CN108133216B - 基于机器视觉的可实现小数点读取的数码管读数识别方法 - Google Patents
基于机器视觉的可实现小数点读取的数码管读数识别方法 Download PDFInfo
- Publication number
- CN108133216B CN108133216B CN201711166125.1A CN201711166125A CN108133216B CN 108133216 B CN108133216 B CN 108133216B CN 201711166125 A CN201711166125 A CN 201711166125A CN 108133216 B CN108133216 B CN 108133216B
- Authority
- CN
- China
- Prior art keywords
- character
- image
- nixie tube
- reading
- characters
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/30—Noise filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Character Input (AREA)
Abstract
本发明涉及一种基于机器视觉的可实现小数点读取的数码管读数识别方法。本方法包括:(1)构建数码管单个字符图像样本库,学习样本库中字符图像的HOG特征并生成SVM分类器;(2)采集数码管字符图像,提取数码管字符图像中的字符区域;(3)字符分割;(4)小数点读取;(5)用分类器对字符进行识别。本发明采用HOG特征和SVM算法相结合的分类算法和独特的小数点读取方法,能够有效读取带小数点的数码管读数,识别准确率高且鲁棒性好。
Description
技术领域
本发明属于图像识别领域,特别涉及一种基于机器视觉的可实现小数点读取的数码管读数识别方法。
背景技术
数字化仪表因其精度高,易使用等优点广泛应用于生产和生活的各个领域。然而,目前很多时候对数字仪表的读取主要还是靠人工来实现的,采用人工作业的方式费时间,劳动强度大,效率低,并且在一些特定的场合,安全性低,用基于机器视觉的数字仪表识别代替人工读取解决了上面的不足。
基于机器视觉的数码管识别是用图像传感器采集数码管的图像,自动从图像中识别出数码管的读数。目前有比较多的数码管视觉识别方法,如查找表、穿线法、神经网络等,但大多针对数字字符的识别,小数点的识别方法无有效的方案。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种基于机器视觉的可实现小数点读取的数码管读数识别方法。本发明采用HOG特征和SVM算法相结合的分类算法和独特的小数点读取方法,能够有效读取带小数点的数码管读数,识别准确率高且鲁棒性好。
为了实现上述目的,本发明采用以下技术方案:
基于机器视觉的可实现小数点读取的数码管读数识别方法,包括如下步骤:
(1)收集所有仅包含一个字符的数码管单个字符图像,构建样本库,读取样本库中所有的单个字符样本图像,提取每个字符样本图像的HOG特征,学习并生成SVM分类器;
(2)采集新的数码管字符图像,提取数码管字符图像中的字符区域;
(3)对提取的数码管字符区域图像中的字符进行字符分割,生成若干个单个字符图像;
(4)对数码管字符区域的小数点读取;
(5)用分类器分别对分割的若干个单个字符图像进行识别,结合字符和小数点在数码管字符区域中的像素坐标位置生成数码管的读数。
进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,其特征在于,所述的数码管为七段数码管。
进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,所述步骤(1)中提取每个字符样本图像HOG特征的步骤如下:
a.对数码管字符样本图像预处理,也就是进行直方图均衡和中值滤波处理;
b.再对预处理后的图像进行二值化处理,获得数码管字符样本的二值化图像;
c.提取二值化图像字符区域,生成仅包含字符且大小与字符相同的字符区域图像;
d.对提取后的字符区域图像缩放至给定大小,宽高为32像素*64像素;
e.提取缩放后的字符区域图像的HOG特征。
进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,所述步骤(2)中数码管字符图像中的字符区域提取是指提取仅包含数码管字符的二值化图像,二值化图像中字符的灰度值为255,背景的灰度值为0。
进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,所述步骤(3)中单个字符分割的步骤如下:
a.对数码管字符区域图像竖直范围进行调整,获取字符区域上下边界坐标;
b.对于倾斜字符进行字符倾斜矫正;
c.对于区域内的所有字符进行单个字符分割。
更进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,所述步骤a中,竖直范围调整方法为:将提取的数码管字符的二值化图像向竖直方向投影,投影公式为:以图像的行号作为横轴,以对应每行的灰度值为255的像素点数目作为纵轴生成投影直方图,扫描投影直方图,提取直方图的最大最小边界坐标,进而得到数码管字符的上下边界;
其中,Sj为第i列的图像像素值为255的像素点的总和,i,j分别为像素的行和列坐标,cols为图像的列宽,P(i,j)取值0或1,当坐标为(i,j)处的像素点的灰度值为255时,P(i,j)取1,否则为0。
更进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,所述步骤b中,字符倾斜矫正具体为:细化提取的数码管字符二值化图像,将细化图向与水平成±60°范围内各个方向投影,选择投影直方图中像素数最大的投影的方向作为字符的方向,然后用错切变换矫正字符。
更进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,所述步骤c中,单个字符分割步骤为:将矫正后的字符图像向水平方向投影,以图像的列号作为横轴,以对应的每列的像素点数目作为纵轴生成投影直方图,顺序扫描投影直方图,依次提取每个字符的左右边界,结合字符的上下边界即可得到每个字符的区域坐标,进而分割字符。
进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,所述步骤(4)中小数点读取步骤如下:由相邻两字符间距计算出相邻两字符最大字符间隔,结合字符高度,生成一个宽为2/3倍最大字符间隔,高为字符高度的矩形,用此矩形按从左至右顺序扫描整个数码管字符区域,当矩形中出现上3/4区域无像素点,下1/4区域中像素点数大于某一阈值,则认为定位到小数点的位置,否则无小数点。
更进一步地,上述阈值是根据数码管字符的边宽计算得到的。
阈值计算方法为:
其中,Area为小数点区域的最小像素面积即阈值,L为字符的像素宽度。
进一步地,在本发明所述的基于机器视觉的可实现小数点读取的数码管读数识别方法中,所述步骤(5)中,用分类器分别对分割的若干个单个字符图像进行识别,结合字符和小数点在数码管字符区域中的像素坐标位置生成数码管的读数包括以下步骤:
a.对分割的每个字符图像缩放至给定大小,宽高为32像素*64像素;
b.提取每个缩放后的图像的HOG特征,分别用SVM分类器识别;
c.再结合字符和小数点在数码管字符区域中的像素坐标位置,生成数码管的读数。
本发明有益效果:
本发明方法能够有效识别出带小数点的七段数码管读数,准确率高且鲁棒性好。本发明方法能够替代人工实现数码管仪表的自动化读取,能够大大地提高工作的效率,减少人工的成本。
附图说明
图1为本发明的流程图。
具体实施方式
为更清楚说明本发明的目的、方案和优点,下面结合附图对本发明的实施方式进一步详细描述。
如图1所示,基于机器视觉的可实现小数点读取的数码管读数识别方法,它利用收集的数码管字符库,用字符图像的HOG特征学习生成SVM分类器用于识别字符,并利用字符的大小和间距,生成矩形模板,扫描定位小数点,具体实施步骤如下:
(1)收集所有仅包含一个字符的数码管单个字符图像,构建样本库,读取样本库中所有的单个字符样本图像,提取每个字符样本图像的HOG特征,学习并生成SVM分类器;
提取每个字符样本图像HOG特征的方法为:
a.对数码管字符样本图像预处理,也就是进行直方图均衡和中值滤波处理;
b.再对预处理后的图像进行二值化处理,获得数码管字符样本的二值化图像,二值化方法为:对图像灰度化,获得灰度图像,然后采用大律法自动阈值处理。
灰度化的公式为:
Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j),i,j分别为像素的行和列坐标;其中Gray为灰度值,R、G、B分别为红、绿、蓝三种颜色分量;
c.通过去除背景和提取连通区域,提取二值化图像字符区域,生成仅包含字符且大小与字符相同的字符区域图像;
d.对提取后的字符区域图像缩放至给定大小,本实施例中将图像缩放至宽高为32*64的图像。
e.提取缩放后的字符区域图像的HOG特征,本实施例中提取HOG特征的窗口大小为32*64,块大小为16*16,细胞大小为8*8,方向数为9。
(2)采集新的数码管字符图像,提取数码管字符图像中的字符区域;
字符区域提取的方法为:用图像的最大通道值减去最小通道值,得到灰度图,该灰度图中数码管区域比较亮,对灰度图进行阈值处理,滤波,然后区域分割,得到仅包含数码管区域的二值化图像。
(3)对提取的数码管字符区域图像中的字符进行字符分割,生成若干个单个字符图像;
字符分割的方法为:
首先,将提取的数码管字符的二值化图像向竖直方向投影,投影公式为:以图像的行号作为横轴,以对应每行的灰度值为255的像素点数目作为纵轴生成投影直方图,扫描投影直方图,提取直方图的最大最小边界坐标,进而得到数码管字符的上下边界;
其中,Sj为第i行的图像像素值为255的像素点的总和,i,j分别为像素的行和列坐标,cols为图像的列宽,P(i,j)取值0或1,当坐标为(i,j)处的像素点的灰度值为255时,P(i,j)取1,否则为0。
其次,细化提取的数码管字符二值化图像,将细化图向与水平成±60°范围内各个方向投影,选择投影直方图中像素数最大的投影方向作为字符的方向,然后用错切变换矫正字符。
最后,将矫正后的字符图像向水平方向投影,以图像的列号作为横轴,以对应的每列的像素点数目作为纵轴生成投影直方图,顺序扫描投影直方图,依次提取每个字符的左右边界,结合字符的上下边界即可得到每个字符的区域坐标,进而分割字符,得到若干个仅包含单个字符的二值图像。
(4)对数码管字符区域的小数点读取;
小数点读取方法为:由相邻两字符间距计算出相邻两字符最大字符间隔,结合字符高度,生成一个宽为2/3倍最大字符间隔,高为字符高度的矩形,用此矩形按从左至右顺序扫描整个数码管字符区域,当矩形中出现上3/4区域无像素点,下1/4区域中像素点数大于某一阈值,则认为定位到小数点的位置,否则无小数点。
上述阈值是根据数码管字符的边宽计算得到的。
其中,Area为小数点区域的最小像素面积(即阈值),L为字符的像素宽度。(5)用分类器分别对分割的若干个单个字符图像进行识别,结合字符和小数点在数码管字符区域中的像素坐标位置生成数码管的读数。步骤如下:
a.对分割的每个字符图像缩放至给定大小,64像素×32像素;
b.提取每个缩放后的图像的HOG特征,分别用SVM分类器识别;
c.再结合字符和小数点在数码管字符区域中的像素坐标位置,生成数码管的读数。
上述虽然结合附图对本发明的具体实施进行了描述,但并非对本发明保护范围的限制,本领域技术人员在不需要创造性成果的前提下,做出的各种修改都应当视为属于本发明的保护范围。
Claims (9)
1.基于机器视觉的可实现小数点读取的数码管读数识别方法,其特征在于,包括以下步骤:
(1)收集所有仅包含一个字符的数码管单个字符图像,构建样本库,读取样本库中所有的单个字符样本图像,提取每个字符样本图像的HOG特征,学习并生成SVM分类器;
(2)采集新的数码管字符图像,提取数码管字符图像中的字符区域;
(3)对提取的数码管字符区域图像中的字符进行字符分割,生成若干个单个字符图像;
(4)对数码管字符区域的小数点读取;步骤如下:由相邻两字符间距计算出相邻两字符最大字符间隔,结合字符高度,生成一个宽为2/3倍最大字符间隔,高为字符高度的矩形,用此矩形按从左至右顺序扫描整个数码管字符区域,当矩形中出现上3/4区域无像素点,下1/4区域中像素点数大于某一阈值,则认为定位到小数点的位置,否则无小数点;
(5)用分类器分别对分割的若干个单个字符图像进行识别,结合字符和小数点在数码管字符区域中的像素坐标位置生成数码管的读数。
2.如权利要求1所述的基于机器视觉的可实现小数点读取的数码管读数识别方法,其特征在于,所述的数码管为七段数码管。
3.如权利要求1所述的基于机器视觉的可实现小数点读取的数码管读数识别方法,其特征在于,所述步骤(1)中提取每个字符样本图像HOG特征的步骤如下:
a.对数码管字符样本图像预处理,也就是进行直方图均衡和中值滤波处理;
b.再对预处理后的图像进行二值化处理,获得数码管字符样本的二值化图像;
c.提取二值化图像字符区域,生成仅包含字符且大小与字符相同的字符区域图像;
d.对提取后的字符区域图像缩放至给定大小;
e.提取缩放后的字符区域图像的HOG特征。
4.如权利要求1所述的基于机器视觉的可实现小数点读取的数码管读数识别方法,其特征在于,所述步骤(2)中提取数码管字符图像中的字符区域后的图像为仅包含数码管字符的二值化图像,二值化图像中字符的灰度值为255,背景的灰度值为0。
5.如权利要求1所述的基于机器视觉的可实现小数点读取的数码管读数识别方法,其特征在于,所述步骤(3)中字符分割的步骤如下:
a.对数码管字符区域图像竖直范围进行调整,获取字符区域上下边界坐标;
b.对于倾斜字符进行字符倾斜矫正;
c.对于区域内的所有字符进行单个字符分割。
7.如权利要求5所述的基于机器视觉的可实现小数点读取的数码管读数识别方法,其特征在于,所述步骤b中,字符倾斜矫正具体为:细化提取的数码管字符二值化图像,将细化图向与水平成±60°范围内各个方向投影,选择投影直方图中像素数最大的投影的方向作为字符的方向,然后用错切变换矫正字符。
8.如权利要求5所述的基于机器视觉的可实现小数点读取的数码管读数识别方法,其特征在于,所述步骤c中,单个字符分割步骤为:将矫正后的字符图像向水平方向投影,以图像的列号作为横轴,以对应的每列的像素点数目作为纵轴生成投影直方图,顺序扫描投影直方图,依次提取每个字符的左右边界,结合字符的上下边界即可得到每个字符的区域坐标,进而分割字符。
9.如权利要求1所述的基于机器视觉的可实现小数点读取的数码管读数识别方法,其特征在于,所述步骤(5)中,用分类器分别对分割的若干个单个字符图像进行识别,结合字符和小数点在数码管字符区域中的像素坐标位置生成数码管的读数包括以下步骤:
a.对分割的每个字符图像缩放至给定大小;
b.提取每个缩放后的图像的HOG特征,分别用SVM分类器识别;
c.再结合字符和小数点在数码管字符区域中的像素坐标位置,生成数码管的读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711166125.1A CN108133216B (zh) | 2017-11-21 | 2017-11-21 | 基于机器视觉的可实现小数点读取的数码管读数识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711166125.1A CN108133216B (zh) | 2017-11-21 | 2017-11-21 | 基于机器视觉的可实现小数点读取的数码管读数识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108133216A CN108133216A (zh) | 2018-06-08 |
CN108133216B true CN108133216B (zh) | 2021-10-12 |
Family
ID=62388761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711166125.1A Active CN108133216B (zh) | 2017-11-21 | 2017-11-21 | 基于机器视觉的可实现小数点读取的数码管读数识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133216B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034160B (zh) * | 2018-07-06 | 2019-07-12 | 江苏迪伦智能科技有限公司 | 一种基于卷积神经网络的带小数点数字仪表自动识别方法 |
CN110059693A (zh) * | 2019-04-18 | 2019-07-26 | 华北电力大学(保定) | 一种基于无线传感器网络的数字仪表读数识别*** |
CN110084241B (zh) * | 2019-05-05 | 2023-05-30 | 山东大学 | 一种基于图像识别的电表自动读数方法 |
CN110443220A (zh) * | 2019-08-13 | 2019-11-12 | 树根互联技术有限公司 | 数码表图像识别方法、装置、电子设备及存储介质 |
CN110688996A (zh) * | 2019-09-23 | 2020-01-14 | 天津大学 | 一种基于视觉传感的嵌入式自动读尺装置与方法 |
CN111222507B (zh) * | 2020-01-10 | 2024-03-19 | 随锐科技集团股份有限公司 | 数字式仪表读数的自动识别方法、计算机可读存储介质 |
CN112348026A (zh) * | 2020-11-08 | 2021-02-09 | 北京工业大学 | 一种基于机器视觉的磁性硬盘序列码识别方法 |
CN113159027B (zh) * | 2021-04-13 | 2024-02-09 | 杭州电子科技大学 | 基于最小外接矩形变体的七段式数显仪表识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002158877A (ja) * | 2000-11-21 | 2002-05-31 | Ricoh Co Ltd | 画像データ処理方法及び画像データ処理装置 |
CN103984930A (zh) * | 2014-05-21 | 2014-08-13 | 南京航空航天大学 | 基于视觉的数字仪表识别***及其识别方法 |
CN105335745A (zh) * | 2015-11-27 | 2016-02-17 | 小米科技有限责任公司 | 图像中数字的识别方法、装置及设备 |
CN106529537A (zh) * | 2016-11-22 | 2017-03-22 | 亿嘉和科技股份有限公司 | 一种数字仪表读数图像识别方法 |
CN106682665A (zh) * | 2016-12-27 | 2017-05-17 | 陕西科技大学 | 一种基于计算机视觉的七段式数显仪表数字识别方法 |
-
2017
- 2017-11-21 CN CN201711166125.1A patent/CN108133216B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002158877A (ja) * | 2000-11-21 | 2002-05-31 | Ricoh Co Ltd | 画像データ処理方法及び画像データ処理装置 |
CN103984930A (zh) * | 2014-05-21 | 2014-08-13 | 南京航空航天大学 | 基于视觉的数字仪表识别***及其识别方法 |
CN105335745A (zh) * | 2015-11-27 | 2016-02-17 | 小米科技有限责任公司 | 图像中数字的识别方法、装置及设备 |
CN106529537A (zh) * | 2016-11-22 | 2017-03-22 | 亿嘉和科技股份有限公司 | 一种数字仪表读数图像识别方法 |
CN106682665A (zh) * | 2016-12-27 | 2017-05-17 | 陕西科技大学 | 一种基于计算机视觉的七段式数显仪表数字识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108133216A (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及*** | |
CN109409366B (zh) | 基于角点检测的畸变图像校正方法及装置 | |
CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
CN107424142B (zh) | 一种基于图像显著性检测的焊缝识别方法 | |
CN109426814B (zh) | 一种***图片特定板块的定位、识别方法、***、设备 | |
CN110210477B (zh) | 一种数字式仪表读数识别方法 | |
CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
EP2833288A1 (en) | Face calibration method and system, and computer storage medium | |
CN103258198A (zh) | 一种表格文档图像中字符提取方法 | |
CN108920992A (zh) | 一种基于深度学习的医药标签条码的定位与识别方法 | |
CN111539330B (zh) | 一种基于双svm多分类器的变电站数显仪表识别方法 | |
CN111046872B (zh) | 一种光学字符识别方法 | |
CN102156868A (zh) | 图像二值化方法和装置 | |
CN111353961B (zh) | 一种文档曲面校正方法及装置 | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN108985305B (zh) | 一种激光蚀刻工业***编码图像定位及校正方法 | |
CN115082466B (zh) | 一种pcb表面焊点缺陷检测方法及*** | |
CN104112132A (zh) | 一种枪械编号自动识别方法 | |
CN110674812B (zh) | 一种面向复杂背景的民用车牌定位与字符分割方法 | |
CN112364862B (zh) | 一种基于直方图相似度的扰动变形汉字图片匹配的方法 | |
CN111783773A (zh) | 一种面向角度倾斜电线杆标识牌的矫正方法 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN113642570A (zh) | 一种昏暗环境下矿车车牌识别的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |