基于极限学习机的数字仪表识别方法的研究

发布时间：2021-11-18 17:41

　　随着现代社会经济与科学技术的快速发展,计算机视觉被越来越广泛地应用到人脸识别、工业产品外观测量、产品分拣、工业仪表识别等领域,以用来取代传统的人眼视觉识别。它显著缩短了人眼视觉识别的时间,提高了工业生产与人们日常生产生活的效率。而在实际工业生产中,各式仪表诸如气压表、电力电表、噪声测量仪、平衡仪等都有一个共同的特点:这些仪表通常位于一些人工不能久呆的极端环境中,或者位于使用人工读表成本偏高的偏远地区。如果采用人工读表的方式,不仅工作效率低,而且成本会很高,同时还容易产生不可控的误差。因此采用计算机视觉代替人的肉眼的现实意义巨大。鉴于上述的形势情况,本论文主要完成计算机视觉在仪表识别中的应用与实现。本论文提出一种基于极限学习机的数字仪表识别的方法:论文首先通过数字图像处理技术对数字仪表图像进行图像预处理（采用加权均值法进行灰度化处理、采用角度修正的办法进行图像的倾斜校正、采用基于三维块匹配算法,即BM3D（Block-Matching 3D）算法的图像去噪方法和直方图均衡化对图像进行增强处理）;进而根据数字仪表表盘的统计特征、几何特征、形态特征等对数字仪表表盘进行特征提取;根据数字仪表字... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

透视校正前的图像

透视校正后的图像

灰度化前的原始数字仪表采集图像

【参考文献】：
期刊论文
[1]变电站室内数显仪表的读数识别[J]. 邓清男,石晓龙.  工业仪表与自动化装置. 2018(02)
[2]关于人工智能中的图像识别技术的研究[J]. 翁和王.  信息通信. 2016(10)
[3]人工智能等技术重塑机器人产业 后者迎来大机会[J]. 沈小波,韩舒淋.  信息与电脑(理论版). 2016(17)
[4]一种基于粒子群优化的极限学习过程神经网络[J]. 刘志刚,许少华,李盼池.  华东师范大学学报(自然科学版). 2016(04)
[5]极限学习机在图像分割中的应用[J]. 李作仁,王佳玉,安雨桐,祁欣.  电脑知识与技术. 2016(03)
[6]信息压缩技术的原理分析及示例[J]. 杨永清.  数字技术与应用. 2016(01)
[7]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)
[8]MATLAB在数字图像处理教学中的应用[J]. 汪太月,戴燕青.  黑龙江科技信息. 2014(30)
[9]基于计算机视觉的座舱仪表识别检测方法[J]. 何林远,毕笃彦,熊磊,周理.  中南大学学报(自然科学版). 2014(05)
[10]基于直方图的X线医学图像增强及Matlab实现[J]. 张艺雪.  通化师范学院学报. 2014(04)

硕士论文
[1]基于BM3D算法的信号相关噪声去除方法研究[D]. 王洪儒.山东大学 2016
[2]基于图像的计度轮数字识别算法的研究[D]. 孙智鹏.哈尔滨工业大学 2015
[3]基于机器视觉的发动机缸体涂胶检测模块的设计与实现[D]. 廖勇.电子科技大学 2015
[4]机器视觉在仪表监控识别系统中的应用[D]. 于向阳.山东大学 2015
[5]基于OpenCV的图像预处理在仪表定位中的应用[D]. 孙付超.山东大学 2015
[6]基于机器视觉的仪表数字识别智能监控系统的设计与实现[D]. 刘雄豪.电子科技大学 2014



本文编号：3503326