CN114663866A - 一种基于机器视觉的仪表示数识别方法和装置 - Google Patents
一种基于机器视觉的仪表示数识别方法和装置 Download PDFInfo
- Publication number
- CN114663866A CN114663866A CN202210331438.2A CN202210331438A CN114663866A CN 114663866 A CN114663866 A CN 114663866A CN 202210331438 A CN202210331438 A CN 202210331438A CN 114663866 A CN114663866 A CN 114663866A
- Authority
- CN
- China
- Prior art keywords
- instrument
- pointer
- image
- dial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 3
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination 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
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013519 translation 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
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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及视觉识别技术领域,尤其涉及一种基于机器视觉的仪表示数识别方法和装置,所述识别方法具体包括如下步骤:获取仪表的图像数据;对获取的仪表图像数据进行预处理,得到预处理图像;基于所述仪表预处理图像进行检测,根据仪表指针、表盘圆心、量程零值以及最大量程值的位置数据获取该表盘的类型;基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,将确定后的仪表图像对应的表盘类型为该仪表图像的目标表盘类型,通过对指针式仪表图像进行预处理,然后进行目标检测类型识别,实现了仪表角度识别及示数识别,本申请对指针式仪表图像进行示数识别,具有快速、高效、精准、适用性广等特点。
Description
技术领域
本发明涉及视觉识别技术领域,尤其涉及一种基于机器视觉的仪表示数识别方法和装置。
背景技术
随着近年来深度学习理论的不断完善和发展,卷积神经网络由于其具有极强的表征学习能力,因而得到了迅猛的发展并被广泛应用于机器视觉、自然语言处理等多个学术领域,并在多项任务上展现出了惊人的效果,如物体分类、目标识别、机器翻译等。同时,卷积神经网络已被广泛应用于医学领域、工业领域、安全领域等。
指针式仪表在工业领域中被大量使用且类型繁多。其优点在于:对环境的极高适应能力,抗干扰能力强,尤其在环境恶劣的场合,如挖掘隧道、矿洞等场景;对监测数据的反应灵敏且迅速,延迟时间短。出于精准度和安全性的考虑,指针式仪表的读数操作往往由大量的专业的工作人员去执行。而这种方式的工作量巨大且效率低下。应用图像处理技术实现机器自读识别仪表示数,成为了解决这一困难的重要探索方向。因此,对指针式仪表的表盘图像进行示数识别,并保障仪表数据读取的快速与精准,具有非常大的现实意义。
指针式仪表一般无法通过通信渠道回传其测量数据,目前对于指针式仪表的示数读取,绝大部分是通过检测仪表的外形轮廓和指针轮廓,从而实现对仪表示数的识别读取。
发明内容
为解决上述技术问题,本发明提供一种基于机器视觉的仪表示数识别方法和装置。
本发明提供的一种基于机器视觉的仪表示数识别方法,所述识别方法具体包括如下步骤:
获取仪表的图像数据;
对获取的仪表图像数据进行预处理,得到预处理图像;
基于所述仪表预处理图像进行检测,根据仪表指针、表盘圆心、量程零值以及最大量程值的位置数据获取该表盘的类型;
基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数。
优选的,所述对获取的仪表图像数据进行预处理,得到预处理图像,包括:
对获取得到仪表图像数据进行亮度增强,得到增强图像数据。
优选的,所述对获取的仪表图像数据进行预处理,得到预处理图像,还包括:
将得到的增强图像数据调整为固定格式大小,其中,在调整的过程中,对所述增强图像数据进行裁剪。
优选的,所述基于所述仪表预处理图像进行检测,根据仪表指针、表盘圆心、量程零值以及最大量程值的位置数据获取该表盘的类型,包括:
基于所述预处理图像对仪表进行特征采集,特征采集包括仪表指针、表盘圆心、量程零值以及最大量程值的位置数据;
基于采集得到的特征候选框体,对所述框体进行筛选,得到仪表包含框体;
对得到的仪表框体与特征数据进行整合,得到待定图像区域以及各待定区域对应的分类结果;
将符合预设条件的分类结果对应的图像区域确定为仪表图像,将确定后的仪表图像对应的表盘类型为该仪表图像的目标表盘类型。
优选的,基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,包括:
获取预处理图像中仪表指针在水平方向的投影值;
根据预处理图像投影值水平边缘查找指针相对于圆心的偏转角度。
优选的,基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,包括:
基于仪表指针、表盘圆心、量程零值以及最大量程值的位置数据,通过反三角函数得到指针相对于零刻度的偏移角度;
根据所述指针的偏移角度,得到仪表示数。
优选的,基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,包括指针偏转角度的计算公式:
α=α1=α2
其中,(x1,y1)为表盘圆心坐标,(x2,y2)为仪表指针坐位,(x3,y3)为量程零值的零刻度坐标。
优选的,基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,还包括仪表示数的计算公式:
其中,M为仪表最大量程示数,ω为仪表最小示数至最大示数所对应的偏转角度。
一种基于机器视觉的仪表示数识别装置,,包括:
获取模块,所述获取模块用于获取仪表的图像数据,以及
存储器,所述存储器用于存储可执行指令,以及
处理器,所述处理器用于与所述存储器连接以执行所述可执行指令从而完成基于机器视觉的仪表示数识别方法。
优选的,所述获取模块包括:
投影获取单元,所述投影获取单元用于获取所述预处理图像表盘指针在水平方向的投影值。
与相关技术相比较,本发明提供的具有如下有益效果:
本发明通过获取仪表的图像数据;对获取的仪表图像数据进行预处理,得到预处理图像;基于所述仪表预处理图像进行检测,根据仪表指针、表盘圆心、量程零值以及最大量程值的位置数据获取该表盘的类型;基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,基于所述预处理图像对仪表进行特征采集,基于采集得到的特征候选框体,对所述框体进行筛选,得到仪表包含框体;对得到的仪表框体与特征数据进行整合,得到待定图像区域以及各待定区域对应的分类结果;将符合预设条件的分类结果对应的图像区域确定为仪表图像,将确定后的仪表图像对应的表盘类型为该仪表图像的目标表盘类型,通过对指针式仪表图像进行预处理,然后进行目标检测类型识别,实现了仪表角度识别及示数识别,本申请对指针式仪表图像进行示数识别,具有快速、高效、精准、适用性广等特点。
附图说明
图1为本发明提供的一种基于机器视觉的仪表示数识别方法的流程示意图。
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仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
请参阅图1,本发明实施例提供的一种基于机器视觉的仪表示数识别方法,所述识别方法具体包括如下步骤:
S1、获取仪表的图像数据;
S2、对获取的仪表图像数据进行预处理,得到预处理图像;
具体的,对获取得到仪表图像数据进行亮度增强,得到增强图像数据;
将得到的增强图像数据调整为固定格式大小,其中,在调整的过程中,对所述增强图像数据进行裁剪;
其中,亮度增强,并非是机械性的亮度增强,而是,将亮度增强到与正常光照下图像等效的亮度即可,避免过度提亮导致的图像过亮的问题;
S3、基于所述仪表预处理图像进行检测,根据仪表指针、表盘圆心、量程零值以及最大量程值的位置数据获取该表盘的类型;
具体的,基于所述预处理图像对仪表进行特征采集,特征采集包括仪表指针、表盘圆心、量程零值以及最大量程值的位置数据;
基于采集得到的特征候选框体,对所述框体进行筛选,得到仪表包含框体;
对得到的仪表框体与特征数据进行整合,得到待定图像区域以及各待定区域对应的分类结果;
将符合预设条件的分类结果对应的图像区域确定为仪表图像,将确定后的仪表图像对应的表盘类型为该仪表图像的目标表盘类型;
其中,出于对仪表示数识别的精准度和工厂仪器的安全性的考虑,指针式仪表的读数操作往往由大量的专业的工作人员去执行,本申请为提高工作效率和降低工作强度,该方案配合工业巡检机器人的定点高清拍摄,实现自动识别仪表示数的功效。拍摄的指针式仪表图片中包含仪表的指针、表盘圆心、零值和最大量程值的图像信息;
S4、基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数;
具体的,获取预处理图像中仪表指针在水平方向的投影值;
根据预处理图像投影值水平边缘查找指针相对于圆心的偏转角度;
基于仪表指针、表盘圆心、量程零值以及最大量程值的位置数据,通过反三角函数得到指针相对于零刻度的偏移角度;
根据所述指针的偏移角度,得到仪表示数;
指针偏转角度的计算公式:
α=α1=α2
其中,(x1,y1)为表盘圆心坐标,(x2,y2)为仪表指针坐位,(x3,y3)为量程零值的零刻度坐标。
于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,还包括仪表示数的计算公式:
其中,M为仪表最大量程示数,ω为仪表最小示数至最大示数所对应的偏转角度;
根据极坐标转换公式可知,极坐标系的纵坐标为仪表指针相对圆心的旋转角度,也就是说,在极坐标中,以仪表指针未工作时的指针位置作为指针基准,当指针在工作时,指针将偏离指针基准运动,其此时指针的在极坐标中的纵坐标即为指针运动的旋转角度。
一种基于机器视觉的仪表示数识别装置,包括:
获取模块,所述获取模块用于获取仪表的图像数据,以及
存储器,所述存储器用于存储可执行指令,以及
处理器,所述处理器用于与所述存储器连接以执行所述可执行指令从而完成上述基于机器视觉的仪表示数识别方法。
具体的,所述获取模块包括:
投影获取单元,所述投影获取单元用于获取所述预处理图像表盘指针在水平方向的投影值。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”“相连”“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接连接,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (10)
1.一种基于机器视觉的仪表示数识别方法,其特征在于,所述识别方法具体包括如下步骤:
获取仪表的图像数据;
对获取的仪表图像数据进行预处理,得到预处理图像;
基于所述仪表预处理图像进行检测,根据仪表指针、表盘圆心、量程零值以及最大量程值的位置数据获取该表盘的类型;
基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数。
2.根据权利要求1所述的一种基于机器视觉的仪表示数识别方法,其特征在于,所述对获取的仪表图像数据进行预处理,得到预处理图像,包括:
对获取得到仪表图像数据进行亮度增强,得到增强图像数据。
3.根据权利要求2所述的一种基于机器视觉的仪表示数识别方法,其特征在于,所述对获取的仪表图像数据进行预处理,得到预处理图像,还包括:
将得到的增强图像数据调整为固定格式大小,其中,在调整的过程中,对所述增强图像数据进行裁剪。
4.根据权利要求3所述的一种基于机器视觉的仪表示数识别方法,其特征在于,所述基于所述仪表预处理图像进行检测,根据仪表指针、表盘圆心、量程零值以及最大量程值的位置数据获取该表盘的类型,包括:
基于所述预处理图像对仪表进行特征采集,特征采集包括仪表指针、表盘圆心、量程零值以及最大量程值的位置数据;
基于采集得到的特征候选框体,对所述框体进行筛选,得到仪表包含框体;
对得到的仪表框体与特征数据进行整合,得到待定图像区域以及各待定区域对应的分类结果;
将符合预设条件的分类结果对应的图像区域确定为仪表图像,将确定后的仪表图像对应的表盘类型为该仪表图像的目标表盘类型。
5.根据权利要求4所述的一种基于机器视觉的仪表示数识别方法,其特征在于,基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,包括:
获取预处理图像中仪表指针在水平方向的投影值;
根据预处理图像投影值水平边缘查找指针相对于圆心的偏转角度。
6.根据权利要求5所述的一种基于机器视觉的仪表示数识别方法,其特征在于,基于获取到的表盘的类型与目标表盘进行指针偏转角度对比数据,计算得到仪表示数,包括:
基于仪表指针、表盘圆心、量程零值以及最大量程值的位置数据,通过反三角函数得到指针相对于零刻度的偏移角度;
根据所述指针的偏移角度,得到仪表示数。
9.一种基于机器视觉的仪表示数识别装置,其特征在于,包括:
获取模块,所述获取模块用于获取仪表的图像数据,以及
存储器,所述存储器用于存储可执行指令,以及
处理器,所述处理器用于与所述存储器连接以执行所述可执行指令从而完成权利要求1-8任一所述的基于机器视觉的仪表示数识别方法。
10.根据权利要求9所述的基于机器视觉的仪表示数识别装置,其特征在于,所述获取模块包括:
投影获取单元,所述投影获取单元用于获取所述预处理图像表盘指针在水平方向的投影值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210331438.2A CN114663866A (zh) | 2022-03-30 | 2022-03-30 | 一种基于机器视觉的仪表示数识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210331438.2A CN114663866A (zh) | 2022-03-30 | 2022-03-30 | 一种基于机器视觉的仪表示数识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114663866A true CN114663866A (zh) | 2022-06-24 |
Family
ID=82033056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210331438.2A Pending CN114663866A (zh) | 2022-03-30 | 2022-03-30 | 一种基于机器视觉的仪表示数识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663866A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN110110733A (zh) * | 2019-05-15 | 2019-08-09 | 深圳供电局有限公司 | 指针式仪表读数方法、装置、计算机设备和存储介质 |
CN110543878A (zh) * | 2019-08-07 | 2019-12-06 | 华南理工大学 | 一种基于神经网络的指针仪表读数识别方法 |
CN111027531A (zh) * | 2019-12-10 | 2020-04-17 | 联想(北京)有限公司 | 指针式仪表信息识别方法、装置及电子设备 |
CN112966711A (zh) * | 2021-02-01 | 2021-06-15 | 北京大学 | 基于卷积神经网络的指针式仪表示数识别方法及系统 |
CN114037992A (zh) * | 2021-10-28 | 2022-02-11 | 软通动力信息技术(集团)股份有限公司 | 仪表示数识别方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-30 CN CN202210331438.2A patent/CN114663866A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN110110733A (zh) * | 2019-05-15 | 2019-08-09 | 深圳供电局有限公司 | 指针式仪表读数方法、装置、计算机设备和存储介质 |
CN110543878A (zh) * | 2019-08-07 | 2019-12-06 | 华南理工大学 | 一种基于神经网络的指针仪表读数识别方法 |
CN111027531A (zh) * | 2019-12-10 | 2020-04-17 | 联想(北京)有限公司 | 指针式仪表信息识别方法、装置及电子设备 |
CN112966711A (zh) * | 2021-02-01 | 2021-06-15 | 北京大学 | 基于卷积神经网络的指针式仪表示数识别方法及系统 |
CN114037992A (zh) * | 2021-10-28 | 2022-02-11 | 软通动力信息技术(集团)股份有限公司 | 仪表示数识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
XUANG WU ET AL: "A High-Precision Automatic Pointer Meter Reading System in Low-Light Environment", 《SENSORS》 * |
郝永飞 等: "基于机器视觉的自动仪表盘指针检测研究", 《机电工程》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
US20190095739A1 (en) | Adaptive Auto Meter Detection Method based on Character Segmentation and Cascade Classifier | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN107145890B (zh) | 一种远距离多视角环境下的指针式仪表盘自动读数方法 | |
CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
CN106643965B (zh) | 一种利用模板匹配精确识别液位的方法 | |
CN102768022A (zh) | 采用数码照相技术的隧道围岩变形检测方法 | |
CN107817044B (zh) | 基于机器视觉的板材振动的测量装置及方法 | |
CN108629347B (zh) | 变电站宽刻度指针式仪表自动识别方法 | |
CN115841488B (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN112966711A (zh) | 基于卷积神经网络的指针式仪表示数识别方法及系统 | |
CN100470578C (zh) | 基于计算机视觉的科学仪器工作状态监测方法 | |
Mai et al. | An automatic meter reading method based on one-dimensional measuring curve mapping | |
Annusewicz et al. | Marker detection algorithm for the navigation of a mobile robot | |
CN114092728A (zh) | 一种基于深度学习的指针式仪表智能识别方法及系统 | |
CN111815580B (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN116110006B (zh) | 一种用于智慧旅游系统的景区游客异常行为识别方法 | |
CN114663866A (zh) | 一种基于机器视觉的仪表示数识别方法和装置 | |
CN111475016A (zh) | 一种基于计算机视觉的装配过程几何参数自适应测量系统及方法 | |
CN214410073U (zh) | 一种工业相机与深度相机结合的三维检测定位系统 | |
CN114266835A (zh) | 一种非量测相机的变形监测控制方法与系统 | |
CN109360289B (zh) | 融合巡检机器人定位信息的电力表计检测方法 | |
Gao et al. | An Automatic Detection and Sorting System for Valve Core Based on Machine Vision | |
Vázquez-Fernández et al. | A machine vision system for the calibration of digital thermometers | |
CN216791052U (zh) | 一种基于机器视觉的三维位移传感器 |
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 |
Application publication date: 20220624 |
|
RJ01 | Rejection of invention patent application after publication |