基于机器视觉的高压计量数显表自动校对系统
本文关键词:基于机器视觉的高压计量数显表自动校对系统 出处:《电测与仪表》2017年20期 论文类型:期刊论文
【摘要】:针对肉眼不能实时同步待检测高压计量仪表和标准高压计量仪表读数问题,提出了一种基于机器视觉的数显式高压计量仪表自动校对系统。系统通过两个相机同步采集待检测高压计量仪表和标准高压计量仪表字符图像,并对采集的图像进行二值化与膨胀处理,然后根据水平投影法分割图像,提取了改进的结构特征,再用K最近邻(K-Nearest Neighbor,KNN)算法识别字符,解决了肉眼识别效率低、精确度差的问题。经过测试,该系统实现了实时、同步识别待检高压计量仪表和标准高压计量仪表的读数,且识别率达到99.6%以上。
[Abstract]:The eye can not be real-time detection of high voltage measurement and the standard pressure measurement meter reading problems, put forward a digital pressure meter automatic proofreading system based on machine vision system. By two cameras synchronous acquisition to be detected high pressure measurement and pressure measurement standard instrument character image, and image binarization with the expansion of processing, and image segmentation according to horizontal projection method, extract the improved structural characteristics, then K nearest neighbor (K-Nearest Neighbor KNN) algorithm to recognize the character, solve the visual identification of low efficiency and poor precision problems. After testing, the system realizes real-time, simultaneous identification of detected pressure measurement instrument and standard high pressure meter readings, and the recognition rate is above 99.6%.
【作者单位】: 中国电力科学研究院武汉分院;湖北工业大学;国网江苏省电力公司电力科学研究院;
【分类号】:TM933.4
【正文快照】: 0引言高压电能计量装置[1]是一种重要的电气设备,广泛应用于发电厂和变电站的高压电能计量。该装置由电力变压器[2](电流和电压互感器)和数字测量监视器组成。高压计量装置的精度要求高,在出厂前需要检测其精确度,以确保它在正常运行时,达到要求的精度。传统的数显式仪表缺乏
【相似文献】
相关期刊论文 前10条
1 周中华;;高压计量装置的错误接线和故障检测方法[J];电工技术;2008年11期
2 曹法明;;高压计量装置应安装接线盒[J];农村电工;2009年09期
3 常钢;;一种对高压计量装置的误判断[J];农村电工;2010年04期
4 肖冀;;高压计量装置错误接线分析[J];电工技术;2012年10期
5 赵宝军;王坤;;高压计量装置的故障诊断与分析[J];科技创新与应用;2012年33期
6 王新彦;;高压计量电器的可靠性研究[J];电子技术与软件工程;2013年17期
7 李书跃;;三相高压计量专用屏[J];现代节能;1992年04期
8 连卫江;赵智明;;高压计量柜若干问题的分析[J];内蒙古科技与经济;2006年09期
9 左群锋;一起高压计量错误接线的分析[J];供用电;1994年02期
10 李忠云;商品楼专用变供电高压计量的优缺点及对策[J];农村电工;1998年11期
相关重要报纸文章 前1条
1 通讯员 袁恒;四川试研院积极开展高压计量工作[N];中国电力报;2009年
相关硕士学位论文 前10条
1 黄显;10kV高压计量一体化校验系统设计[D];华北电力大学;2016年
2 陈昕然;基于机器视觉的电力仪表自动检定系统研究[D];哈尔滨工业大学;2015年
3 李高磊;基于机器视觉的无人机电力巡线技术研究[D];安徽理工大学;2016年
4 陈观应;基于机器视觉的干电池缺陷并行检测方法研究[D];广东工业大学;2016年
5 李桥;基于机器视觉的太阳能电池外观检测技术研究[D];苏州大学;2016年
6 卞桂平;基于机器视觉的电容器表面缺陷检测系统的研究与开发[D];江苏科技大学;2016年
7 褚乐添;基于视觉的LED照明产品的自动装配[D];上海交通大学;2015年
8 张晓涛;基于机器视觉的电器安全性能测试功能扩充及测试平台[D];广东工业大学;2005年
9 刘玉峰;基于机器视觉的手机电池尺寸检测研究[D];安徽理工大学;2013年
10 郭金华;基于机器视觉的双尖灯泡检测系统研发[D];广东工业大学;2015年
,本文编号:1386905
本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/1386905.html