基于Hough变换的指针仪表读数识别方法

针对广州市宇泰仪表电器有限公司85C1系列仪表的读数识别问题,提出一种基于Hough变换的图像处理方法.该方法采用彩色相机拍摄仪表图像.首先,通过指针的红色特征提取图像中的指针样本点,并应用最小二乘法获取指针的直线方程;其次,由表盘上的圆弧特征之圆心位于指针直线上的假设,利用Hough变换的原理提取出表盘上的圆弧特征;最后,通过图像变换将刻度部分的圆弧线变换成直线,实现了刻度线两端点位置的提取,并完成仪表读数识别.实验表明,该方法能够准确识别仪表读数,具有较高的鲁棒性.     

基于分数阶改进Retinex低光图像增强的仪表检测算法

为了解决雾霾、阴雨天气中变电站巡检机器人采集的低光照仪表图像参数难辨识问题,提出一种基于分数阶改进法的Retinex增强与快速最近邻逼近搜索函数库定位的低光图像仪表检测算法;用分数阶微分替代Retinex理论中的整数阶微分,获得与先验匹配更精确的光照图和反射图;采用相机响应函数调整亮度,在增强低光照仪表图像的同时减少颜色和亮度失真;采用加速稳健特征与快速最近邻逼近搜索函数库算法配准定位目标仪表,并利用累积概率霍夫变换检测指针并读取仪表示数。结果表明,该算法能较好地增强低光仪表图像细节,在兼顾较快速度的同时,识别准确率明显提升。     

温湿度检定仪中的数字式仪表识别

为了提高温湿度计检定仪的智能化水平,提出了一种基于不变矩信息融合的温湿度计数字自动识别算法。首先,通过Otsu法对图像进行分割,截取仪表盘;接着,通过Hough变换对图像进行校正;然后,通过Two-Pass算法定位数字区域,并采用非端点位置像素置零法细化数字图像;最后,采用Hu矩与Zernike矩融合的方法,提取图像分类特征,并利用现场实际采集的仪表图像对该算法进行了验证。结果表明,,基于不变矩信息融合的数字识别算法降低了算法的复杂度,提高了检测效率。     

基于Hough变换的视觉识别方法在仪表自动检测中的应用研究

利用图像形态骨架细化方法和Hough变换对指针式仪表表头读数的识别进行研究。将仪表表头图像预处理后,进行形态骨架细化,然后用Hough变换检测表头图像的所有刻度线和指针。在此基础上提出一个识别表头读数值的算法。实验表明该方法的有效性,在指针式仪表的自动检测中有一定的实用意义。     

基于计算机视觉的座舱仪表识别检测方法

在简要介绍座舱仪表及其常用识别检测方法的基础上,提出一种基于计算机视觉的座舱仪表识别检测的方法。阐述过程中的几个关键环节及所用到的图像处理算法。采用同态滤波和自适应中值滤波相结合的方法来改善图像效果,然后用改进的类间方差法(Otsu)获取仪表的二值图像。利用改进后交叉皮质视觉模型对仪表的边缘进行提取,并结合骨架来提取指针,最终通过最大梯度下降法得到指针的准确读数。实验结果表明:该方法可快速获取仪表指针读数,且能并行处理多个仪表。与传统的Hough变换、最小二乘法等相比,该算法在保证精度准度的基础上,大幅提高了处理运算的速率。     

智能坐标测量系统中零件位姿自动识别

零件位姿自动识别是实现三坐标测量机智能化的关键技术．设计了基于图像不变矩和神经网络的图像匹配与识别算法，将被测零件的虚拟图像与实际图像进行匹配，实现了零件放置姿态的识别功能．由图像几何矩计算出零件在实际图像中的位置和方向，经过像平面坐标系至机器坐标系的转换，得到零件在机器坐标系中的位置和方向．实验结果表明，此零件位姿自动识别方法是智能且高效的，识别算法的重复精度小于0．1mm，识别系统的最大空间定位误差不大于0.6mm．     

一种自动读取指针式仪表读数的方法

介绍一种基于机器学习和图像处理算法,针对自然场景中的指针仪表图片进行仪表检测和读数识别.首先,检测并提取出图像中恰好包含仪表的部分,再针对不同的图像中仪表存在大小的多尺度特点,使用图像金字塔方法对原图进行多次的缩小和放大操作.再使用固定大小的滑动窗口对缩放后的图像进行遍历,提取每个窗口图像HOG(Histogram of Oriented Gradient)特征,使用线性SVM(Support Vector Machine)分类器对窗口是否含有仪表进行判断.然后对检测得到的仪表图像,通过图像处理的方法进行图像预处理,减少阴影的干扰,获取梯度、边缘等信息,再结合改进的霍夫变换,结合仪表图像的灰度信息检测指针的位置,以计算指针的角度.最后,根据指针的角度以及量程信息,计算当前指针的读数.实验证明,该方法具有较好的稳定性与准确性.     

机器视觉在油气勘探开发中的应用现状

作为人工智能正在快速发展的技术分支,机器视觉在油气勘探开发中的作用越发显著,已成为"智慧油田"建设不可或缺的组成部分。首先简述了机器视觉技术,然后分析了机器视觉在油气勘探开发领域的应用现状,并重点介绍了基于深度学习的机器视觉技术的应用;最后对机器视觉在油气勘探开发中的应用前景进行了分析。研究表明:相对于人工图像识别,机器识别要更准确、高效;一般原始图像越复杂、解释要求越高,对图像预处理技术、特征提取算法要求越高;仅以形态形式表示信息的图像识别相对简单,原始图像的二值化处理是关键;当大量信息蕴含在图像纹理、色彩中时,智能解释的难度要大得多;基于深度学习的机器视觉技术实现了自动特征识别,未来将在油气勘探开发领域发挥重要作用。     

智能指示表检定仪的原理和设计

本文提出一种智能指示表检定方法，该检定仪能够有效地提高测量精度，减小测量结果的不确定度，减小检测工作强度，提高劳动效率等优点。该检定仪由计算机控制伺服电动机运动，驱动指示表运动，通过CCD摄像头获取表盘图像，通过数据处理识别出表盘指针所处位置及读数，根据百分表、千分表及杠杆表检定规程，规范算出检测结果并判定被检仪表的精确度等级，从而对该智能指示表检定仪尊行综合评价     

机器视觉下排球手位置轮转的空间多变性优化

在计算机机器视觉下,采用传统方法研究排球手位置轮转的空间特征时,随着排球手位置轮换的不确定性增强,空间状态识别效果不好,对调整战术的指导性不强。提出一种基于机器视觉空间降维的排球手位置轮转空间多变性优化方法。通过构建机器视觉下排球手位置轮转的图像处理模型,完成排球手空间位置变化的像素点采样和特征分析。通过构建图像特征输出函数,实现空间像素点量化特征降维。通过求解排球手空间位置轮转视觉特征图像的运动参数方程式,完成位置轮转空间多变性的优化。实验结果表明,采用该算法能准确有效对机器视觉下排球手位置轮转的空间特征进行分析和识别,对于提高队员的协调和配合素质有重要的指导意义。     

指针式仪表自动识别装置的设计

针对指针式仪表人眼读数效率低,不能转化成数字信号输入计算机,提出一种基于Hough变换的指针式仪表自动判读方法.该方法运用图像减影技术,通过调节图像分辨率实现指针的检出,再利用Hough变换做峰值检测、线检测和链接,通过转换偏转角度的基线位置,确定出仪表指针的读数.实验表明,该方法能快速有效地完成指针式仪表的自动判读,且最大不确定度明显优于人眼的识别,具有较高的精度.     

基于Curvelet变换的机器视觉流量检测系统中的应用

针对传统工业现场浮子流量计人工读取数据误差大、检测效率低的问题,研发一套基于机器视觉的浮子流量计检测系统。为使机器视觉系统在检测过程中稳定、准确读取刻度信息,将Curvelet变换算法用于增强流量计刻度线边缘,减少裂痕对水平刻度提取的影响,解决流量计刻度线边缘模糊的问题。同时算法采用IPP图像处理函数库优化算法提高处理速度。实验表明,该算法能够实时准确地读取流量计刻度信息,识别精度达99.97%,处理一帧图像时间为50 ms,满足工业现场要求。     

基于机器视觉的机械表走时精度测量

针对机械表读时需要耗费大量人力物力的现象，提出了一种基于机器视觉的自动化机械表精度测量方法. 首先设计了一个用于图片采集的硬件系统，然后在采集到的图片上，利用改进后的mask-rcnn网络，对指针和各区域进行了提取，其次利用canny算子对表盘进行边缘提取，确定各连通域的质心，根据各质心到12点位与6点位之间连线中点的距离关系，筛选出刻度质心，用刻度质心拟合表盘内圆，确定表盘中心的位置. 然后将中心与12点位中心的连线作为测量的基准线，再利用RANSAC最小二乘距离法对各指针的中心线进行提取. 通过计算基准线与中心线之间的角度关系，进而达到用机器读取时间的目的，同时针对机械表的读数识别，提出了误差校正原则，大大提高了机械表精度测量的效率.     

工业线性指针仪表识别改进方法

为解决工业现场指针式仪表识别工作量繁重,人为误差较大的问题,提出了一种运用透视变换与Hough变换相结合的工业线性指针式仪表识别的方法。通过对采集的图像进行去噪、透视变换后,利用Hough 变换检测仪表指针的图像特征,并以该图像特征模拟出实际指针的偏转角度,利用该角度值计算最终读数,完成对工 业线性指针式仪表的识别工作。该方法在面临工业现场无法良好采集正视图像时,通过一定技术手段准确地识别出工业线性指针式仪表图像的读数。为新形势下,人工智能在工业现场的实际应用提供了一种新思路。     

基于嵌入式机器视觉的液气表盘识别研究与实现

传统的液气表采用分户计量,分布在不同的地点,表难以改造以实现集抄。为了实现快速地计量,展开基于嵌入式机器视觉来实现液气表盘的图像采集,自动识别网络自动传输数据,针对数字式仪表和机械式仪表盘的特色,采用了灵活的算法,实现了液气表盘数字的识别和集抄,从而提高效率。     

基于机器视觉的车辆时空参数识别

车辆荷载信息是分析桥梁受力和性能评估的重要依据,其中车辆时空信息是准确识别车辆荷载的关键参数。考虑到传统在桥面埋设传感器的方法影响交通、破坏路面,提出了一种基于机器视觉技术的车辆荷载时空参数识别方法,包括车辆的横向定位、车速、车轴数、轴距的识别。基于正面拍摄视频,采用背景差分法来实现车辆检测,进一步通过车牌识别确定车辆在图像中的位置,然后根据车牌与车道线距离来实现车辆横向定位。基于侧面拍摄视频,采用图像标定方法,结合已知长度的辅助检测线来获取车辆的轴距、轴数、车速等车辆参数。通过试验室模型试验和现场试验验证了提出的方法。结果表明,现场试验中车辆横向定位和车速的最大误差分别为2.42%和2.67%,轴距的平均误差为1.63%,识别结果可以为更多其他车辆参数如轴重和总重的识别提供重要的技术支撑。     

三坐标测量机零件位置自动识别系统的实现

被测量零件在三坐标测量机位置的自动识别是实现三坐标测量机智能化的关键技术。将CMOS相机与激光器通过夹具固定在三坐标测量机测座上,实现与接触式测头的多传感器集成系统;采用机器视觉方法获取被测量零件的视觉坐标;用Visual Basic 6.0应用程序开发工具对CAD模型接口问题做出了解决方案,实现了从CAD模型中自动提取检测特征与公差要求;根据零件三维信息的获取与图像处理,实现了零件在图像坐标系中位置和方向的自动识别;利用各坐标系之间的转换关系,实现了零件在三坐标测量机机器坐标系中位置和方向的自动识别功能。     

浅淡图像处理技术在杂草识别中的应用

利用计算机视觉技术将杂草从背景中识别出来进行定位喷洒农药已成为精细农业研究的热点。近年来利用图像处理技术根据杂草颜色．形状、纹理等图像特征,利用模式识别进行自动识别,可以将杂草识别出来。     

基于机器视觉的工业机器人分拣实验平台设计

为提高机械电子等专业学生的实训质量,设计了基于机器视觉的工业机器人分拣实验平台.平台包括上位机、机器视觉、机器人和气动系统共4个子系统,涉及图像目标识别与定位、图像坐标系与机器人坐标系的转换、吸盘控制系统设计等关键技术,并设计了6组创新型实训项目.通过该实验平台,学生可以进行图像采集与处理、机器人控制以及上位机软件开发...     

一种基于机器视觉的前方车辆距离检测方法

为了有效控制并避免交通事故的发生,文章提出了一种基于机器视觉检测前方车辆障碍物距离的方法。利用机器视觉检测到前方车辆可能存在的感兴趣区域,通过边缘特征确定前方车辆的位置。对于采集到的图像进行去噪与增强,通过路面灰度值与基于窗口能量的方法准确定位车辆在图像中的位置。在对摄像机进行预先标定的基础上,通过透视投影的几何关系计算出前方车辆距离的方法。仿真试验结果表明,该方法准确有效。