CN109271985A - 一种数字仪表读数图像识别方法及*** - Google Patents
一种数字仪表读数图像识别方法及*** Download PDFInfo
- Publication number
- CN109271985A CN109271985A CN201811049629.XA CN201811049629A CN109271985A CN 109271985 A CN109271985 A CN 109271985A CN 201811049629 A CN201811049629 A CN 201811049629A CN 109271985 A CN109271985 A CN 109271985A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- digital
- instrument
- interest
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种数字仪表读数图像识别方法,通过数字仪表读数识别方法,能够实现采集仪表图像、进行图像处理、图像分析和读数判断等功能,从而有效地替代了人工读数,并能实时地对数字仪表所测量的参数进行实时监控、记录与分析,实现对配电房运行的自动化控制,进而为设备出现故障或存在重大安全隐患的情况下及时快速的进行报警的技术实现提供了保证;同时,采用所述数字仪表读数识别方法,具有准确性高、鲁棒性好的特点,适用于配电房的实时监测。本发明还提供了一种数字仪表读数图像识别***。
Description
技术领域
本发明涉及仪表识别技术领域,尤其是涉及一种数字仪表读数图像识别方法及***。
背景技术
配电房中的数字仪表是变电站内的重要设备,数字仪表的读数体现了变电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,因此对数字仪表进行监测是变电站巡检的重要内容。
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。人工读数是在不同的时间点来进行读数,因此通过人工读数方式难以达到实时监控、记录以及分析的目的,从而无法实现对配电房运行的自动化控制,也不能在设备出现故障或存在重大安全隐患的情况下及时快速的进行报警。
发明内容
本发明实施例提供了一种数字仪表读数图像识别方法及***,以解决现有的数字仪表依靠人工进行读数,难以实现自动监测的技术问题,从而通过图像识别方法获得数字仪表上的读数,进而实现数字仪表读数的自动化。
为了解决上述技术问题,本发明实施例提供了一种数字仪表读数图像识别方法,包括步骤:
利用摄像装置采集数字仪表的原始仪表图像;
对所述原始仪表图像进行图像中值滤波处理及图像增强处理获得一次处理图像;
对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像;
在对所述二次处理图像进行形态学处理后,将感兴趣区域分成独立的若干个连通区域,在通过图像形状判断处理判断若干个所述连通区域面积之后,进行图像掩模处理,获得三次处理图像;
提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像;
扫描所述四次处理图像内的连通区域并通过连通区域判断处理识别待识别数字,并计算所述待识别数字的长宽比;
利用所述待识别数字的长宽比并根据预设的数字识别训练数据库,获取所述数字仪表的读数;其中,所述预设的数字识别训练数据库采用基于支持向量机的OCR分类器对预设的数字仪表图像样本训练得到。
作为优选方案,所述预设的数字识别训练数据库为通过SVM分类器训练得到的数字样本数据库。
作为优选方案,所述对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像具体为:
对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,针对所述感兴趣区域内的感兴趣的物体的颜色特征进行颜色通道计算,将感兴趣的物体颜色特征最大化;
进行阈值分割处理,获得二次处理图像。
作为优选方案,所述提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像具体为:
提取所述三次处理图像中的数字图像,其中,所述数字图像中包括全部待识别数字;
对所述数字图像进行图像形态学处理,消除因为光线影响产生欠分割和过分割而导致的误差,获得四次处理图像。
作为优选方案,所述图像增强处理为图像直方图均衡化处理。
为了解决相同的技术问题,本发明还提供了一种数字仪表读数图像识别***,包括:
图像采集模块,用于利用摄像装置采集数字仪表的原始仪表图像;
第一处理模块,用于对所述原始仪表图像进行图像中值滤波处理及图像增强处理获得一次处理图像;
第二处理模块,用于对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像;
第三处理模块,用于在对所述二次处理图像进行形态学处理后,将感兴趣区域分成独立的若干个连通区域,在通过图像形状判断处理判断若干个所述连通区域面积之后,进行图像掩模处理,获得三次处理图像;
第四处理模块,用于提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像;
第五处理模块,用于扫描所述四次处理图像内的连通区域并通过连通区域判断处理识别待识别数字,并计算所述待识别数字的长宽比;
读数处理模块,用于利用所述待识别数字的长宽比并根据预设的数字识别训练数据库,获取所述数字仪表的读数;其中,所述预设的数字识别训练数据库采用基于支持向量机的OCR分类器对预设的数字仪表图像样本训练得到。
作为优选方案,所述预设的数字识别训练数据库为通过SVM分类器训练得到的数字样本数据库。
作为优选方案,第二处理模块还用于:
对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,针对所述感兴趣区域内的感兴趣的物体的颜色特征进行颜色通道计算,将感兴趣的物体颜色特征最大化;
进行阈值分割处理,获得二次处理图像。
作为优选方案,第四处理模块还用于:
提取所述三次处理图像中的数字图像,其中,所述数字图像中包括全部待识别数字;
对所述数字图像进行图像形态学处理,消除因为光线影响产生欠分割和过分割而导致的误差,获得四次处理图像。
作为优选方案,所述图像增强处理为图像直方图均衡化处理。
相比于现有技术,本发明实施例的有益效果在于,通过数字仪表读数识别方法,能够实现采集仪表图像、进行图像处理、图像分析和读数判断等功能,从而有效地替代了人工读数,并能实时地对数字仪表所测量的参数进行实时监控、记录与分析,实现对配电房运行的自动化控制,进而为设备出现故障或存在重大安全隐患的情况下及时快速的进行报警的技术实现提供了保证;同时,采用所述数字仪表读数识别方法,具有准确性高、鲁棒性好的特点,适用于配电房的实时监测。
附图说明
图1是本发明实施例一的数字仪表读数图像识别方法的流程示意图;
图2是本发明实施例一的数字仪表读数图像识别***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参见图1,本发明优选实施例提供了一种数字仪表读数图像识别方法,包括步骤:
步骤S1、利用摄像装置采集数字仪表的原始仪表图像;
其中,所述摄像装置包括但不限于摄像头、相机等设备,利用所述摄像装置拍摄得到指针式仪表的照片,并将照片传输到计算机;从而计算机中的图像处理软件能够提取待处理照片作为所述原始仪表图像。
步骤S2、对所述原始仪表图像进行图像中值滤波处理及图像增强处理获得一次处理图像;
其中,所述图像中值滤波处理用于去噪声,以消除所述原始仪表图像的噪声干扰,从而提高图像质量;所述图像中值滤波处理的原理是:中值滤波属于非线性滤波,把数字图像中一点的值用该点的一个邻域中各点值的中值代替。
所述图像增强处理为图像直方图均衡化处理,用于提高图像的对比度,以使使图像更加清晰;其基本原理是把原始仪表图像的直方图变换为均匀分布的形式,以增加像素灰度值的动态范围,从而达到增强图像整体对比度的效果。
步骤S3、对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像;
其中,所述颜色空间变换处理,用于针对被检测物的所所存在的颜色特征进行颜色通道计算,将感兴趣的物体颜色特征最大化,为接下来的阈值分割做准备;其基本原理是图像矩阵的矩阵运算。
所述图像阈值分割处理用于将用户所需要提取的区域进行分割;其基本原理是阈值分割法是一种基于区域的图像分割技术,把图像象素点分为若干类。
步骤S4、在对所述二次处理图像进行形态学处理后,将感兴趣区域分成独立的若干个连通区域,在通过图像形状判断处理判断若干个所述连通区域面积之后,进行图像掩模处理,获得三次处理图像;
其中,所述图像形状判断用于遍历之前得到的独立区域并提取矩形度,通过提取的矩形度筛选,目的是为仪表区域定位做准备。
步骤S5、提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像;
其中,所述形态学处理用于消除因为光线影响产生欠分割和过分割而导致的误差;形态学的基本思想是用具有一定形态的结构元素去腐蚀、膨胀,开运算、闭运算或顶帽图像,以达到对图像分析和处理的目的。
步骤S6、扫描所述四次处理图像内的连通区域并通过连通区域判断处理识别待识别数字,并计算所述待识别数字的长宽比;
其中,所述连通区域判断用于将处理得到的二值图上的区域分成独立的一个个区域,目的是为仪表区域定位做准备;具体的,一个连通区域是由具有相同像素值的相邻像素组成像素集合,因此,用户就可以通8领域像素关系寻找连通区域,对于找到的每个连通区域,用户赋予其一个唯一的标识(Label),以区别其他连通区域。
步骤S7、利用所述待识别数字的长宽比并根据预设的数字识别训练数据库,获取所述数字仪表的读数;其中,所述预设的数字识别训练数据库采用基于支持向量机的OCR分类器对预设的数字仪表图像样本训练得到。
相比于现有技术,本发明实施例提供了一种数字仪表读数图像识别方法,通过数字仪表读数识别方法,能够实现采集仪表图像、进行图像处理、图像分析和读数判断等功能,从而有效地替代了人工读数,并能实时地对数字仪表所测量的参数进行实时监控、记录与分析,实现对配电房运行的自动化控制,进而为设备出现故障或存在重大安全隐患的情况下及时快速的进行报警的技术实现提供了保证;同时,采用所述数字仪表读数识别方法,具有准确性高、鲁棒性好的特点,适用于配电房的实时监测。
在本发明实施例中,应当说明的是,本发明采用计算机上的图像处理软件,对采集到的原始仪表图像进行图像形状判断处理,最终获得仪表读数;其中,具体流程如下:
1、数字仪表样本提取:
图像采集—>中值滤波—>直方图均衡化—>颜色空间变换—>阈值分割—>形态学处理—>连通区域判断—>形状判断—>连通区域面积判断—>图像掩模—>数字提取(提取全部数字)—>数字二值图形态学处理—>数字长宽比以及连通区域判断(提取逐个数字)。
2、数字仪表样本训练:
采用基于支持向量机的OCR分类器实现数字仪表训练
3、数字仪表识别:
图像采集—>中值滤波—>直方图均衡化—>颜色空间变换—>阈值分割—>形态学处理—>连通区域判断—>形状判断—>连通区域面积判断—>图像掩模—>数字提取(提取全部数字)—>数字二值图形态学处理—>数字长宽比以及连通区域判断(提取逐个数字)—>通过SVM获取的训练文件实现数字仪表的读数。
在本发明实施例中,所述预设的数字识别训练数据库为通过SVM分类器训练得到的数字样本数据库。
在本发明实施例中,所述步骤S3、对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像具体为:
对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,针对所述感兴趣区域内的感兴趣的物体的颜色特征进行颜色通道计算,将感兴趣的物体颜色特征最大化;
进行阈值分割处理,获得二次处理图像。
在本发明实施例中,所述步骤S5、提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像具体为:
提取所述三次处理图像中的数字图像,其中,所述数字图像中包括全部待识别数字;
对所述数字图像进行图像形态学处理,消除因为光线影响产生欠分割和过分割而导致的误差,获得四次处理图像。
在本发明实施例中,所述图像增强处理为图像直方图均衡化处理。
请参见图2,本发明还提供了一种数字仪表读数图像识别***,包括:
图像采集模块1,用于利用摄像装置采集数字仪表的原始仪表图像;
第一处理模块2,用于对所述原始仪表图像进行图像中值滤波处理及图像增强处理获得一次处理图像;
第二处理模块3,用于对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像;
第三处理模块4,用于在对所述二次处理图像进行形态学处理后,将感兴趣区域分成独立的若干个连通区域,在通过图像形状判断处理判断若干个所述连通区域面积之后,进行图像掩模处理,获得三次处理图像;
第四处理模块5,用于提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像;
第五处理模块6,用于扫描所述四次处理图像内的连通区域并通过连通区域判断处理识别待识别数字,并计算所述待识别数字的长宽比;
读数处理模块7,用于利用所述待识别数字的长宽比并根据预设的数字识别训练数据库,获取所述数字仪表的读数;其中,所述预设的数字识别训练数据库采用基于支持向量机的OCR分类器对预设的数字仪表图像样本训练得到。
需要说明的是,本发明实施例提供的一种数字仪表读数图像识别***使用上述数字仪表读数图像识别方法,其工作原理和有益效果一一对应,因而不再赘述。
在本发明实施例中,所述预设的数字识别训练数据库为通过SVM分类器训练得到的数字样本数据库。
在本发明实施例中,所述第二处理模块3还用于:
对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,针对所述感兴趣区域内的感兴趣的物体的颜色特征进行颜色通道计算,将感兴趣的物体颜色特征最大化;
进行阈值分割处理,获得二次处理图像。
在本发明实施例中,所述第四处理模块5还用于:
提取所述三次处理图像中的数字图像,其中,所述数字图像中包括全部待识别数字;
对所述数字图像进行图像形态学处理,消除因为光线影响产生欠分割和过分割而导致的误差,获得四次处理图像。
在本发明实施例中,所述图像增强处理为图像直方图均衡化处理。
本发明实施例提供了一种数字仪表读数图像识别***,应用上述的数字仪表读数图像识别,通过数字仪表读数识别方法,能够实现采集仪表图像、进行图像处理、图像分析和读数判断等功能,从而有效地替代了人工读数,并能实时地对数字仪表所测量的参数进行实时监控、记录与分析,实现对配电房运行的自动化控制,进而为设备出现故障或存在重大安全隐患的情况下及时快速的进行报警的技术实现提供了保证;同时,采用所述数字仪表读数识别方法,具有准确性高、鲁棒性好的特点,适用于配电房的实时监测。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种数字仪表读数图像识别方法,其特征在于,包括步骤:
利用摄像装置采集数字仪表的原始仪表图像;
对所述原始仪表图像进行图像中值滤波处理及图像增强处理获得一次处理图像;
对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像;
在对所述二次处理图像进行形态学处理后,将感兴趣区域分成独立的若干个连通区域,在通过图像形状判断处理判断若干个所述连通区域面积之后,进行图像掩模处理,获得三次处理图像;
提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像;
扫描所述四次处理图像内的连通区域并通过连通区域判断处理识别待识别数字,并计算所述待识别数字的长宽比;
利用所述待识别数字的长宽比并根据预设的数字识别训练数据库,获取所述数字仪表的读数;其中,所述预设的数字识别训练数据库采用基于支持向量机的OCR分类器对预设的数字仪表图像样本训练得到。
2.如权利要求1所述的数字仪表读数图像识别方法,其特征在于,所述预设的数字识别训练数据库为通过SVM分类器训练得到的数字样本数据库。
3.如权利要求1所述的数字仪表读数图像识别方法,其特征在于,所述对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像具体为:
对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,针对所述感兴趣区域内的感兴趣的物体的颜色特征进行颜色通道计算,将感兴趣的物体颜色特征最大化;
进行阈值分割处理,获得二次处理图像。
4.如权利要求1所述的数字仪表读数图像识别方法,其特征在于,所述提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像具体为:
提取所述三次处理图像中的数字图像,其中,所述数字图像中包括全部待识别数字;
对所述数字图像进行图像形态学处理,消除因为光线影响产生欠分割和过分割而导致的误差,获得四次处理图像。
5.如权利要求1所述的数字仪表读数图像识别方法,其特征在于,所述图像增强处理为图像直方图均衡化处理。
6.一种数字仪表读数图像识别***,其特征在于,包括:
图像采集模块,用于利用摄像装置采集数字仪表的原始仪表图像;
第一处理模块,用于对所述原始仪表图像进行图像中值滤波处理及图像增强处理获得一次处理图像;
第二处理模块,用于对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,并在将所述感兴趣区域内的感兴趣的物体颜色特征最大化后,进行阈值分割处理获得二次处理图像;
第三处理模块,用于在对所述二次处理图像进行形态学处理后,将感兴趣区域分成独立的若干个连通区域,在通过图像形状判断处理判断若干个所述连通区域面积之后,进行图像掩模处理,获得三次处理图像;
第四处理模块,用于提取所述三次处理图像中的数字图像,并对所述数字图像进行图像形态学处理,获得四次处理图像;
第五处理模块,用于扫描所述四次处理图像内的连通区域并通过连通区域判断处理识别待识别数字,并计算所述待识别数字的长宽比;
读数处理模块,用于利用所述待识别数字的长宽比并根据预设的数字识别训练数据库,获取所述数字仪表的读数;其中,所述预设的数字识别训练数据库采用基于支持向量机的OCR分类器对预设的数字仪表图像样本训练得到。
7.如权利要求6所述的数字仪表读数图像识别***,其特征在于,所述预设的数字识别训练数据库为通过SVM分类器训练得到的数字样本数据库。
8.如权利要求6所述的数字仪表读数图像识别***,其特征在于,第二处理模块还用于:
对所述一次处理图像进行颜色空间变换处理,在所述一次处理图像上标识出矩形框作为感兴趣区域,针对所述感兴趣区域内的感兴趣的物体的颜色特征进行颜色通道计算,将感兴趣的物体颜色特征最大化;
进行阈值分割处理,获得二次处理图像。
9.如权利要求6所述的数字仪表读数图像识别***,其特征在于,第四处理模块还用于:
提取所述三次处理图像中的数字图像,其中,所述数字图像中包括全部待识别数字;
对所述数字图像进行图像形态学处理,消除因为光线影响产生欠分割和过分割而导致的误差,获得四次处理图像。
10.如权利要求6所述的数字仪表读数图像识别***,其特征在于,所述图像增强处理为图像直方图均衡化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811049629.XA CN109271985A (zh) | 2018-09-07 | 2018-09-07 | 一种数字仪表读数图像识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811049629.XA CN109271985A (zh) | 2018-09-07 | 2018-09-07 | 一种数字仪表读数图像识别方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109271985A true CN109271985A (zh) | 2019-01-25 |
Family
ID=65187641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811049629.XA Pending CN109271985A (zh) | 2018-09-07 | 2018-09-07 | 一种数字仪表读数图像识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109271985A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858560A (zh) * | 2019-02-18 | 2019-06-07 | 广东中粤电力科技有限公司 | 一种指针式仪表图像识别读数及安全预警方法 |
CN110807416A (zh) * | 2019-10-31 | 2020-02-18 | 国网湖北省电力有限公司电力科学研究院 | 适用于移动检测装置的数字式仪表智能识别装置及方法 |
CN113312941A (zh) * | 2020-02-26 | 2021-08-27 | 北京同邦卓益科技有限公司 | 监控仪表盘的方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4838796A (en) * | 1987-06-18 | 1989-06-13 | Gozdowiak Gregory J | Multiple dial meter reading development apparatus and method |
CN104573663A (zh) * | 2015-01-16 | 2015-04-29 | 中国科学院自动化研究所 | 一种基于鉴别性笔画库的英文场景文字识别方法 |
CN104751187A (zh) * | 2015-04-14 | 2015-07-01 | 山西科达自控股份有限公司 | 抄表图像自动识别方法 |
CN106599897A (zh) * | 2016-12-09 | 2017-04-26 | 广州供电局有限公司 | 基于机器视觉的指针式仪表读数识别方法及装置 |
CN106951900A (zh) * | 2017-04-13 | 2017-07-14 | 杭州申昊科技股份有限公司 | 一种避雷器仪表读数的自动识别方法 |
CN107563374A (zh) * | 2017-08-14 | 2018-01-09 | 华中科技大学 | 一种数显式仪表数码管定位方法 |
CN107590498A (zh) * | 2017-09-27 | 2018-01-16 | 哈尔滨工业大学 | 一种基于字符分割级联二分类器的自适应汽车仪表检测方法 |
CN107665348A (zh) * | 2017-09-26 | 2018-02-06 | 山东鲁能智能技术有限公司 | 一种变电站数字仪表的数字识别方法和装置 |
CN107729896A (zh) * | 2017-10-24 | 2018-02-23 | 武汉科技大学 | 一种适用于变电站宽刻度指针式仪表的自动识别方法 |
CN108458733A (zh) * | 2018-06-20 | 2018-08-28 | 安徽炬视科技有限公司 | 基于指针检测的指针式仪表自动读数装置***及识别方法 |
-
2018
- 2018-09-07 CN CN201811049629.XA patent/CN109271985A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4838796A (en) * | 1987-06-18 | 1989-06-13 | Gozdowiak Gregory J | Multiple dial meter reading development apparatus and method |
CN104573663A (zh) * | 2015-01-16 | 2015-04-29 | 中国科学院自动化研究所 | 一种基于鉴别性笔画库的英文场景文字识别方法 |
CN104751187A (zh) * | 2015-04-14 | 2015-07-01 | 山西科达自控股份有限公司 | 抄表图像自动识别方法 |
CN106599897A (zh) * | 2016-12-09 | 2017-04-26 | 广州供电局有限公司 | 基于机器视觉的指针式仪表读数识别方法及装置 |
CN106951900A (zh) * | 2017-04-13 | 2017-07-14 | 杭州申昊科技股份有限公司 | 一种避雷器仪表读数的自动识别方法 |
CN107563374A (zh) * | 2017-08-14 | 2018-01-09 | 华中科技大学 | 一种数显式仪表数码管定位方法 |
CN107665348A (zh) * | 2017-09-26 | 2018-02-06 | 山东鲁能智能技术有限公司 | 一种变电站数字仪表的数字识别方法和装置 |
CN107590498A (zh) * | 2017-09-27 | 2018-01-16 | 哈尔滨工业大学 | 一种基于字符分割级联二分类器的自适应汽车仪表检测方法 |
CN107729896A (zh) * | 2017-10-24 | 2018-02-23 | 武汉科技大学 | 一种适用于变电站宽刻度指针式仪表的自动识别方法 |
CN108458733A (zh) * | 2018-06-20 | 2018-08-28 | 安徽炬视科技有限公司 | 基于指针检测的指针式仪表自动读数装置***及识别方法 |
Non-Patent Citations (3)
Title |
---|
D.B.P.QUINTANILHA 等: "Automatic consumption reading on electromechanical meters using HOG and SVM", 《LACNEM 2017》 * |
李健 等: "汽车里程表读数自动识别***的研究与实现", 《新型工业化》 * |
王璇 等: "基于BP神经网络的手写数字识别的算法", 《控制理论与应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858560A (zh) * | 2019-02-18 | 2019-06-07 | 广东中粤电力科技有限公司 | 一种指针式仪表图像识别读数及安全预警方法 |
CN110807416A (zh) * | 2019-10-31 | 2020-02-18 | 国网湖北省电力有限公司电力科学研究院 | 适用于移动检测装置的数字式仪表智能识别装置及方法 |
CN113312941A (zh) * | 2020-02-26 | 2021-08-27 | 北京同邦卓益科技有限公司 | 监控仪表盘的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107341795B (zh) | 一种知识驱动的高空间分辨率遥感影像自动变化检测方法 | |
CN107977682B (zh) | 基于极坐标变换数据增强的淋巴类细胞分类方法及其装置 | |
US9031294B2 (en) | Region segmented image data creating system and feature extracting system for histopathological images | |
CN109271985A (zh) | 一种数字仪表读数图像识别方法及*** | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
CN111080691A (zh) | 一种光伏组件红外热斑检测方法、装置 | |
CN110335233A (zh) | 基于图像处理技术的高速公路护栏板缺陷检测***和方法 | |
CN109146974A (zh) | 一种指针式仪表读数识别方法及*** | |
CN109886932A (zh) | 基于svm的轮速传感器齿圈表面缺陷检测方法 | |
CN109191421A (zh) | 柱形锂电池圆周面凹坑视觉检测方法 | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN109345524A (zh) | 一种基于视觉的轴承外观缺陷检测*** | |
CN115731228B (zh) | 一种镀金芯片缺陷检测***和方法 | |
CN112396635A (zh) | 一种基于多设备的复杂环境下多目标检测方法 | |
CN113435407A (zh) | 一种输电***的小目标识别方法及装置 | |
CN113888462A (zh) | 一种裂纹识别方法、***、可读介质及存储介质 | |
Zheng et al. | Robust and automatic cell detection and segmentation from microscopic images of non‐setae phytoplankton species | |
CN115731493A (zh) | 基于视频图像识别的降水微物理特征参量提取与分析方法 | |
Haoran et al. | Egg crack detection based on support vector machine | |
CN116665321A (zh) | 一种基于边缘纳管技术的停车场车辆管理方法 | |
CN111079752A (zh) | 识别红外图像中的断路器的方法、装置及可读存储介质 | |
CN111402185A (zh) | 一种图像检测方法及装置 | |
CN114155493A (zh) | 基于视频分析技术的大坝流量预警***及方法 | |
CN109919863B (zh) | 一种全自动菌落计数仪、***及其菌落计数方法 | |
CN109193935B (zh) | 一种基于图像处理的配电房监测方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190125 |