基于LabVIEW仪表读数识别算法的研究
发布时间：2020-10-20 23:25
机器视觉是一门用机器来模仿生物识别过程的学科,通过摄像头采集图像,由计算机对图像进行分析处理,从而提取特征通过相关算法识别出物体属性、状态等信息。工业生产中,为了更好地监测各项数据,需要用到大量的仪表设备。而在老式工厂和一些特殊场所指针式仪表仍占据主导地位。目前,仪表读数大多采用人工读数这种方式。人工读数不但效率低下,而且受主观因素影响较大,长时间工作势必会造成读数不准。因此,将机器视觉技术与仪表读数相结合是非常有必要的。本文将机器视觉应用在指针式仪表读数自动识别当中,通过摄像头采集到仪表图像。通常由于仪表所处环境复杂和摄像头自身的原因,采集到的仪表图像对比度低、噪点多。针对图像对比度低这一问题,本文从机器视觉角度出发,结合数字图像处理相关技术,采用直方图均衡化来提高图像对比度,使得表盘区域和指针对比度增强。运用图像平滑技术对图像进行处理,滤掉图像的噪声。采用最大类间方差法对图像进行阈值分割,得到二值图像。在指针直线检测阶段本文提出了以下两点创新:1.通过建立搜索圆,快速确定指针位置;2.本文在传统Hough变换的基础上,提出了一种基于ROI定位的改进Hough变换算法。通过建立矩形ROI框住指针,之后只需在该区域进行检测,并对检测到的直线加以约束,求出指针中轴线所在方程。最后通过方向—值这种映射关系求出仪表当前读数。该系统可依次对多块仪表实现自动巡检。本文共选取30个状态的温度表作为测试对象,分别用传统算法和本文算法进行读数识别。从测试结果可以看出,本文算法最大引用误差为0.4%,接近0.5级准确度,满足该仪表1.0级精确度要求。在检测速度和检测精度上都要好于传统Hough直线检测。
【学位单位】：辽宁科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH70;TP391.41
【部分图文】：
并且是一个非负的递增函数。针对一幅离散图像，处理其概率与求和来替代处理概率密度函数与求积分。令图像中的像素总数为 N，灰度级总数为 L， 表示第 k 个灰度级的值，灰度级所对应的像素总数为 ，由此可知图像中灰度级为 的像素出现的概率为：( ) = (0 ≤ ≤ 1; = 0,1,…, 1) (2.13)变换函数 为：= ( ) = = (2.14)原图像经过变换函数 变换之后，便得到了灰度分布均匀的图像。图 2.7 为光照不足条件下拍摄到的指针图像，经过变换后，图像的视觉效果得到了提升，对比度得到了增强。图 2.8 是变换前后图像所对应的灰度分布直方图，从图像可以看出，变换前图像的灰度值大多集中在数值较小的区域，图像整体偏暗，而经过变换之后，灰度值大体成均匀分布，图像变亮，对比度增加。
图 2.8 灰度分布直方图Fig. 2.8 Gray distribution histogram2.3.2 图像平滑图像在生成和传输的过程当中，往往会因为外界环境的影响而产生噪声，使图像降质，噪声的产生会对后续的识别造成影响。噪声的种类有很多，大致分为：电噪声、机械噪声、信道噪声等。为了抑制噪声，提高图像的质量，往往需要对图像进行去燥处理，便于后续的识别。在图像处理领域，按噪声和信号的关系，常常把噪声分为加性噪声和乘性噪声。所谓图像平滑[45-49]其实就是对图像进行降噪，既可以在空间域进行，又可以在频率域进行。空间域常用的去噪方法包括：邻域平均法，中值滤波等，频率域常用的去噪方法最常见的是低通滤波。邻域平均法的原理是依次将图像f(x,y)中某一像素的灰度值同它周围（S 邻域）的 M-1 个像素的灰度值相加，然后求出这 M 个像素值的平均值，作为新图
（1）找出处理后的图像中像素值为 1 的所有点，并统计其个数 N；（2）确定待检测圆半径的大致范围[ , ]，对变量进行初始化，对Ho数组初始化；（3）根据公式(3.5)计算出 a 的值，这里 b 的取值整个 y 值；（4）从计算出的 a 值中提取出有效的 a 值（非负值），从而得出有效的 b 值（5）由 a，b 的值求得 Hough 数组的索引值；（6）依照 Hough 数组的索引值，通过计算累积这种方式来构建层数为 的 Hough 数组；（7）其中数值最大的一层就是要检测圆的半径；（8）计算该层所有 a，b 的平均值a , ，就是要求的圆心(a , )。实验结果如图 3.2 所示，左侧为检测到的圆，将其结果在灰度图中显示，侧为 Hough 数组描述图，从图中可以看出，半径为 204 的时候对应的累积次最多，所以就可以确定检测到的圆的半径为 204，进一步可以计算出圆心(327,336)。
【参考文献】
本文编号：2849304
【学位单位】：辽宁科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH70;TP391.41
【部分图文】：
并且是一个非负的递增函数。针对一幅离散图像，处理其概率与求和来替代处理概率密度函数与求积分。令图像中的像素总数为 N，灰度级总数为 L， 表示第 k 个灰度级的值，灰度级所对应的像素总数为 ，由此可知图像中灰度级为 的像素出现的概率为：( ) = (0 ≤ ≤ 1; = 0,1,…, 1) (2.13)变换函数 为：= ( ) = = (2.14)原图像经过变换函数 变换之后，便得到了灰度分布均匀的图像。图 2.7 为光照不足条件下拍摄到的指针图像，经过变换后，图像的视觉效果得到了提升，对比度得到了增强。图 2.8 是变换前后图像所对应的灰度分布直方图，从图像可以看出，变换前图像的灰度值大多集中在数值较小的区域，图像整体偏暗，而经过变换之后，灰度值大体成均匀分布，图像变亮，对比度增加。
图 2.8 灰度分布直方图Fig. 2.8 Gray distribution histogram2.3.2 图像平滑图像在生成和传输的过程当中，往往会因为外界环境的影响而产生噪声，使图像降质，噪声的产生会对后续的识别造成影响。噪声的种类有很多，大致分为：电噪声、机械噪声、信道噪声等。为了抑制噪声，提高图像的质量，往往需要对图像进行去燥处理，便于后续的识别。在图像处理领域，按噪声和信号的关系，常常把噪声分为加性噪声和乘性噪声。所谓图像平滑[45-49]其实就是对图像进行降噪，既可以在空间域进行，又可以在频率域进行。空间域常用的去噪方法包括：邻域平均法，中值滤波等，频率域常用的去噪方法最常见的是低通滤波。邻域平均法的原理是依次将图像f(x,y)中某一像素的灰度值同它周围（S 邻域）的 M-1 个像素的灰度值相加，然后求出这 M 个像素值的平均值，作为新图
（1）找出处理后的图像中像素值为 1 的所有点，并统计其个数 N；（2）确定待检测圆半径的大致范围[ , ]，对变量进行初始化，对Ho数组初始化；（3）根据公式(3.5)计算出 a 的值，这里 b 的取值整个 y 值；（4）从计算出的 a 值中提取出有效的 a 值（非负值），从而得出有效的 b 值（5）由 a，b 的值求得 Hough 数组的索引值；（6）依照 Hough 数组的索引值，通过计算累积这种方式来构建层数为 的 Hough 数组；（7）其中数值最大的一层就是要检测圆的半径；（8）计算该层所有 a，b 的平均值a , ，就是要求的圆心(a , )。实验结果如图 3.2 所示，左侧为检测到的圆，将其结果在灰度图中显示，侧为 Hough 数组描述图，从图中可以看出，半径为 204 的时候对应的累积次最多，所以就可以确定检测到的圆的半径为 204，进一步可以计算出圆心(327,336)。
【参考文献】
相关期刊论文 前3条
1 魏有法;;基于Matlab的图像平滑算法浅析[J];机电技术;2013年03期
2 段汝娇;赵伟;黄松岭;陈建业;;一种基于改进Hough变换的直线快速检测算法[J];仪器仪表学报;2010年12期
3 石东新;傅新宇;张远;;CMOS与CCD性能及高清应用比较[J];通信技术;2010年12期
相关硕士学位论文 前8条
1 陈镜宇;变电站指针式仪表自动识别方法研究[D];武汉科技大学;2018年
2 高嘉巍;变电站巡检机器人智能读表方法研究[D];电子科技大学;2018年
3 邵力夫;指针式仪表自动校验系统的研究和设计[D];南昌大学;2016年
4 王欣;智能变电站指针式仪表自动识别方法的研究[D];沈阳工业大学;2016年
5 朱明胜;图像增强技术研究与实现[D];安徽大学;2014年
6 刘文亮;七段式数显仪表中数字识别的研究与实现[D];大连理工大学;2013年
7 范鹏发;基于机器视觉的指针式仪表自动读数系统研究[D];燕山大学;2013年
8 张乐;基于图像处理的指针式仪表示值识别的研究[D];华北电力大学;2013年
本文编号：2849304
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/2849304.html
