线性指针式仪表识别方法的研究
发布时间:2022-02-22 18:08
指针式仪表因其结构简单、使用便利、示数识别可靠性高、成本低且易于用在各类环境恶劣的场合等优点而被广泛应用在军事、医疗、教育、工业生产和生活之中。虽然数显仪表技术发展十分迅猛,但是指针式仪表在工业生产过程中仍占据主要地位。目前指针式仪表数据的获取大多数是由人手工抄表,手动记录并分析数据,在处理数据时劳动强度大、效率低,容易受到外界因素的影响,这些因素都会对识别得到的指针式仪表示数准确性产生影响。相比于传统的人工获取仪表信息的方式,计算机视觉技术的应用,极大地降低了劳动成本、提高了仪表检测的自动化水平,具有广阔的应用前景。目前,实现指针式仪表的自动识别任务是图像处理与模式识别领域研究的重点,其识别的关键在于如何快速准确对指针直线进行特征提取。因此,为避免上述问题的发生和提高线性指针式仪表识别的自动化水平,本文提出一种新的指针检测与示数识别方法,具体完成如下工作:首先,图像预处理。在进行图像识别工作之前要对待识别图像进行灰度化处理、图像滤波以及边缘检测等预处理操作,详细分析各部分完成的内容和相应的实现效果,通过对比分析确定合适的算法进行线性指针式仪表自动识别的预处理过程。其次,仪表指针提取与...
【文章来源】:东北石油大学黑龙江省
【文章页数】:65 页
【学位级别】:硕士
【部分图文】:
图像预处理处理增强检测
缘唯一的边缘检测算子才是最优的。nny 边缘检测算法实现流程为高斯平滑函数、边缘增强、非极大值抑制四个基本步骤[75]:)用高斯滤波器对图像进行平滑处理,去除噪声的干扰;)用一阶差分卷积模板来计算梯度的幅值和方向;)对梯度幅值不是极大值的地方进行抑制;)用双阈值算法检测和连接图上的联通点。nny 边缘检测算子有较强的抗干扰能力,并对边缘的检测效果较好,能像中的噪声干扰,但缺点是算法耗时较长。oberts 边缘检测算子为图像边缘检测最简单的算子——在二十世纪六十年代提出的 Roberts基于一阶微分而实现的[76]。Roberts 边缘检测算子的原理是通过对角线素点进行差运算,使用差分思想来获取图像的边缘。图 2.3 表示 Robe的两种卷积模板。(i+1,j)(i, j) (i, j) (i+1, j)
算公式如式(2-12)。( , ) ( , ) ( 1, 1)( , ) ( , 1) ( 1, )xyf i j f i j f i jf i j f i j f i j 上式所得的x y f 和 f,梯度幅值 R (i , j )可以表示为:2 2( , )x yR i j f f( , )x yR i j f f点的梯度幅值大于预先设定的阈值,则视为边缘点。Roberts 边缘检测平与竖直两方向的检测效果较好,定位准确,但是对噪声较为敏感。rewitt 边缘检测算子witt 边缘检测算子是二十世纪六十年代,Prewitt 和 Mendelsohn 在 Ro提出的一种新算法[77]。通过扩大其卷积模板,并引入均值计算,实现检 Prewitt 边缘检测算子模板示意图。+1 +1 +1+1 0 -1
【参考文献】:
期刊论文
[1]工业线性指针仪表识别改进方法[J]. 霍凤财,王迪,李政璋. 吉林大学学报(信息科学版). 2018(04)
[2]基于空间变换的指针式仪表读数识别算法研究[J]. 汤亮,何稳,李倩,张董洁,汪威,胡新宇. 电测与仪表. 2018(06)
[3]基于种子填充的指针式仪表自动识别算法[J]. 朱玉欣,孙立辉. 电子技术与软件工程. 2017(24)
[4]巡检机器人中的指针式仪表读数识别系统[J]. 许丽,石伟,方甜. 仪器仪表学报. 2017(07)
[5]基于物联网技术的柔性管道巡检机器人[J]. 王佳玮,黄莉洁,蒋宇晨,徐弢. 国外电子测量技术. 2017(01)
[6]高压输电线防震锤锈蚀缺陷检测[J]. 宋伟,左丹,邓邦飞,张海兵,薛凯文,胡泓. 仪器仪表学报. 2016(S1)
[7]基于Snake算法的圆盘仪表示数识别技术研究[J]. 李金彪. 电测与仪表. 2016(09)
[8]基于图像处理的变电站指针式仪表读数研究[J]. 石伟,王朝立,陈建帅,侯许红. 电子科技. 2016(01)
[9]基于视觉显著性的指针式仪表读数识别算法[J]. 张文杰,熊庆宇,张家齐,王玉平,江鹏,王成疆. 计算机辅助设计与图形学学报. 2015(12)
[10]基于图像的换流站用避雷器仪表识别[J]. 崔家瑞,纪建才,胡广大,何红太,张波,刘广一. 电工技术学报. 2015(S1)
博士论文
[1]基于机器视觉指针表检测的关键技术研究[D]. 李学聪.广东工业大学 2014
[2]基于内容的图像检索方法研究[D]. 李杰.中国科学技术大学 2008
[3]基于计算机视觉的直读仪表校验方法研究[D]. 赵书涛.华北电力大学(河北) 2006
硕士论文
[1]基于图像处理的车道偏离预警方法仿真与实现[D]. 孟子慧.东北石油大学 2018
[2]基于图像识别的多指针仪表自动读数方法研究与实现[D]. 徐林加.东南大学 2017
[3]智能变电站指针式仪表自动识别方法的研究[D]. 王欣.沈阳工业大学 2016
[4]变电站机器人智能巡检系统应用研究[D]. 张志飞.华北电力大学 2015
[5]基于机器视觉的指针式仪表识别技术研究与应用[D]. 陈卓.西南石油大学 2011
[6]基于特征识别的指针式仪表自动识别研究[D]. 晁阳.山东大学 2008
本文编号:3639967
【文章来源】:东北石油大学黑龙江省
【文章页数】:65 页
【学位级别】:硕士
【部分图文】:
图像预处理处理增强检测
缘唯一的边缘检测算子才是最优的。nny 边缘检测算法实现流程为高斯平滑函数、边缘增强、非极大值抑制四个基本步骤[75]:)用高斯滤波器对图像进行平滑处理,去除噪声的干扰;)用一阶差分卷积模板来计算梯度的幅值和方向;)对梯度幅值不是极大值的地方进行抑制;)用双阈值算法检测和连接图上的联通点。nny 边缘检测算子有较强的抗干扰能力,并对边缘的检测效果较好,能像中的噪声干扰,但缺点是算法耗时较长。oberts 边缘检测算子为图像边缘检测最简单的算子——在二十世纪六十年代提出的 Roberts基于一阶微分而实现的[76]。Roberts 边缘检测算子的原理是通过对角线素点进行差运算,使用差分思想来获取图像的边缘。图 2.3 表示 Robe的两种卷积模板。(i+1,j)(i, j) (i, j) (i+1, j)
算公式如式(2-12)。( , ) ( , ) ( 1, 1)( , ) ( , 1) ( 1, )xyf i j f i j f i jf i j f i j f i j 上式所得的x y f 和 f,梯度幅值 R (i , j )可以表示为:2 2( , )x yR i j f f( , )x yR i j f f点的梯度幅值大于预先设定的阈值,则视为边缘点。Roberts 边缘检测平与竖直两方向的检测效果较好,定位准确,但是对噪声较为敏感。rewitt 边缘检测算子witt 边缘检测算子是二十世纪六十年代,Prewitt 和 Mendelsohn 在 Ro提出的一种新算法[77]。通过扩大其卷积模板,并引入均值计算,实现检 Prewitt 边缘检测算子模板示意图。+1 +1 +1+1 0 -1
【参考文献】:
期刊论文
[1]工业线性指针仪表识别改进方法[J]. 霍凤财,王迪,李政璋. 吉林大学学报(信息科学版). 2018(04)
[2]基于空间变换的指针式仪表读数识别算法研究[J]. 汤亮,何稳,李倩,张董洁,汪威,胡新宇. 电测与仪表. 2018(06)
[3]基于种子填充的指针式仪表自动识别算法[J]. 朱玉欣,孙立辉. 电子技术与软件工程. 2017(24)
[4]巡检机器人中的指针式仪表读数识别系统[J]. 许丽,石伟,方甜. 仪器仪表学报. 2017(07)
[5]基于物联网技术的柔性管道巡检机器人[J]. 王佳玮,黄莉洁,蒋宇晨,徐弢. 国外电子测量技术. 2017(01)
[6]高压输电线防震锤锈蚀缺陷检测[J]. 宋伟,左丹,邓邦飞,张海兵,薛凯文,胡泓. 仪器仪表学报. 2016(S1)
[7]基于Snake算法的圆盘仪表示数识别技术研究[J]. 李金彪. 电测与仪表. 2016(09)
[8]基于图像处理的变电站指针式仪表读数研究[J]. 石伟,王朝立,陈建帅,侯许红. 电子科技. 2016(01)
[9]基于视觉显著性的指针式仪表读数识别算法[J]. 张文杰,熊庆宇,张家齐,王玉平,江鹏,王成疆. 计算机辅助设计与图形学学报. 2015(12)
[10]基于图像的换流站用避雷器仪表识别[J]. 崔家瑞,纪建才,胡广大,何红太,张波,刘广一. 电工技术学报. 2015(S1)
博士论文
[1]基于机器视觉指针表检测的关键技术研究[D]. 李学聪.广东工业大学 2014
[2]基于内容的图像检索方法研究[D]. 李杰.中国科学技术大学 2008
[3]基于计算机视觉的直读仪表校验方法研究[D]. 赵书涛.华北电力大学(河北) 2006
硕士论文
[1]基于图像处理的车道偏离预警方法仿真与实现[D]. 孟子慧.东北石油大学 2018
[2]基于图像识别的多指针仪表自动读数方法研究与实现[D]. 徐林加.东南大学 2017
[3]智能变电站指针式仪表自动识别方法的研究[D]. 王欣.沈阳工业大学 2016
[4]变电站机器人智能巡检系统应用研究[D]. 张志飞.华北电力大学 2015
[5]基于机器视觉的指针式仪表识别技术研究与应用[D]. 陈卓.西南石油大学 2011
[6]基于特征识别的指针式仪表自动识别研究[D]. 晁阳.山东大学 2008
本文编号:3639967
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3639967.html
最近更新
教材专著