CN113570631B - 一种基于图像的指针式仪表智能识别方法及设备 - Google Patents
一种基于图像的指针式仪表智能识别方法及设备 Download PDFInfo
- Publication number
- CN113570631B CN113570631B CN202110998891.4A CN202110998891A CN113570631B CN 113570631 B CN113570631 B CN 113570631B CN 202110998891 A CN202110998891 A CN 202110998891A CN 113570631 B CN113570631 B CN 113570631B
- Authority
- CN
- China
- Prior art keywords
- pointer
- image
- point
- dial
- inspection robot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000007689 inspection Methods 0.000 claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于图像的指针式仪表智能识别方法及设备,设备包括智能巡检机器人及其上安装的FRID识别器、前避障、后避障、磁导航AGV、工控机、云台和高清摄像头;先对智能巡检机器人进行软件建模;然后进行智能巡检机器人拍照获取的图像智能识别,输出表计读数;识别时先通过深度检测模型,从智能巡检机器人的采集图像中截取目标区域;再通过深度语义分割模型对于目标区域中的表盘和指针进行分割,分割后得到指针区域图像以及表盘区域图像;针对指针区域图像,通过骨架提取和距离变换,直线拟合代表指针位置;针对表盘区域图像,经形态学滤波,利用表盘轮廓椭圆计算变换矩阵,通过变换矩阵校正图像点,计算出表计读数;本发明鲁棒性高,能在自然场景下应用。
Description
技术领域
本发明属于人工智能中的图像识别技术领域,尤其涉及一种基于图像的指针式仪表智能识别方法及设备。
背景技术
随着通信技术、人工智能技术等信息化技术的发展,以及自动化水平不断提高,智能机器人在国民生产生活中越来越多的领域被广泛应用。智能机器人在替代人工进行相应工作的背后,通过相应软件支撑着智能机器人完成自然场景中的各种监测任务。
在工业生产环境中对指针仪表智能识别读数从而监控各种设备运行状态,现有技术主要基于传统图像处理手段,通过二值化图像后霍夫直线检测定位指针,利用仪表表盘刻度与角度的线性关系得到指针读数。由于传统图像处理二值化过程中对光照敏感,二值化结果对霍夫直线检测效果存在明显的影响,因此存在着光照敏感,鲁棒性差等缺点,很难在自然场景下应用。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种基于图像的指针式仪表智能识别方法及设备,对光照不敏感,鲁棒性高,能在自然场景下应用。
为了达到上述目的,本发明采取的技术方案为:
一种基于图像的指针式仪表智能识别方法,包括以下步骤:
S1:对智能巡检机器人进行软件建模,获得最小刻度坐标点、指针轴心点、最大刻度坐标点以及表盘最小、最大值;
S2:智能巡检机器人拍照获取的图像智能识别,将智能巡检机器人获取的图像作为输入,结合建模信息,最终输出表计读数。
所述的步骤S2智能巡检机器人拍照获取的图像智能识别方法,包括以下步骤:
1)通过深度检测模型,从智能巡检机器人采集图像中截取目标区域;
2)通过深度语义分割模型对于目标区域中的表盘和指针进行分割,分割后得到指针区域图像以及表盘区域图像;
3)针对指针区域图像,通过骨架提取和距离变换的操作,最终直线拟合得到直线代表指针位置;
针对表盘区域图像,经形态学滤波,利用表盘轮廓椭圆计算变换矩阵M,通过变换矩阵校正图像点,最终计算出表计读数。
所述的步骤3)中针对针对指针区域图像,分别进行骨架提取和距离变换,得到骨架图像和距离变换图像;利用骨架图像进行直线拟合操作,拟合出的直线就代表指针中心线位置,借助距离图像以及直线参数找到调整后的最大、最小点坐标pHead、pTail,分别代表指针尾部和头部。
所述的步骤3)中针对表盘区域图像,首先进行形态学滤波,对滤波后图像提取最外层轮廓;对于矩形表盘,针对轮廓四个边进行直线拟合,然后利用四条直线计算出四个交点坐标,找出四个点最小外接矩形上对应四个点,计算出变换矩阵;对于圆形表盘,利用轮廓坐标点进行椭圆拟合,拟合出椭圆提现了表盘变形程度,通过拟合得到的椭圆参数,计算得到四个端点坐标信息,同时计算出与椭圆中心重合的圆上对应四个端点的点坐标,由这四对坐标点计算得出变换矩阵M,用于后续图像上点的校正。
所述的步骤3)中利用变换矩阵M以及建模输入的表盘最小刻度点p1、指针轴心点p2、最大刻度点p3和计算出的指针头部点pHead、指针尾部点pTail,计算出矫正后的最小刻度点pNew1、指针轴中心点pNew2、最大刻度点pNew3、指针头部点pNewHead、指针尾部点pNewTail,计算出最小刻度点与指针轴中心点、最大刻度与指针轴中心点间向量夹角,最小刻度点与指针轴中心点、指针尾部点与指针头部点间向量夹角,利用角度比例ratio以及建模输入的量程大小信息,获得指针表读数。
所述的深度检测模型为yolov4、yolov3或ssd检测模型。
所述的深度语义分割模型为mobilenetv3的deeplabv3模型,或为segnet、unet、pspnet深度分割模型。
一种基于图像的指针式仪表智能识别方法所用的设备,包括智能巡检机器人,智能巡检机器人底部设有FRID识别器5,智能巡检机器人前面设有前避障2,智能巡检机器人后面设有后避障3,智能巡检机器人的侧面设有磁导航AGV 6和工控机7,智能巡检机器人顶部通过云台4和高清摄像头1连接。
与现有技术相比,本发明所具有的有益效果明显:
本发明借助于深度检测模型强大的适应性和鲁棒性,在自然工作场景下对于表盘目标检测高达95%以上,为后续分割提供良好基础。同样深度语义分割模型对于表盘和指针分割成功率高达95%以上,部分误分割,可以通过后续的形态学进一步滤波,这对于图像校正提供了有力保障,整体方法对标签遮挡、表盘倾斜变形、表盘脏污、表盘内水雾等情况的鲁棒性都有明显增强。
附图说明
图1为本发明实施例设备的示意图。
图2为本发明实施例方法的流程图。
具体实施方式
下面结合实施例和附图对本发明做进一步详细描述。
参照图1,一种基于图像的指针式仪表智能识别设备,包括智能巡检机器人,智能巡检机器人底部设有FRID识别器5,智能巡检机器人前面设有前避障2,智能巡检机器人后面设有后避障3,智能巡检机器人的侧面设有磁导航AGV 6和工控机7,智能巡检机器人顶部通过云台4和高清摄像头1连接。
一种基于图像的指针式仪表智能识别方法,包括以下步骤:
S1:对智能巡检机器人进行软件建模,获得最小刻度坐标点、指针轴心点、最大刻度坐标点以及表盘最小、最大值,这些信息主要用于最后表盘读数计算;
S2:智能巡检机器人拍照获取的图像智能识别,将智能巡检机器人获取的图像作为输入,结合建模信息,最终输出表计读数。
参照图2,所述的步骤S2智能巡检机器人拍照获取的图像智能识别方法,包括以下步骤:
1)通过云台4上高清摄像机1获取图像,经过训练得到的深度检测模型,得到目标在图像中位置信息,进而从图像中截取目标区域,以便于减小后续深度语义分割模型计算量,提高识别速度;
本实施例利用yolov4检测模型针对表盘区域进行目标检测,获得目标box信息,利用目标box信息截取ROI表盘目标区域;
2)通过深度语义分割模型对于目标区域中的表盘和指针进行分割,分割后得到指针区域图像以及表盘区域图像,指针区域图像用于确定指针位置,表盘区域图像用于后续计算校正变换矩阵;
本实施例采用基于mobilenetv3的deeplabv3模型对于目标区域中的表盘和指针进行分割;
3)针对指针区域图像,通过骨架提取和距离变换的操作,最终直线拟合得到直线代表指针位置;
本实施例针对针对指针区域图像,分别进行骨架提取和距离变换,得到骨架图像和距离变换图像;骨架提取后数据量大大减少,利用骨架图像进行直线拟合操作,拟合出的直线就代表指针中心线位置,借助距离图像以及直线参数找到调整后的最大、最小点坐标pHead、pTail,分别代表指针尾部和头部;
针对表盘区域图像,经形态学滤波,利用表盘轮廓椭圆计算变换矩阵M,用于后续的图像上点的校正;通过变换矩阵校正图像点,减小最终误差,最终计算出表计读数;
本实施例针对表盘区域图像,首先进行形态学滤波,消除部分噪声点,对滤波后图像提取最外层轮廓;对于矩形表盘,针对轮廓四个边进行直线拟合,然后利用四条直线计算出四个交点坐标,找出四个点最小外接矩形上对应四个点,计算出变换矩阵;对于圆形表盘,利用轮廓坐标点进行椭圆拟合,拟合出椭圆提现了表盘变形程度,通过拟合得到的椭圆参数,计算得到四个端点坐标信息,同时计算出与椭圆中心重合的圆上对应四个端点的点坐标,由这四对坐标点计算得出变换矩阵M,用于后续图像上点的校正;
本实施例利用变换矩阵M以及建模输入的表盘最小刻度点p1、指针轴心点p2、最大刻度点p3和计算出的指针头部点pHead、指针尾部点pTail,计算出矫正后的最小刻度点pNew1、指针轴中心点pNew2、最大刻度点pNew3、指针头部点pNewHead、指针尾部点pNewTail,计算出最小刻度点与指针轴中心点、最大刻度与指针轴中心点间向量夹角,最小刻度点与指针轴中心点、指针尾部点与指针头部点间向量夹角,利用角度比例ratio以及建模输入的量程大小信息,获得指针表读数。
本发明可以在复杂天气条件下正常工作,为工厂自动化升级在复杂工业环境中的应用推广提供助力。
Claims (2)
1.一种基于图像的指针式仪表智能识别方法,其特征在于,包括以下步骤:
S1:对智能巡检机器人进行软件建模,获得最小刻度坐标点、指针轴心点、最大刻度坐标点以及表盘最小、最大值;
S2:智能巡检机器人对拍照获取的图像智能识别,将智能巡检机器人获取的图像作为输入,结合建模信息,最终输出表计读数;
步骤S2包括以下步骤:
1)通过深度检测模型,从智能巡检机器人采集图像中截取目标区域;
2)通过深度语义分割模型对于目标区域中的表盘和指针进行分割,分割后得到指针区域图像以及表盘区域图像;
3)针对指针区域图像,通过骨架提取和距离变换的操作,最终直线拟合得到的直线代表指针位置;
针对表盘区域图像,经形态学滤波,利用表盘轮廓计算变换矩阵M,通过变换矩阵校正图像点,最终计算出表计读数;
步骤3)中针对指针区域图像,分别进行骨架提取和距离变换,得到骨架图像和距离变换图像;利用骨架图像进行直线拟合操作,拟合出的直线就代表指针中心线位置,借助距离图像以及直线参数找到调整后的最大、最小点坐标pHead、pTail,分别代表指针尾部和头部;
步骤3)中针对表盘区域图像,首先进行形态学滤波,对滤波后图像提取最外层轮廓;对于矩形表盘,针对轮廓四个边进行直线拟合,然后利用四条直线计算出四个交点坐标,找出四个点最小外接矩形上对应四个点,计算出变换矩阵;对于圆形表盘,利用轮廓坐标点进行椭圆拟合,拟合出椭圆体现了表盘变形程度,通过拟合得到的椭圆参数,计算得到四个端点坐标信息,同时计算出与椭圆中心重合的圆上对应四个端点的点坐标,由这四对坐标点计算得出变换矩阵M,用于后续图像上点的校正;
步骤3)中利用变换矩阵M以及建模输入的表盘最小刻度点p1、指针轴心点p2、最大刻度点p3和计算出的指针头部点pHead、指针尾部点pTail,计算出矫正后的最小刻度点pNew1、指针轴中心点pNew2、最大刻度点pNew3、指针头部点pNewHead、指针尾部点pNewTail,计算出最小刻度点与指针轴中心点、最大刻度与指针轴中心点间向量夹角,最小刻度点与指针轴中心点、指针尾部点与指针头部点间向量夹角,利用角度比例ratio以及建模输入的量程大小信息,获得指针表读数;
所述的深度检测模型为yolov4、yolov3或ssd检测模型;
所述的深度语义分割模型为mobilenetv3的deeplabv3模型,或为segnet、unet、pspnet深度分割模型中的任意一种。
2.根据权利要求1所述的一种基于图像的指针式仪表智能识别方法所用的设备,其特征在于:包括智能巡检机器人,智能巡检机器人底部设有FRID识别器(5),智能巡检机器人前面设有前避障(2),智能巡检机器人后面设有后避障(3),智能巡检机器人的侧面设有磁导航AGV (6 )和工控机(7),智能巡检机器人顶部通过云台(4)和高清摄像头(1)连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110998891.4A CN113570631B (zh) | 2021-08-28 | 2021-08-28 | 一种基于图像的指针式仪表智能识别方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110998891.4A CN113570631B (zh) | 2021-08-28 | 2021-08-28 | 一种基于图像的指针式仪表智能识别方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570631A CN113570631A (zh) | 2021-10-29 |
CN113570631B true CN113570631B (zh) | 2024-04-26 |
Family
ID=78172968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110998891.4A Active CN113570631B (zh) | 2021-08-28 | 2021-08-28 | 一种基于图像的指针式仪表智能识别方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570631B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549282B (zh) * | 2022-01-11 | 2023-12-12 | 深圳昱拓智能有限公司 | 一种基于仿射变换实现多表计读数的方法和*** |
CN116071604A (zh) * | 2023-03-03 | 2023-05-05 | 北京尚优力达科技有限公司 | 一种基于图像的指针表识别方法及装置 |
CN116434208B (zh) * | 2023-06-14 | 2023-10-27 | 福建(泉州)哈工大工程技术研究院 | 一种用于仪表扇形区域的视觉识别方法 |
CN116543376B (zh) * | 2023-07-03 | 2023-12-29 | 广东电网有限责任公司肇庆供电局 | 一种指针式仪表读数方法和*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764257A (zh) * | 2018-05-23 | 2018-11-06 | 郑州金惠计算机***工程有限公司 | 一种多视角的指针式仪表识别方法 |
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN110414510A (zh) * | 2019-07-26 | 2019-11-05 | 华中科技大学 | 一种指针式仪表读数校正方法 |
CN110503144A (zh) * | 2019-08-15 | 2019-11-26 | 南京天创电子技术有限公司 | 一种用于巡检机器人的指针式仪表识别方法 |
CN110807355A (zh) * | 2019-09-12 | 2020-02-18 | 天津大学 | 一种基于移动机器人的指针仪表检测与读数识别方法 |
CN111368906A (zh) * | 2020-02-29 | 2020-07-03 | 华南理工大学 | 一种基于深度学习的指针式油位计读数识别方法 |
CN111401358A (zh) * | 2020-02-25 | 2020-07-10 | 华南理工大学 | 一种基于神经网络的仪表表盘校正方法 |
WO2020169802A1 (fr) * | 2019-02-21 | 2020-08-27 | Dental Monitoring | Procede de correction d'un contour |
CN111738258A (zh) * | 2020-06-24 | 2020-10-02 | 东方电子股份有限公司 | 一种基于机器人巡检的指针式仪表读数识别方法 |
CN112115895A (zh) * | 2020-09-24 | 2020-12-22 | 深圳市赛为智能股份有限公司 | 指针型仪表读数识别方法、装置、计算机设备及存储介质 |
WO2020258286A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置、拍摄装置和可移动平台 |
CN112749813A (zh) * | 2020-10-29 | 2021-05-04 | 广东电网有限责任公司 | 一种数据处理***、方法、电子设备及存储介质 |
CN112818988A (zh) * | 2021-01-29 | 2021-05-18 | 西安交通大学 | 一种指针式仪表自动识别读数方法及*** |
CN113313122A (zh) * | 2021-06-11 | 2021-08-27 | 曲阜师范大学 | 一种基于计算机视觉的指针式仪表自动识别读数方法 |
-
2021
- 2021-08-28 CN CN202110998891.4A patent/CN113570631B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764257A (zh) * | 2018-05-23 | 2018-11-06 | 郑州金惠计算机***工程有限公司 | 一种多视角的指针式仪表识别方法 |
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
WO2020169802A1 (fr) * | 2019-02-21 | 2020-08-27 | Dental Monitoring | Procede de correction d'un contour |
WO2020258286A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置、拍摄装置和可移动平台 |
CN110414510A (zh) * | 2019-07-26 | 2019-11-05 | 华中科技大学 | 一种指针式仪表读数校正方法 |
CN110503144A (zh) * | 2019-08-15 | 2019-11-26 | 南京天创电子技术有限公司 | 一种用于巡检机器人的指针式仪表识别方法 |
CN110807355A (zh) * | 2019-09-12 | 2020-02-18 | 天津大学 | 一种基于移动机器人的指针仪表检测与读数识别方法 |
CN111401358A (zh) * | 2020-02-25 | 2020-07-10 | 华南理工大学 | 一种基于神经网络的仪表表盘校正方法 |
CN111368906A (zh) * | 2020-02-29 | 2020-07-03 | 华南理工大学 | 一种基于深度学习的指针式油位计读数识别方法 |
CN111738258A (zh) * | 2020-06-24 | 2020-10-02 | 东方电子股份有限公司 | 一种基于机器人巡检的指针式仪表读数识别方法 |
CN112115895A (zh) * | 2020-09-24 | 2020-12-22 | 深圳市赛为智能股份有限公司 | 指针型仪表读数识别方法、装置、计算机设备及存储介质 |
CN112749813A (zh) * | 2020-10-29 | 2021-05-04 | 广东电网有限责任公司 | 一种数据处理***、方法、电子设备及存储介质 |
CN112818988A (zh) * | 2021-01-29 | 2021-05-18 | 西安交通大学 | 一种指针式仪表自动识别读数方法及*** |
CN113313122A (zh) * | 2021-06-11 | 2021-08-27 | 曲阜师范大学 | 一种基于计算机视觉的指针式仪表自动识别读数方法 |
Non-Patent Citations (1)
Title |
---|
基于 Faster R-CNN 和 U-Net 的变电站 指针式仪表读数自动识别方法;万吉林,王慧芳,管敏渊,沈建良,吴国强,高奥,杨斌;电网技术;第44卷(第8期);3097-3105页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113570631A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113570631B (zh) | 一种基于图像的指针式仪表智能识别方法及设备 | |
CN111340797B (zh) | 一种激光雷达与双目相机数据融合检测方法及*** | |
CN110543878B (zh) | 一种基于神经网络的指针仪表读数识别方法 | |
CN109685066B (zh) | 一种基于深度卷积神经网络的矿井目标检测与识别方法 | |
CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
CN111462135A (zh) | 基于视觉slam与二维语义分割的语义建图方法 | |
CN110189314B (zh) | 基于机器视觉的汽车仪表盘图像定位方法 | |
CN109434251B (zh) | 一种基于粒子滤波的焊缝图像跟踪方法 | |
CN111721259B (zh) | 基于双目视觉的水下机器人回收定位方法 | |
CN111814919A (zh) | 一种基于深度学习的仪表定位与识别*** | |
CN111179233B (zh) | 基于激光切割二维零部件的自适应纠偏方法 | |
CN111612841A (zh) | 目标定位方法及装置、移动机器人及可读存储介质 | |
CN111191546A (zh) | 基于机器视觉识别的产品智能装配方法 | |
CN104715487A (zh) | 一种基于伪Zernike矩的亚像素边缘检测方法 | |
CN110651686A (zh) | 一种基于割胶机械臂的割胶方法及*** | |
CN111340834B (zh) | 基于激光雷达和双目相机数据融合的衬板装配***及方法 | |
CN115063579B (zh) | 基于二维图像和三维点云投影的列车定位销松动检测方法 | |
CN112683228A (zh) | 单目相机测距方法及装置 | |
CN114580559A (zh) | 一种基于单目视觉***的测速方法 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN109145902B (zh) | 一种利用泛化特征对几何标识进行识别及定位的方法 | |
CN112729318A (zh) | 一种agv叉车自主定位移动slam导航*** | |
CN113487538B (zh) | 一种多目标分割缺陷检测方法、装置及其计算机存储介质 | |
CN117746165A (zh) | 一种轮式挖掘机轮胎种类的识别方法及装置 | |
CN107990825B (zh) | 基于先验数据校正的高精度位置测量装置与方法 |
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 |