CN110059693A - 一种基于无线传感器网络的数字仪表读数识别*** - Google Patents
一种基于无线传感器网络的数字仪表读数识别*** Download PDFInfo
- Publication number
- CN110059693A CN110059693A CN201910310752.0A CN201910310752A CN110059693A CN 110059693 A CN110059693 A CN 110059693A CN 201910310752 A CN201910310752 A CN 201910310752A CN 110059693 A CN110059693 A CN 110059693A
- Authority
- CN
- China
- Prior art keywords
- image
- character
- wireless sensor
- wsns
- recognition
- 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
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000010606 normalization Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000010339 dilation Effects 0.000 claims description 2
- 230000003628 erosive effect Effects 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000003384 imaging method Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
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
- G06V10/20—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
- G06V10/40—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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种基于无线传感器网络(Wireless Sensor Networks,WSNs)的数字仪表读数识别***,涉及无线传感器网络和图像识别技术领域。***由CMOS图像传感器、无线传感器网络终端节点、无线传感器网络协调器节点和上位机构成;搭载了图像传感器的终端节点固定在待识别数字仪表上,进行图像采集、图像预处理、字符分割以及字符识别,最终的识别结果利用无线网络传递给协调器节点,并通过USB串口在上位机上显示识别结果。本发明中字符识别采用模板匹配法,并对字符进行了归一化处理,不仅能减少处理数据量,且对小数点的识别更加准确。本***能有效减少无线传感器网络传输的数据量,增加对节点的利用程度,充分发挥节点的处理能力。
Description
技术领域
本发明涉及无线传感器网络、图像识别技术领域,更具体地说,涉及一种基于无线传感器网络的数字仪表读数识别***。
背景技术
数字仪表被广泛应用于工业现场、日程生活中,目前对于数字仪表读数的识别主要有以下几种方式:
(1)人工读取的方式:不仅费时费力,且准确性与实时性难以保证。
(2)数据传输的读取方式:利用有线或无线传输的方式将数字仪表读数传输到数据中心。此种方法的数字仪表成本高,更换复杂,对于工业现场临时性实验和既有设备仪表来说此种方法是明显不适用的。
无线传感器网络(Wireless Sensor Networks,WSNs)由大量传感器节点构成,能够感知、测量、收集和决策来自环境的信息,以其小尺寸、低成本、低功耗等优势被应用于许多领域,如智能电网、环境监测和抢险救灾等。现有无线传感器网络的监测方式大多采用由WSNs终端节点获取信息后经过WSNs协调器节点,并最终将所有数据传输到上位机进行处理分析的方式,这不仅耗时长而且传输数据量大,且对终端节点处理能力的利用程度低。
发明内容
本发明的目的在于针对现有数字仪表读取方式的弊端,在不改变现有仪表的前提下,提供一种基于无线传感器网络的低能耗、低成本数字仪表读数识别***,并针对WSNs的***特性进行优化,在WSNs终端节点上进行图像采集、处理与识别,大大增加了节点的开发利用程度。
为了实现上述目的,现提出的方案如下:
***由CMOS图像传感器、WSNs终端节点、WSNs协调器节点和上位机构成;由搭载图像传感器的WSNs终端节点进行图像采集、图像处理、数字识别,最终仅将识别结果通过WSNs协调器节点传输给上位机,完成仪表读数自动识别。
所述数字仪表为七段式数码管显示仪表,可用于工业现场电压、电流的检测。
所述WSNs终端节点由CMOS图像传感器、无线微控制器模块组成。
所述CMOS图像传感器为豪威科技OV7670摄像头。所述无线微控制器模块为恩智浦公司的JN5168芯片,并使用JN5168芯片内部闪存作为大数据图像的存储。
所述数字仪表读数识别过程包括以下步骤:
步骤一,由CMOS图像传感器拍摄图像,并将图像储存于JN5168的Flash扇区中存储,调取图像进行图像预处理,其中包括灰度化、二值化以及形态学开运算。
a.采用加权平均法进行灰度化处理,根据RGB和YUV颜色空间的变化关系建立亮度Y与R、G、B三个颜色分量的对应:
Y=0.229R+0.587G+0.114B
b.采用全局阈值方法对图像进行二值化处理,即根据原图像的直方图和灰度空间分布来确定阈值T,图像中像素值大于T则将该处像素值置为1,小于T的则置为0;
c.开运算是为了去除小颗粒噪声,以及断开目标物之间的粘连,先进行腐蚀运算:
再进行膨胀运算:
其中结构元素选取为B=[1 1 1]T;
步骤二,采用投影法对数字字符进行分割,以分割出单个字符,具体流程如下:
a.求取水平投影,即计算水平方向像素点的累加和,由于字符区域的像素点突变复杂且像素点之和呈现一定规律,因此根据每行像素点数和先验知识找出两段字符区域的起始结束边界,定义第一段字符区域起始点为h1、结束点为h2,第二段字符区域起始点为h3、结束点为h4,然后沿水平方向提取图像中h1h2和h3h4两段图像部分。
b.分别求取h1h2段和h3h4段垂直投影,同理,找出垂直分割点,完成单个字符分割,并储存在Flash扇区中。
步骤三,采用最邻近插值法对字符进行归一化处理,将分割后的字符图像归一化为20*30大小的统一图像:
步骤四,进行数字字符识别。
a.利用模板匹配法对归一化后的字符进行识别。将事先写入JN5168芯片Flash中的20*30大小的0~9数字字符模板像素数组,与步骤三归一化后的字符数组逐个元素进行对比,重合率最高的即认定为识别结果。
b.根据数码管数字仪表的特性,字符倾斜一定角度,在字符分割时小数点不能与数字分开,而是在图像右下角,因此根据字符图像特定区域的像素值对小数点进行判别。
步骤五,利用协调器节点,将识别结果通传输给上位机。
本发明利用无线传感器网路实现数字仪表读数识别,读数识别***功耗低、体积小、成本低,且不需拆卸现有仪表,易于安装,通过无线方式传输数据。采用在WSNs终端节点处理数据的方式,还解决了无线传感器网络传输数据量大的问题,进而降低了能耗,减少时延,增加了WSNs终端节点的开发利用程度,充分利用了节点处理能力。
附图说明
下面结合附图对本发明作进一步说明。
图1是所述数字仪表读数识别***原理框图。
图2是摄像头拍摄的原图和经过图像预处理后的图像。
图3是对整幅图像进行水平投影。
图4是分别对h1h2段、h3h4段做垂直投影。
图5是单个字符分割后和对字符进行归一化处理的结果。
图6是模板匹配中20*30大小的数字0~9的模板。
图7是数字仪表读数识别结果。
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做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。
如图1所示,***由CMOS图像传感器、WSNs终端节点、WSNs协调器节点和上位机构成;由固定在数字仪表上的搭载了图像传感器的WSNs终端节点进行图像采集、图像处理、数字识别,最终仅将识别结果通过WSNs协调器节点传输给上位机,完成仪表读数自动识别。所述终端节点由CMOS图像传感器、无线微控制器模块组成。所述CMOS图像传感器为豪威科技OV7670摄像头。所述无线微控制器模块为恩智浦公司的JN5168芯片,并使用JN5168芯片内部闪存作为大数据图像的存储。
如图1所示,将搭载有摄像头的WSNs终端节点固定在数字仪表显示区域上方,对示数进行识别。
如图2所示,在WSNs终端节点收到指令获取到240*320的彩色图像信息后,初始化内部闪存,以队列传递消息的方式提取整幅图像数据数组,依次进行灰度化、二值化以及形态学处理,以完成对图像的预处理,最终得到图2所示的240*320的二值图像处理结果。可以看出,经过上述处理后的图像数字结构清晰完整。
如图3所示,首先计算整幅图像的水平投影,即一行中所有元素的累加和,实际得到一个包含240个元素的新数组,借助Matlab显示,从结果可以看出有两段明显的像素区域,虽然图像底端有干扰因素,但不会影响数字区域的获取。根据每行像素点数和先验知识找出两段字符区域的起始结束边界,定义第一段字符区域起始点为h1、结束点为h2,第二段字符区域起始点为h3、结束点为h4,由四个点的坐标沿水平方向提取h1h2段和h3h4段两部分图像,那么可知第一行数字区域的高度为a=h2-h1+1,第二行数字截取高度即为b=h4-h3+1,同样的方法,再分别对两段截取的图像做垂直投影,如图4所示,进而可以得到八个数字每个数字的宽度,分别为a1、a2、a3、a4和a5、a6、a7、a8。
如图5所示,根据上述方法得到每个数字的高和宽以及坐标后,截取单个数字,如图5中的(a)所示。如上所述,利用最邻近插值法对字符进行归一化处理,将原始大小不一的图像统一为20*30大小,横坐标下角标x=a/20;纵坐标下角标y=h/30,依次从分割后的单个源图像中获值,得到归一化图像,如图5中(b)。
如图6所示,将事先准备好的0~9十个数字的模板存入内部闪存中,保存为每含有600个元素的十个数组。
将归一化后的八个数字数组分别与0~9模板数组进行对比每个数字可以得到十个匹配值,这个值越大则认为与该模板最接近,找到十个匹配值中的最大值,即可认定为最终匹配结果,重复八次进行。对于小数点部分,由于数字有一定的倾斜角度,小数点处于字符图像的右下角,因此在模板匹配过程中,对特定区域进行检验,若该区域具有一定量的像素,则认定该处有小数点,用十进制的“10”表示。最终结果经过无线网络传输给WSNs协调器节点,并由上位机串口软件显示结果,如图7所示。最后一行为最终识别结果,由于串口软件显示十六进制数值,因此小数点显示为“0A”,识别结果为“30.99 3.000”,与仪表实际读数相同,所述方法传输数据量少,节点的开发利用程度高。
Claims (3)
1.一种基于无线传感器网络(Wireless Sensor Networks,WSNs)的数字仪表读数识别***,其特征在于:***由CMOS图像传感器、WSNs终端节点、WSNs协调器节点和上位机构成;由搭载图像传感器的WSNs终端节点进行图像采集、图像处理、数字识别,最终仅将识别结果通过WSNs协调器节点传输给上位机,完成仪表读数自动识别。
2.如权利要求1所述的用于数字仪表读数识别的WSNs终端节点,其特征在于:选用JN5168作为无线微控制器模块核心芯片,并使用其内部闪存作为大数据图像的存储,所述CMOS图像传感器为豪威科技OV7670摄像头。
3.如权利要求1所述的基于无线传感器网络数字仪表读数识别***,其特征在于所述***的数字仪表读数识别过程包括如下步骤:
步骤一,由CMOS图像传感器拍摄图像,并将图像储存于JN5168的Flash扇区中存储,调取图像进行图像预处理,其中包括灰度化、二值化以及形态学开运算。
a.采用加权平均法进行灰度化处理,根据RGB和YUV颜色空间的变化关系建立亮度Y与R、G、B三个颜色分量的对应:
Y=0.229R+0.587G+0.114B
b.采用全局阈值方法对图像进行二值化处理,即根据原图像的直方图和灰度空间分布来确定阈值T,图像中像素值大于T则将该处像素值置为1,小于T的则置为0;
c.开运算是为了去除小颗粒噪声,以及断开目标物之间的粘连,先进行腐蚀运算:
再进行膨胀运算:
其中结构元素选取B=[1 1 1]T;
步骤二,采用投影法对图像进行分割,以分割出单个字符。具体流程如下:
a.求取水平投影,即计算水平方向像素点的累加和,由于字符区域的像素点突变复杂且像素点之和呈现一定规律,根据每行像素点数和先验知识找出两段字符区域的起始结束边界,定义第一段字符区域起始点为h1、结束点为h2,第二段字符区域起始点为h3、结束点为h4,然后沿水平方向提取图像中h1h2和h3h4两段图像部分。
b.分别求取h1h2段和h3h4段垂直投影,同理,找出垂直分割点,完成单个字符分割,并储存在Flash扇区中。
步骤三,采用最邻近插值法对字符进行归一化处理,将分割后的字符图像归一化为20*30大小的统一图像:
步骤四,进行数字字符识别。
a.利用模板匹配法对归一化后的字符进行识别。将事先写入JN5168芯片Flash中的20*30大小的0~9数字字符模板像素数组,与步骤三归一化后的字符数组逐个元素进行对比,重合率最高的即认定为该数字的识别结果。
b.根据数码管数字仪表的特性,字符倾斜一定角度,在字符分割时小数点不能与数字分开,而是在图像右下角,因此根据字符图像特定区域的像素值对小数点进行判别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310752.0A CN110059693A (zh) | 2019-04-18 | 2019-04-18 | 一种基于无线传感器网络的数字仪表读数识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310752.0A CN110059693A (zh) | 2019-04-18 | 2019-04-18 | 一种基于无线传感器网络的数字仪表读数识别*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110059693A true CN110059693A (zh) | 2019-07-26 |
Family
ID=67319250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910310752.0A Pending CN110059693A (zh) | 2019-04-18 | 2019-04-18 | 一种基于无线传感器网络的数字仪表读数识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059693A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090058634A1 (en) * | 2007-08-30 | 2009-03-05 | Intermec Ip Corp. | Systems, methods and devices for collecting data from wireless sensor nodes |
CN108133216A (zh) * | 2017-11-21 | 2018-06-08 | 武汉中元华电科技股份有限公司 | 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 |
CN108520256A (zh) * | 2018-03-29 | 2018-09-11 | 华北电力大学(保定) | 一种基于无线传感器网络的车牌照识别*** |
-
2019
- 2019-04-18 CN CN201910310752.0A patent/CN110059693A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090058634A1 (en) * | 2007-08-30 | 2009-03-05 | Intermec Ip Corp. | Systems, methods and devices for collecting data from wireless sensor nodes |
CN108133216A (zh) * | 2017-11-21 | 2018-06-08 | 武汉中元华电科技股份有限公司 | 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 |
CN108520256A (zh) * | 2018-03-29 | 2018-09-11 | 华北电力大学(保定) | 一种基于无线传感器网络的车牌照识别*** |
Non-Patent Citations (2)
Title |
---|
VALENTINA BIANCHI等: "RSSI-based indoor localization and identification for ZigBee wireless sensor networks in smart homes", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》, vol. 68, no. 2, pages 566 - 575, XP011694379, DOI: 10.1109/TIM.2018.2851675 * |
黄绪勇等: "变电站巡检机器人的数字仪表自动识别技术研究", 《机械与电子》, vol. 36, no. 11, pages 58 - 62 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qu et al. | A crack detection algorithm for concrete pavement based on attention mechanism and multi-features fusion | |
CN110991311B (zh) | 一种基于密集连接深度网络的目标检测方法 | |
CN109410168B (zh) | 用于确定图像中的子图块类别的卷积神经网络的建模方法 | |
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
CN112241699A (zh) | 物体缺陷类别识别方法、装置、计算机设备和存储介质 | |
CN110544258A (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
CN107038416B (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
US20090269022A1 (en) | Device, system, and method for indexing digital image frames | |
CN115661017B (zh) | 红外热成像超像素分割融合方法、***、介质及计算机 | |
CN110689060B (zh) | 一种基于聚合特征差异学习网络的异源图像匹配方法 | |
CN116188808B (zh) | 图像特征提取方法和***、存储介质及电子设备 | |
CN113902641A (zh) | 一种基于红外图像的数据中心热区判别方法及*** | |
Jin et al. | A Smart Water Metering System Based on Image Recognition and Narrowband Internet of Things. | |
CN113516939A (zh) | 亮度校正方法、装置、显示设备、计算设备及存储介质 | |
CN110766708A (zh) | 基于轮廓相似度的图像比较方法 | |
CN112507923A (zh) | 证件翻拍检测方法、装置、电子设备及介质 | |
CN113506315A (zh) | 运动物体的检测方法、装置及存储介质 | |
CN113723410B (zh) | 一种数码管数字识别方法及装置 | |
CN106960188B (zh) | 天气图像分类方法及装置 | |
CN110059693A (zh) | 一种基于无线传感器网络的数字仪表读数识别*** | |
CN116403200A (zh) | 基于硬件加速的车牌实时识别*** | |
CN110930423A (zh) | 一种物体边缘特征识别提取方法 | |
CN116415210A (zh) | 图像侵权检测方法、装置及存储介质 | |
CN115150767A (zh) | 一种基于边缘计算的无线传感网络数据传输方法 | |
CN114359166A (zh) | 屏幕颜色检测方法、装置、设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190726 |
|
WD01 | Invention patent application deemed withdrawn after publication |