CN107665348A - 一种变电站数字仪表的数字识别方法和装置 - Google Patents
一种变电站数字仪表的数字识别方法和装置 Download PDFInfo
- Publication number
- CN107665348A CN107665348A CN201710882172.XA CN201710882172A CN107665348A CN 107665348 A CN107665348 A CN 107665348A CN 201710882172 A CN201710882172 A CN 201710882172A CN 107665348 A CN107665348 A CN 107665348A
- Authority
- CN
- China
- Prior art keywords
- digital
- unit
- image
- area
- transformer station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 40
- 230000011218 segmentation Effects 0.000 claims description 19
- 230000002146 bilateral effect Effects 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 14
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 36
- 230000008569 process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种变电站数字仪表的数字识别方法和装置,该方法和装置应用于对变电站进行巡检的电子设备,具体为对变电站的数字仪表的待识别图像进行粗定位,得到待识别图像的中的数字感兴趣区域;对数字感兴趣图像进行精确定位,得到多个分割区域;对多个分割区域进行识别,最终得到数字仪表的正确读数。在将该方法应用于机器人的情况下,就可以通过机器人对变电站进行巡检且能够得到正确的巡检结果,也就能够使机器人替代人工对变电站进行巡检,从而能够大幅提高巡检效率。
Description
技术领域
本申请涉及机器人技术领域,更具体地说,涉及一种变电站数字仪表的数字识别方法和装置。
背景技术
变电站是各级电网的核心枢纽,对站内设备的例行巡查是保证变电站和电网安全运行的关键。现有人工巡视方式劳动强度大,检测质量不稳定,且易受恶劣天气干扰,无法满足高速发展的电力***的需求。随着机器人技术的快速发展,将机器人与电力应用相结合,利用机器人移动平台携带检测设备代替人工进行巡检就有了可能,因为机器人抗恶劣天气干扰能力强、检测质量稳定的特点,能够减少人工巡检的劳动强度,大幅提升巡检效率。
变电站中的数字仪表是站内的重要设备,数字仪表的读数体现了站内设备的工作状态,仪表读数的改变往往也代表着站内设备运行状态的改变,因此利用机器人对变电站进行巡检中对数字仪表的读数进行读取是检测的重要内容。进行读取的关键在于对数字仪表数显装置所显示的数字进行正确定位并对数字进行识别,这个工作对于人类视力来说不算什么,但是对于机器人来说就是一个较为艰巨的挑战,是机器人能够替代人工进行巡检的关键。
发明内容
有鉴于此,本申请提供一种变电站数字仪表的数字识别方法和装置,用于对变电站中数字仪表所显示的数字进行正确定位和识别,该方法和装置应用于机器人,以使机器人能够替代人工对变电站进行巡检。
为了实现上述目的,现提出的方案如下:
从上述的技术方案可以看出,本申请公开了一种变电站数字仪表的数字识别方法和装置,该方法和装置应用于对变电站进行巡检的电子设备,具体为对变电站的数字仪表的待识别图像进行粗定位,得到待识别图像的中的数字感兴趣区域;对数字感兴趣图像进行精确定位,得到多个分割区域;对多个分割区域进行识别,最终得到数字仪表的正确读数。在将该方法应用于机器人的情况下,就可以通过机器人对变电站进行巡检且能够得到正确的巡检结果,也就能够使机器人替代人工对变电站进行巡检,从而能够大幅提高巡检效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种变电站数字仪表的数字识别方法实施例的步骤流程图;
图2为本申请提供的灰度化处理后的图像;
图3为本申请提供的阈值分割处理后的图像;
图4为本申请提供的形态学闭操作处理后的图像;
图5为本申请提供的第一极值区域的图像;
图6为本申请提供的数字粗定位后的图像;
图7为本申请提供的数字感兴趣区域的图像;
图8为本申请提供的双边滤波处理后的图像;
图9为本申请提供的自适应阈值分割处理后的图像;
图10为本申请提供的形态学闭操作处理后的图像;
图11为本申请提供的第二极值区域的图像;
图12为本申请提供的精确定位分割后的图像;
图13为本申请提供的数字识别结果的图像;
图14为本申请提供的一种变电站数字仪表的数字识别装置实施例的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一
图1为本申请提供的一种变电站数字仪表的数字识别方法实施例的步骤流程图。
如图1所示,本实施例提供的数字识别方法应用于对变电站进行巡检的电子设备,如巡检机器人、自行巡检车等,用于对变电站等电力设施的数字仪表的读数进行识别,以便于电子设备能够通过该识别方法对变电站进行巡检,该数字识别方法包括步骤:
S101:对数字仪表的待识别图像进行粗定位。
即在机器人对变电站需要进行巡检时,当机器人停留有数字仪表的巡检点时,首先获取包括该数字仪表的图像,该图像中包含数显部位的图像为待识别区域,这是本发明进行识别的基础,即识别的基础在于对上述图像的处理。该进行粗定位的具体过程如下:
首先,将待识别区域进行预处理。该预处理的过程包括将待识别区域进行灰度化处理,处理后的图像如图2所示,通过灰度化处理可以提高计算效率;然后进行适应阈值分割,处理后的图像如图3所示;最后将其进行形态学操作预处理,得到的图像如图4所示,形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量,还包括用于预处理和后处理的形态学过滤、细化和修剪等。
同时,将该待识别区域转化为HSI空间,在转化后提取S、H分量。
然后,将经过预处理的待识别单通道图像和S、H通道分量进行组合,得到第一3通道图像。
再后,对第一3通道图像进行识别处理,得到第一3通道图像的所有极值区域,为了加以区别,这里的极值区域称为第一极值区域,如图5所示。
最后,根据第一极值区域和数字区域的一些特征,比如坐标和大小上能够找到一定的共性,包括横坐标和纵坐标之间联系、区域的长宽比等,得到数字感兴趣区域,即数字仪表的数显设备显示的数字所在的位置,如图6所示。
S102:对数字感兴趣取进行精确定位,得到待识别数字的分割区域。
在得到上述数字感兴趣区域后,再次对该区域进行精确定位,即最终确定数字所在的真实位置,从而得到多个分割区域,每个分割区域原则上包含一个数字。具体的精确定位过程如下:
首先,从得到的数字感兴趣区域中提取数字区域,得到的数字区域如图7 所示。
然后,对提取的数字区域进行双边过滤,过滤后的图像如图8所示。
双边过滤(Bilateral filter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折中处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。具有简单、非迭代、局部信息保留的特点。双边滤波中,输出像素的值取决于邻域像素值的加权和:
其中,加权系数w(i,j,k,l)由取决于定义域核以及值域核的乘积:
以上两者相乘,可得到双边权重函数如下:
然后,对经过双边滤波的数字区域进行灰度化操作。
然后,对数字区域进行自适应分块阈值分割,处理后的图像如图9所示。
然后,对分割后的图像进行形态学闭操作处理,得到的图像如图10所示。
然后,对经过形态学闭操作的图像进行取反操作,将经过取反操作的图像与原图像进行组合处理,得到第二3通道图像。
然后,识别第二3通道图像中的第二极值区域,如图11所示。
最后,对每个第二极值区域的孔洞区像素数和该区域面积比率r1,轮廓的凸包变数n1以及轮廓的凹角和凸角变换次数n2作为SVM的特征向量进行数字区域和非数字区域的判别,去除错误窗口,最终得到多个分割区域,如图12所示。
S103:对多个分割区域进行识别,得到数字仪表的正确读数。
具体的识别过程如下:
首先,提取每个分割区域的数字特征向量。
然后,依据分割坐标位置对多个数字特征向量进行排序。
然后,将经过排序的数字特征向量送入预先训练好的SVM分类器进行识别。
再后,根据顺序识别结果的首个非零值确定结果位数。
最后,根据结果位数进行识别,从而得到最终的识别结果,即该数字仪表的正确读数,如图13所示。
从上面技术方案可以看出,本实施例提供了一种变电站数字仪表的数字识别方法,该方法应用于机器人,具体步骤是:首先对变电站的数字仪表的待识别图像进行粗定位,得到待识别图像的中的数字感兴趣区域;然后对数字感兴趣图像进行精确定位,得到多个分割区域;对多个分割区域进行识别,最终得到数字仪表的正确读数。在将该方法应用于机器人的情况下,就可以通过机器人对变电站进行巡检且能够得到正确的巡检结果,也就能够使机器人替代人工对变电站进行巡检,从而能够大幅提高巡检效率。
实施例二
图14为本申请提供的一种变电站数字仪表的数字识别装置实施例的结构框图。
如图14所示,本实施例提供的数字识别装置应用于变电站进行巡检的电子设备,如巡检机器人、自行讯检车等,用于对变电站等电力设施的数字仪表的读数进行识别,以便于电子设备能够通过该识别装置对变电站进行巡检,该数字识别装置包括第一定位模块10、第二定位模块20和识别处理模块30。
第一定位模块用于对数字仪表的待识别图像进行粗定位。
即在机器人对变电站需要进行巡检时,当机器人停留有数字仪表的巡检点时,首先获取包括该数字仪表的图像,该图像中包含数显部位的图像为待识别区域,这是本发明进行识别的基础,即识别的基础在于对上述图像的处理。该模块包括预处理单元、图像转换单元、第一合并单元、第一区域识别单元和区域定位单元。
预处理单元用于将待识别区域进行预处理。该预处理的过程包括将待识别区域进行灰度化处理,处理后的图像如图2所示,通过灰度化处理可以提高计算效率;然后进行适应阈值分割,处理后的图像如图3所示;最后将其进行形态学操作预处理,得到的图像如图4所示,形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量,还包括用于预处理和后处理的形态学过滤、细化和修剪等。
图像转换单元用于将该待识别区域转化为HSI空间,在转化后提取S、H 分量。
第一合并单元用于将经过预处理的待识别单通道图像和S、H通道分量进行组合,得到第一3通道图像。
第一区域识别单元用于搜索第一3通道图像的第一极值区域,完成第一次的极值区域搜索,如图5所示。
区域定位单元用于根据第一极值区域和数字区域的一些特征,比如坐标和大小上能够找到一定的共性,包括横坐标和纵坐标之间联系、区域的长宽比等,得到数字感兴趣区域,即数字仪表的数显设备显示的数字所在的位置,如图6所示。
第二定位模块用于对数字感兴趣区域取进行精确定位,得到待识别图像的分割区域。
在得到上述数字感兴趣区域后,再次对该区域进行精确定位,即最终确定数字所在的真实位置,从而得到待识别数字的分割区域,每个分割区域原则上包含一个数字。该模块具体包括区域提取单元、滤波处理单元、灰度处理单元、阈值分割单元、形态学操作单元、第二合并单元、第二区域识别单元和定位分割单元。
区域提取单元用于从得到的数字感兴趣区域中提取数字区域,得到的数字区域如图7所示。
滤波处理单元用于对提取的数字区域进行双边过滤,过滤后的图像如图8 所示。
双边滤波(Bilateral filter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折中处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。具有简单、非迭代、局部信息保留的特点。双边滤波中,输出像素的值取决于邻域像素值的加权和:
其中,加权系数w(i,j,k,l)由取决于定义域核以及值域核的乘积:
以上两者相乘,可得到双边权重函数如下:
灰度处理单元用于对经过双边滤波的数字区域进行灰度化操作。
阈值分割单元用于对数字区域进行自适应分块阈值分割,处理后的图像如图9所示。
形态学操作单元用于对分割后的图像进行形态学闭操作处理,得到的图像如图10所示。
第二合并单元用于对经过形态学闭操作的图像进行取反操作,将经过取反操作的图像与原图像进行组合处理,得到第二3通道图像。
第二区域识别单元用于识别第二3通道图像中的第二极值区域,如图11 所示。
定位分割单元用于对每个第二极值区域的孔洞区像素数和该区域面积比率r1,轮廓的凸包变数n1以及轮廓的凹角和凸角变换次数n2作为SVM的特征向量进行数字区域和非数字区域的判别,去除错误窗口,最终得到多个分割区域,如图12所示。
识别处理模块用于对多个分割区域进行识别,得到数字仪表的正确读数。该模块包括特征提取单元、特征排序单元、特征识别单元、位数确定单元和结果输出单元。
特征提取单元用于提取每个分割区域的数字特征向量。
特征排序单元用于依据分割坐标位置对多个数字特征向量进行排序。
特征识别单元用于将经过排序的数字特征向量送入预先训练好的SVM分类器进行识别。
位数确定单元用于根据顺序识别结果的首个非零值确定结果位数。
结果输出单元用于根据结果位数进行识别,从而得到最终的识别结果,即该数字仪表的正确读数,如图13所示。
从上面技术方案可以看出,本实施例提供了一种变电站数字仪表的数字识别装置,该装置应用于对变电站进行巡检的电子设备,具体为对变电站的数字仪表的待识别图像进行粗定位,得到待识别图像的中的数字感兴趣区域;对数字感兴趣图像进行精确定位,得到多个分割区域;对多个分割区域进行识别,最终得到数字仪表的正确读数。在将该方法应用于机器人的情况下,就可以通过机器人对变电站进行巡检且能够得到正确的巡检结果,也就能够使机器人替代人工对变电站进行巡检,从而能够大幅提高巡检效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种变电站数字仪表的数字识别方法,其特征在于,所述数字识别方法包括步骤:
对变电站的数字仪表的待识别图像进行粗定位,得到所述待识别图像的中的数字感兴趣区域;
对所述数字感兴趣图像进行精确定位,得到多个分割区域;
对所述多个分割区域进行识别,得到所述数字仪表的正确读数。
2.如权利要求1所述的数字识别方法,其特征在于,所述对变电站的数字仪表的待识别图像进行粗定位,包括:
将所述待识别图像进行预处理;
将所述待识别图像转换为HSI空间,并提取S、H分量;
将预处理后的待识别单通道图像和所述S、H通道分量组合为第一3通道图像;
识别所述第一3通道图像的第一极值区域;
基于所述第一极值区域对待识别区域的数字区域进行定位,得到所述数字感兴趣区域。
3.如权利要求1所述的数字识别方法,其特征在于,所述对所述数字感兴趣图像进行精确定位,包括:
从所述数字感兴趣区域中提取数字区域;
对所述数字区域进行双边滤波;
对经过双边滤波的数字区域进行灰度化操作;
对经过灰度化操作的数字区域进行自适应分块阈值分割;
对经过分割的数字区域进行形态学闭操作;
将经过形态学闭操作的数字区域取反,将取反后的数字区域与原数字区域进行通道组合,得到第二3通道图像;
识别所述第二3通道图像中的第二极值区域;
剔除所述第二极值区域中的错误窗口,得到所述多个分割区域。
4.如权利要求1所述的数字识别方法,其特征在于,所述对所述多个分割区域进行识别,包括:
提取每个所述分割区域的数字特征向量;
依据分割坐标位置对多个数字特征向量进行排序;
将排序后的数字特征向量依次送入预设的SVM分类器进行识别;
根据顺序识别结果的首个非零值确定结果位数;
根据结果位数计算最终结果,得到所述正确读数。
5.一种变电站数字仪表的数字识别装置,其特征在于,所述数字识别装置包括:
第一定位模块,用于对变电站的数字仪表的待识别图像进行粗定位,得到所述待识别图像的中的数字感兴趣区域;
第二定位模块,用于对所述数字感兴趣图像进行精确定位,得到多个分割区域;
识别处理模块,用于对所述多个分割区域进行识别,得到所述数字仪表的正确读数。
6.如权利要求1所述的数字识别装置,其特征在于,所述第一定位模块包括:
预处理单元,用于将所述待识别图像进行预处理;
图像转换单元,用于将所述待识别图像转换为HSI空间,并提取S、H分量;
第一合并单元,用于将预处理后的待识别单通道图像和所述S、H通道分量组合为第一3通道组合图像;
第一区域识别单元,用于识别所述第一3通道图像的第一极值区域;
区域定位单元,用于基于所述第一次极值区域对待识别区域的数字区域进行定位,得到所述数字感兴趣区域。
7.如权利要求5所述的数字识别装置,其特征在于,所述第二定位模块包括:
区域提取单元,用于从所述数字感兴趣区域中提取数字区域;
滤波处理单元,用于对所述数字区域进行双边滤波;
灰度处理单元,用于对经过双边滤波的数字区域进行灰度化操作;
阈值分割单元,用于对经过灰度化操作的数字区域进行自适应分块阈值分割;
形态学操作单元,用于对经过分割的数字区域进行形态学闭操作;
第二合并单元,用于将经过形态学闭操作的数字区域取反,将取反后的数字区域与原数字区域进行通道组合,得到第二3通道图像;
第二区域识别单元,用于识别所述第二3通道图像中的第二极值区域;
定位分割单元,用于剔除所述第二极值区域中的错误窗口,得到所述多个分割区域。
8.如权利要求1所述的数字识别装置,其特征在于,所述识别处理模块包括:
特征提取单元,用于提取每个所述分割区域的数字特征向量;
特征排序单元,用于依据分割坐标位置对多个数字特征向量进行排序;
特征识别单元,用于将排序后的数字特征向量依次送入预设的SVM分类器进行识别;
位数确定单元,用于根据顺序识别结果的首个非零值确定结果位数;
结果输出单元,用于根据结果位数计算最终结果,得到所述正确读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710882172.XA CN107665348B (zh) | 2017-09-26 | 2017-09-26 | 一种变电站数字仪表的数字识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710882172.XA CN107665348B (zh) | 2017-09-26 | 2017-09-26 | 一种变电站数字仪表的数字识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107665348A true CN107665348A (zh) | 2018-02-06 |
CN107665348B CN107665348B (zh) | 2021-01-26 |
Family
ID=61098339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710882172.XA Active CN107665348B (zh) | 2017-09-26 | 2017-09-26 | 一种变电站数字仪表的数字识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107665348B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573261A (zh) * | 2018-04-17 | 2018-09-25 | 国家电网公司 | 一种适用于变电站巡检机器人的数字显示仪表识别方法 |
CN109066992A (zh) * | 2018-09-07 | 2018-12-21 | 广东中粤电力科技有限公司 | 一种智能配电房的监测方法及*** |
CN109271985A (zh) * | 2018-09-07 | 2019-01-25 | 广东中粤电力科技有限公司 | 一种数字仪表读数图像识别方法及*** |
CN109360289A (zh) * | 2018-09-29 | 2019-02-19 | 南京理工大学 | 融合巡检机器人定位信息的电力表计检测方法 |
CN111860042A (zh) * | 2019-04-26 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 仪表读数的方法和装置 |
CN113191351A (zh) * | 2021-02-01 | 2021-07-30 | 青岛理工大学 | 数字电表的示数识别方法及装置、模型训练方法及装置 |
CN113486892A (zh) * | 2021-07-02 | 2021-10-08 | 东北大学 | 基于智能手机图像识别的生产信息采集方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011154978A2 (en) * | 2010-06-10 | 2011-12-15 | Tata Consultancy Services Limited | An illumination invariant and robust apparatus and method for detecting and recognizing various traffic signs |
CN103093200A (zh) * | 2013-01-18 | 2013-05-08 | 金三立视频科技(深圳)有限公司 | 快速精准定位图像中车牌的算法 |
CN103279736A (zh) * | 2013-04-27 | 2013-09-04 | 电子科技大学 | 一种基于多信息邻域投票的车牌检测方法 |
CN103927507A (zh) * | 2013-01-12 | 2014-07-16 | 山东鲁能智能技术有限公司 | 一种改进的变电站巡检机器人的多仪表读数识别方法 |
CN106599890A (zh) * | 2015-10-14 | 2017-04-26 | 山东鲁能智能技术有限公司 | 变电站巡检机器人数字式仪表识别算法 |
-
2017
- 2017-09-26 CN CN201710882172.XA patent/CN107665348B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011154978A2 (en) * | 2010-06-10 | 2011-12-15 | Tata Consultancy Services Limited | An illumination invariant and robust apparatus and method for detecting and recognizing various traffic signs |
CN103927507A (zh) * | 2013-01-12 | 2014-07-16 | 山东鲁能智能技术有限公司 | 一种改进的变电站巡检机器人的多仪表读数识别方法 |
CN103093200A (zh) * | 2013-01-18 | 2013-05-08 | 金三立视频科技(深圳)有限公司 | 快速精准定位图像中车牌的算法 |
CN103279736A (zh) * | 2013-04-27 | 2013-09-04 | 电子科技大学 | 一种基于多信息邻域投票的车牌检测方法 |
CN106599890A (zh) * | 2015-10-14 | 2017-04-26 | 山东鲁能智能技术有限公司 | 变电站巡检机器人数字式仪表识别算法 |
Non-Patent Citations (1)
Title |
---|
张宗健: "基于数字图像识别的字轮电能表读数***研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573261A (zh) * | 2018-04-17 | 2018-09-25 | 国家电网公司 | 一种适用于变电站巡检机器人的数字显示仪表识别方法 |
CN109066992A (zh) * | 2018-09-07 | 2018-12-21 | 广东中粤电力科技有限公司 | 一种智能配电房的监测方法及*** |
CN109271985A (zh) * | 2018-09-07 | 2019-01-25 | 广东中粤电力科技有限公司 | 一种数字仪表读数图像识别方法及*** |
CN109066992B (zh) * | 2018-09-07 | 2022-02-18 | 广东中粤电力科技有限公司 | 一种智能配电房的监测方法及*** |
CN109360289A (zh) * | 2018-09-29 | 2019-02-19 | 南京理工大学 | 融合巡检机器人定位信息的电力表计检测方法 |
CN109360289B (zh) * | 2018-09-29 | 2021-09-28 | 南京理工大学 | 融合巡检机器人定位信息的电力表计检测方法 |
CN111860042A (zh) * | 2019-04-26 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 仪表读数的方法和装置 |
CN111860042B (zh) * | 2019-04-26 | 2024-02-23 | 杭州海康威视数字技术股份有限公司 | 仪表读数的方法和装置 |
CN113191351A (zh) * | 2021-02-01 | 2021-07-30 | 青岛理工大学 | 数字电表的示数识别方法及装置、模型训练方法及装置 |
CN113191351B (zh) * | 2021-02-01 | 2022-04-01 | 青岛理工大学 | 数字电表的示数识别方法及装置、模型训练方法及装置 |
CN113486892A (zh) * | 2021-07-02 | 2021-10-08 | 东北大学 | 基于智能手机图像识别的生产信息采集方法及*** |
CN113486892B (zh) * | 2021-07-02 | 2023-11-28 | 东北大学 | 基于智能手机图像识别的生产信息采集方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107665348B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665348A (zh) | 一种变电站数字仪表的数字识别方法和装置 | |
CN110175982B (zh) | 一种基于目标检测的缺陷检测方法 | |
CN111223088B (zh) | 一种基于深层卷积神经网络的铸件表面缺陷识别方法 | |
CN108562589B (zh) | 一种对磁路材料表面缺陷进行检测的方法 | |
CN104050471B (zh) | 一种自然场景文字检测方法及*** | |
CN106294705B (zh) | 一种批量遥感影像预处理方法 | |
CN111832443B (zh) | 一种施工违规行为检测模型的构建方法及其应用 | |
CN111310718A (zh) | 一种遮挡人脸图像高准确率检测对比方法 | |
CN106803257B (zh) | 一种作物病害叶片图像中病斑的分割方法 | |
CN102974551A (zh) | 一种基于机器视觉的多晶硅太阳能检测分选的方法 | |
CN101551853A (zh) | 复杂静态彩色背景下的人耳检测方法 | |
CN110598698B (zh) | 基于自适应区域建议网络的自然场景文本检测方法和*** | |
CN113221881B (zh) | 一种多层级的智能手机屏幕缺陷检测方法 | |
CN110503103A (zh) | 一种基于全卷积神经网络的文本行中的字符切分方法 | |
CN115272204A (zh) | 一种基于机器视觉的轴承表面划痕检测方法 | |
CN108154496B (zh) | 一种适用于电力作业机器人的电力设备外观变化识别方法 | |
CN109460767A (zh) | 基于规则的凸印银行卡***分割与识别方法 | |
CN114155226A (zh) | 一种微小缺陷边缘计算方法 | |
CN110349129B (zh) | 一种高密度柔性ic基板外观缺陷检测方法 | |
CN111199199B (zh) | 一种基于自适应上下文区域选取的动作识别方法 | |
CN112597865A (zh) | 热轧带钢边部缺陷智能识别方法 | |
CN115063679B (zh) | 一种基于深度学习的路面质量评估方法 | |
CN111832508A (zh) | 基于die_ga的低照度目标检测方法 | |
CN114926635B (zh) | 与深度学习方法相结合的多焦图像中目标分割方法 | |
CN116563306A (zh) | 自适应火灾痕迹光谱图像分割方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 250000 Electric Power Intelligent Robot Production Project 101 in Jinan City, Shandong Province, South of Feiyue Avenue and East of No. 26 Road (ICT Industrial Park) Applicant after: National Network Intelligent Technology Co., Ltd. Address before: Xinluo Avenue high tech Zone of Ji'nan City, Shandong province 250101 silver bearing No. 2008 building Applicant before: Shandong Luneng Intelligent Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |