在休眠状态(即，不上传监控数据、也不建立上述通信连接的状态)下，可以不接收更新指令，此时更新指令可以暂时存储在监控设备201中，等到仪表识别装置100向无线网关202发送监控数据或者仪表识别装置100与无线网关202建立通信连接时，监控设备201再将该更新指令传输至无线网关202，利用无线网关202发送至对应的仪表识别装置100，从而实现低功耗运行。
在一些实施例中，如图11所示，所述监控方法还包括：
S65、监控设备201对所有仪表识别装置100反馈的监控信息进行汇总，生成监控数据报表。其中，所述监控信息包括仪表识别装置100的监控数据、与所述监控数据对应的采集时刻、监控仪表4的身份信息、仪表识别装置100的地址信息和仪表识别装置100的电池剩余电量中的至少一种。
这样设计，可以更直观的呈现出与各个监控仪表对应的监控信息，从而达到方便查看各个监控仪表的监控数据的目的。此外，值得指出的是，由于监控设备201被配置为直接接收监控信息，并将接收到的监控信息进行汇总，生成监控数据报表，而不需要对仪表识别装置100采集到的待处理数据(例如监控仪表显示侧的图像)进行处理来生成监控数据，因此，减少了对监控设备201及无线网关202的资源的占用，从而减小了监控设备201及无线网关202的运行负担。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。

Claims (15)

1.一种仪表监控系统，其特征在于，包括：
至少一个仪表识别装置，所述仪表识别装置包括：
图像采集器，所述图像采集器被配置为以设定时间间隔采集监控仪表显示侧的图像；
处理器，与所述图像采集器耦接，所述处理器被配置为根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据；
无线收发器，与所述处理器耦接，所述无线收发器被配置为将所述处理器确定出的监控数据发送至无线网关；
所述无线网关和监控设备，所述无线网关被配置为将接收到的监控数据传输至所述监控设备。
2.根据权利要求1所述的仪表监控系统，其特征在于，所述图像采集器包括：
摄像头；
至少两个光源，设置于所述摄像头的周侧，且沿所述摄像头的周向方向依次间隔排布；
所述图像采集器被配置为：
在仅关闭所述至少两个光源中的一个光源时，利用所述摄像头拍摄画面，以及，截取所述画面中与所关闭的光源对应的无光斑区域；
重复上述步骤，得到与各个光源对应的无光斑区域，将所有无光斑区域组合生成所述监控仪表显示侧的图像。
3.根据权利要求2所述的仪表监控系统，其特征在于，
所述至少两个光源等间隔分布。
4.根据权利要求1～3中任一项所述的仪表监控系统，其特征在于，所述监控仪表为指针监控仪表，所述指针监控仪表包括刻度盘和可相对于刻度盘运动的指针；
所述根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据，包括以下步骤：
根据所述图像确定所述指针的位置信息；
根据所述指针的位置信息，以及所述指针的位置信息与所述刻度盘的刻度值之间的对应关系，确定与所确定的位置信息对应的刻度值；
将所确定的刻度值作为与所述图像对应的监控数据。
5.根据权利要求1～3中任一项所述的仪表监控系统，其特征在于，所述根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据，包括以下步骤：
将所述图像输入至已训练的神经网络模型；
利用所述神经网络模型计算得到与所述图像对应的监控数据；
其中，所述神经网络模型基于历史图像数据进行训练得到。
6.根据权利要求1～3中任一项所述的仪表监控系统，其特征在于，
所述处理器还被配置为：获取所述监控仪表的身份信息、所述仪表识别装置的地址信息、以及与所述监控数据对应的采集时刻中的至少一者；
所述无线收发器被配置为：将所述监控仪表的身份信息、所述仪表识别装置的地址信息、以及与所述监控数据对应的采集时刻中的至少一者随所述监控数据一起发送至所述无线网关；
所述无线网关被配置为：将所述监控仪表的身份信息、所述仪表识别装置的地址信息、以及与所述监控数据对应的采集时刻中的至少一者随所述监控数据一起传输至所述监控设备。
7.根据权利要求1～3中任一项所述的仪表监控系统，其特征在于，所述处理器还被配置为：
判断所述设定时间间隔是否大于或等于预设时间间隔；
若所述设定时间间隔大于或等于所述预设时间间隔，则在相邻两个采集时刻之间通过所述无线收发器与所述无线网关建立至少一次通信连接。
8.根据权利要求7所述的仪表监控系统，其特征在于，所述处理器还被配置为：
判断所述设定时间间隔是否大于或等于预设时间间隔；
若所述设定时间间隔大于或等于所述预设时间间隔，则在各个整点时刻通过所述无线收发器与所述无线网关建立通信连接。
9.根据权利要求8所述的仪表监控系统，其特征在于，所述处理器还被配置为：
对于任一整点时刻，确定所述整点时刻到上一采集时刻的时长是否大于或等于预设时长；
若是，则在所述整点时刻通过所述无线收发器与所述无线网关建立通信连接；
若否，则不在所述整点时刻通过所述无线收发器与所述无线网关建立通信连接。
10.根据权利要求1～3中任一项所述的仪表监控系统，其特征在于，在所述监控设备中存储有更新指令的情况下，所述监控设备被配置为：
在接收所述仪表识别装置发送的所述监控数据时，通过所述无线网关向所述仪表识别装置发送更新指令；和/或，在所述仪表识别装置与所述无线网关建立通信连接时，通过所述无线网关向所述仪表识别装置发送更新指令。
11.根据权利要求1～3中任一项所述的仪表监控系统，其特征在于，所述监控设备还被配置为：对所有所述仪表识别装置反馈的监控信息进行汇总，生成监控数据报表；
其中，所述监控信息包括所述仪表识别装置的监控数据、与所述监控数据对应的采集时刻、所述监控仪表的身份信息、所述仪表识别装置的地址信息和所述仪表识别装置的电池剩余电量中的至少一种。
12.根据权利要求1～3中任一项所述的仪表监控系统，其特征在于，
所述监控数据包括温度、压力、电压、电流中的至少一种。
13.一种仪表识别装置，其特征在于包括：
图像采集器，所述图像采集器被配置为以设定时间间隔采集监控仪表显示侧的图像；
处理器，与所述图像采集器耦接，所述处理器被配置为根据所述图像采集器采集到的图像，基于图像处理算法，确定监控仪表显示的监控数据；
无线收发器，与所述处理器耦接，所述无线收发器被配置为将所述处理器确定出的监控数据发送至无线网关，利用所述无线网关将所述监控数据传输至监控设备。
14.根据权利要求13所述的仪表识别装置，其特征在于，所述图像采集器包括：
摄像头；
至少两个光源，设置于所述摄像头的周侧，且沿所述摄像头的周向方向依次间隔排布；
所述图像采集器被配置为：
在仅关闭所述至少两个光源中的一个光源时，利用所述摄像头拍摄画面，以及，截取所述画面中与所关闭的光源对应的无光斑区域；
重复上述步骤，得到与各个光源对应的无光斑区域，将所有无光斑区域组合生成所述监控仪表显示侧的图像。
15.一种监控方法，应用于如权利要求1～12中任一项所述的仪表监控系统，其特征在于，包括：
所述至少一个仪表识别装置以设定时间间隔采集监控仪表显示侧的图像；
所述至少一个仪表识别装置根据所述图像，基于图像处理算法，确定监控仪表的监控数据；
所述至少一个仪表识别装置将所述监控数据发送至所述无线网关，利用所述无线网关将所述监控数据传输至所述监控设备。
CN202010890099.2A 2020-08-28 2020-08-28 仪表识别装置、仪表监控系统及其监控方法 Pending CN114202910A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010890099.2A CN114202910A (zh) 2020-08-28 2020-08-28 仪表识别装置、仪表监控系统及其监控方法
US17/790,362 US20230045188A1 (en) 2020-08-28 2021-07-05 Meter recognition apparatus, meter monitoring system, and monitoring method therefor
PCT/CN2021/104523 WO2022042045A1 (zh) 2020-08-28 2021-07-05 仪表识别装置、仪表监控系统及其监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010890099.2A CN114202910A (zh) 2020-08-28 2020-08-28 仪表识别装置、仪表监控系统及其监控方法

Publications (1)

Publication Number Publication Date
CN114202910A true CN114202910A (zh) 2022-03-18

Family

ID=80352551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010890099.2A Pending CN114202910A (zh) 2020-08-28 2020-08-28 仪表识别装置、仪表监控系统及其监控方法

Country Status (3)

Country Link
US (1) US20230045188A1 (zh)
CN (1) CN114202910A (zh)
WO (1) WO2022042045A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117075556B (zh) * 2023-08-25 2024-05-14 安徽鸿凌智能仪表科技有限公司 一种基于物联网的智能仪表装配方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012038195A (ja) * 2010-08-10 2012-02-23 Nec System Technologies Ltd 電力遠隔計測装置、電力遠隔計測システム、電力遠隔計測方法およびプログラム
TW201349129A (zh) * 2012-05-25 2013-12-01 Ming-Gong Yang 遠端讀錶辨識系統及其辨識方法
CN103605959A (zh) * 2013-11-15 2014-02-26 武汉虹识技术有限公司 一种虹膜图像去除光斑的方法及装置
CN104376545A (zh) * 2013-08-16 2015-02-25 联想(北京)有限公司 一种信息处理的方法及一种电子设备
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
CN106526345A (zh) * 2015-09-11 2017-03-22 张大堃 一种线路避雷器在线监测仪的远程状态监测系统
CN206110872U (zh) * 2016-07-21 2017-04-19 杭州海康威视数字技术股份有限公司 一种智能门锁系统
CN107135372A (zh) * 2017-03-29 2017-09-05 浙江大学 一种基于图像识别的仪表实时监控系统及方法
CN208520404U (zh) * 2018-04-24 2019-02-19 北京拓盛智联技术有限公司 一种智能巡检系统
CN110059622A (zh) * 2019-04-18 2019-07-26 华北电力大学（保定） 一种基于无线传感器网络的指针式仪表示值识别系统
CN110929723A (zh) * 2019-11-20 2020-03-27 汕头大学 一种基于卷积神经网络的变电站指针式仪表的识别方法
CN111368823A (zh) * 2018-12-26 2020-07-03 沈阳新松机器人自动化股份有限公司 一种指针式仪表读数识别方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003272076A (ja) * 2002-03-14 2003-09-26 Osaka Gas Co Ltd 検針方法
CN201955891U (zh) * 2011-01-20 2011-08-31 浙江海洋学院 基于图像识别技术的智能直读式自动抄表系统
CN104678963B (zh) * 2015-02-03 2017-07-21 葛武 一种基于计算机视觉的采集仪表设备信息的系统及方法
KR101985712B1 (ko) * 2018-12-13 2019-06-04 주식회사 버넥트 머신 비전 기반의 비접촉방식의 계측기 정보 수집방법 및 이를 이용한 원격 모니터링 시스템

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012038195A (ja) * 2010-08-10 2012-02-23 Nec System Technologies Ltd 電力遠隔計測装置、電力遠隔計測システム、電力遠隔計測方法およびプログラム
TW201349129A (zh) * 2012-05-25 2013-12-01 Ming-Gong Yang 遠端讀錶辨識系統及其辨識方法
CN104376545A (zh) * 2013-08-16 2015-02-25 联想(北京)有限公司 一种信息处理的方法及一种电子设备
CN103605959A (zh) * 2013-11-15 2014-02-26 武汉虹识技术有限公司 一种虹膜图像去除光斑的方法及装置
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
CN106526345A (zh) * 2015-09-11 2017-03-22 张大堃 一种线路避雷器在线监测仪的远程状态监测系统
CN206110872U (zh) * 2016-07-21 2017-04-19 杭州海康威视数字技术股份有限公司 一种智能门锁系统
CN107135372A (zh) * 2017-03-29 2017-09-05 浙江大学 一种基于图像识别的仪表实时监控系统及方法
CN208520404U (zh) * 2018-04-24 2019-02-19 北京拓盛智联技术有限公司 一种智能巡检系统
CN111368823A (zh) * 2018-12-26 2020-07-03 沈阳新松机器人自动化股份有限公司 一种指针式仪表读数识别方法及装置
CN110059622A (zh) * 2019-04-18 2019-07-26 华北电力大学（保定） 一种基于无线传感器网络的指针式仪表示值识别系统
CN110929723A (zh) * 2019-11-20 2020-03-27 汕头大学 一种基于卷积神经网络的变电站指针式仪表的识别方法

Also Published As

Publication number Publication date
WO2022042045A1 (zh) 2022-03-03
US20230045188A1 (en) 2023-02-09

Similar Documents

Publication Publication Date Title
CN112910094B (zh) 基于泛在电力物联网的变电站远方自动巡检系统及方法
CN108890652B (zh) 一种变电站巡检机器人及变电站设备巡检方法
CN105867245B (zh) 一种电力信息监控系统
CN108445767B (zh) 一种基于无人机的可视化现场安全监督管理系统
CN107168294B (zh) 一种火电水系统设备无人巡检监控方法
CN103235562A (zh) 变电站基于巡检机器人的综合参数检测系统及巡检方法
CN113872328A (zh) 基于神经网络的变电站远程智能巡检方法及系统
CN104503489A (zh) 一种数据采集控制装置、方法及系统
CN115091491B (zh) 一种配电房巡维机器人及其控制方法
WO2019214231A1 (zh) 故障电弧的检测方法、装置和系统
CN117319451B (zh) 基于多模态大数据的城市级消防物联网监管系统及其方法
CN113569914A (zh) 一种融合点云数据的输电线路巡检方法及系统
CN111343287B (zh) 一种输电线路巡检的直升机激光雷达远程监控系统与方法
CN109685389A (zh) 电梯故障派工方法、装置、服务器、存储介质及系统
CN106546703A (zh) 大气质量监测系统、方法及装置
CN113033835A (zh) 基于变电站的智能巡视方法、系统及存储介质
CN110941558B (zh) 一种智慧办公远程运维的方法及系统
CN113177614A (zh) 一种城市轨道交通供电开关柜图像识别系统及方法
CN114202910A (zh) 仪表识别装置、仪表监控系统及其监控方法
CN116030591A (zh) 一种基于物联网的矿井外因火灾智能巡检报警系统及方法
CN112966552B (zh) 一种基于智能识别的例行巡视方法及系统
CN212111619U (zh) 基于物联网和人工智能的输电线路避雷设施故障检测设备
CN112202789B (zh) 一种变电站全景感知数据处理方法及系统
CN114882682B (zh) 一种高压线缆状态监测平台及监测方法
CN114979214B (zh) 一种输电线路的智能协同告警系统、方法及装置

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