CN115115664A - 计量器具信息采集*** - Google Patents
计量器具信息采集*** Download PDFInfo
- Publication number
- CN115115664A CN115115664A CN202211023385.4A CN202211023385A CN115115664A CN 115115664 A CN115115664 A CN 115115664A CN 202211023385 A CN202211023385 A CN 202211023385A CN 115115664 A CN115115664 A CN 115115664A
- Authority
- CN
- China
- Prior art keywords
- cluster
- filtering
- pointer
- image
- filtering direction
- 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
- 238000001914 filtration Methods 0.000 claims abstract description 111
- 238000012512 characterization method Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- MXWJVTOOROXGIU-UHFFFAOYSA-N atrazine Chemical compound CCNC1=NC(Cl)=NC(NC(C)C)=N1 MXWJVTOOROXGIU-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- 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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/26—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种计量器具信息采集***。该***包括:图像处理模块,用于获取表盘区域和指针边缘;滤波方向获取模块,用于获取每个聚类簇的滤波方向表征指标,并选取滤波方向表征指标最大的聚类簇作为滤波方向表征聚类簇,利用滤波方向表征聚类簇中各亮点的横坐标获得滤波方向;刻度值识别模块,用于设定预设边长的高斯滤波的滑动窗口,其中滑动窗口的预设边长小于指针的宽度;以滤波方向作为预设边长的高斯滤波的滑动窗口的滑动方向对表盘区域进行滤波得到去噪表面图像;利用去噪表面图像识别指针所指的刻度值。本发明能够使得计量器具的表盘中的指针在滤波后不模糊,变的清晰,保证对表盘读数的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种计量器具信息采集***。
背景技术
对于指针式计量器具的表盘抄表,例如压力表、带有指针式表盘的水表和秤表等等,传统的基本上是通过人工进行抄表的,这样的方式效率低,且容易出现错误,尤其是对于工厂中仪器表盘,人工抄表弊端更多;随着机器视觉技术的发展,基本上都是摄像模块的图像传感器拍摄表盘的表面图像,然后利用图像识别算法将表盘照片识别为读数,这种通过表盘的表面图像进行抄表的技术俗称“视觉抄表”,解放了人力,使得抄表更加简单,同时如果后期查询记录时有图和读数相互辅证,更加精确。
现有技术通过机器视觉抄表时,对于需要连续进行抄表的计量器具,由于图像传感器的长时间运行然后导致图像传感器过热产生高斯噪声,使得图像质量下降,另外此时是在指针转动的情况下进行拍摄的,动态下的物体对噪声极为敏感,指针在图像中会尤为模糊,导致对表盘图像识别时读数不准确,现有的常规的利用高斯滤波、均值滤波对图像进行滤波时虽然会对这样的情况改善,但是由于这样的常规的去除高斯噪声方法会导致图像对指针边缘滤波时,参与滤波的像素点驳杂,对于指针原有的信息进行破坏,导致指针的边缘仍然比较模糊,此时就会导致抄表的读数误差较大。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种计量器具信息采集***,所采用的技术方案具体如下:
本发明一个实施例提供了一种计量器具信息采集***,***包括:
图像处理模块,用于对拍摄的计量器具的表面图像灰度化得到表面灰度图;对表面灰度图进行分割得到表盘区域;对表面灰度图进行边缘检测获得指针边缘;
滤波方向获取模块,用于对指针边缘进行霍夫直线检测,获得指针边缘上的直线;对所述指针边缘上的直线在霍夫空间中的亮点进行聚类获得聚类簇;根据每个聚类簇中各亮点与聚类中心的距离、各亮点的亮度值和所有亮点的数量分别获得每个聚类簇的滤波方向表征指标;选取滤波方向表征指标最大的聚类簇作为滤波方向表征聚类簇,利用滤波方向表征聚类簇中各亮点的横坐标获得滤波方向;
刻度值识别模块,用于设定预设边长的高斯滤波的滑动窗口,其中滑动窗口的预设边长小于指针的宽度;以滤波方向作为预设边长的高斯滤波的滑动窗口的滑动方向对表盘区域进行滤波得到去噪表面图像;利用去噪表面图像识别指针所指的刻度值。
优选地,对表面灰度图进行分割得到表盘区域,包括:利用阈值分割的方法对表面灰度图进行分割得到表盘区域。
优选地,对所述指针边缘上的直线在霍夫空间中的亮点进行聚类获得聚类簇,包括:基于霍夫空间中亮点之间的距离进行聚类获得聚类簇。
优选地,聚类簇的滤波方向表征指标为:
其中,表示第d个聚类簇的滤波方向表征指标;表示自然常数;表示聚类簇中亮点的数量;和分别表示第d个聚类簇中第i个亮点在霍夫空间中的横坐标和纵坐标;和分别表示第d个聚类簇中的聚类中心在霍夫空间中的横坐标和纵坐标;表示第d个聚类簇中第i个亮点的亮度值;表示双曲正切函数;表示进行L2范数计算。
优选地,滤波方向为:
优选地,以滤波方向作为预设边长的高斯滤波的滑动窗口的滑动方向对表盘区域进行滤波得到去噪表面图像,包括:设定固定尺寸的滑动窗口,利用固定尺寸的滑动窗口沿水平方向对表面灰度图中除了表盘区域的其他区域进行高斯滤波,在表盘区域利用预设边长的高斯滤波的滑动窗口沿着滤波方向进行高斯滤波,从而得到去噪表面图像。
本发明实施例至少具有如下有益效果:本发明通过对指针边缘的直线的方向进行分析,进而获取高斯滤波在对表盘区域进行滤波时滑动窗口的滑动方向,使其滑动方向沿着指针的方向进行滑动,从而使得在进行滤波时,滑动窗口移动到指针时可以使得参与滤波的像素点大部分都是指针上的像素点,这样可以在去除噪声的同时,保留指针的原始信息,使得指针的边缘变的清晰,同时滑动窗口的边长为预设边长,且预设边长小于指针的宽度,同样的也是为了保证窗口内参与滤波的像素点为指针上像素点,以保留指针的原始信息;本发明通过对高斯滤波的滑动窗口的滑动方向和窗口的边长进行改变,在对表盘区域滤波时,保证了指针的清晰,使得在利用图像识别算法抄表时,识别的刻度值更加准确,误差更小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明实施例提供的计量器具信息采集***的***框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的计量器具信息采集***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的计量器具信息采集***的具体方案。
实施例:
本发明的主要应用场景为:利用现有的图像识别算法在对有指针的表盘的计量器具进行读数识别时,由于需要监测计量器具的实时数据,图像传感器就需要长时间的工作,长时间工作发热会导致拍摄出的计量器具的表面图像含有很多的高斯噪声,常规的去噪方法会使得指针的边缘变的模糊,降噪效果并不好,本发明用来解决利用常规降噪方法进行降噪时指针边缘模糊的问题。
请参阅图1,其示出了本发明实施例提供的计量器具信息采集***的***框图,该方法包括以下模块:
图像处理模块,用于对拍摄的计量器具的表面图像灰度化得到表面灰度图;对表面灰度图进行分割得到表盘区域;对表面灰度图进行边缘检测获得指针边缘。
首先,一些计量器具有数字显示功能,但是整体构造上还包括指针式表盘需要通过表盘进行读取指针所指的刻度值来得到计量的信息,此类计量器具上含有的表盘是多个不同量程的表盘,通过对多个不同量程的表盘的读数进行相互对照可以判断计量器具是否发生异常;也有一些计量器具只有指针式表盘,此时就只能通过读取指针所指的刻度值来得到计量的信息。对于这两种计量器具都可以通过拍摄计量器具的表面图像然后利用图像识别方法得到计量的信息。然后在利用机器视觉的技术进行抄表时,需要连续抄表的计量器具的表面图像由于图像传感器的长时间工作会导致拍摄的计量器具的表面图像出现大量的高斯噪声,这样的图像会影响抄表的准确性,因此需要进行降噪处理。
进一步的,将拍摄的计量器具的表面图像利用加权平均法进行灰度化处理获得表面灰度图,这是为了减少冗余的色彩信息的干扰;利用阈值分割的方法获得表面灰度中的表盘区域,需要说明的是阈值分割为公知技术,在此不在进行详细阐述,例如可以选用大津阈值法进行分割。
最后,利用多张静态、质量较好的表面灰度图来获取指针的灰度阈值,利用该阈值,对含有噪声的没有经过滤波的表面灰度图进行Canny算子边缘检测,获得指针边缘。
滤波方向获取模块,用于对指针边缘进行霍夫直线检测,获得指针边缘上的直线;对所述指针边缘上的直线在霍夫空间中的亮点进行聚类获得聚类簇;根据每个聚类簇中各亮点与聚类中心的距离、各亮点的亮度值和所有亮点的数量分别获得每个聚类簇的滤波方向表征指标;选取滤波方向表征指标最大的聚类簇作为滤波方向表征聚类簇,利用滤波方向表征聚类簇中各亮点的横坐标获得滤波方向。
首先,表面灰度图含有大量的高斯噪声,而指针式表盘读数的核心依据是指针的指向,如果指针由于高斯噪声的影响变的模糊,就不能准确的获取计量器具的准确读数,此时如果利用常规的去除高斯噪声的高斯滤波、均值滤波等方法对图像进行滤波会使图像变的平滑,但同时会导致指针边缘模糊。因此需要对高斯滤波的滑动窗口的滑动方向进行改进,也即是对高斯滤波的滤波方向进行改进,来尽可能改善降噪后指针边缘模糊的问题。
在图像处理模块中,获得了指针边缘,由于Canny算子对噪声极为敏感,因此被干扰后的指针边缘表现为不平滑或断断续续的直线,这是因为噪声将原本的指针覆盖、扭曲,导致Canny检测结果错误、或者检测中断导致的;利用常规的滤波方法对指针进行滤波时,在指针的内部,滑动窗口内参与滤波的像素点大部分是指针上的像素点,此时的滤波不会导致指针的信息丢失,但是当滤波进行到指针边缘处的时候,如果滑动窗口内参与滤波的像素点大部分是非指针上的像素点,此时就会导致指针边缘处的原始信息丢失,指针的边缘就会变的模糊,导致判断指针的指向并不是很准确。而改进高斯滤波滑动窗口的滑动方向与指针的指向相同,就能使得滑动窗口内参与滤波的像素点大部分是指针上的像素点,从而使得指针的边缘变的清晰。基于此,需要分析指针的指向方向。
进一步的,对利用Canny算子提取出的指针边缘进行霍夫直线检测,即可得到多条断断续续的以及方向各不相同的直线。其在霍夫空间中表示为多个离散的亮点。而指针边缘即使再受到噪声影响,其边缘上所检测到的大部分直线也应还是趋向指针所指方向,但仅是方向相近,而不一定完全相同,因此在霍夫空间中,必然有一处存在大量聚集的霍夫空间的亮点。
对于霍夫空间内所有亮点进行聚类,获得多个聚类簇,其中,需要说明的是,本实施例中选用的聚类算法为K-means算法,聚类时是基于亮点之间的距离进行聚类的,每个聚类簇内都是分布比较密集的霍夫空间的亮点。
接着,聚类簇内亮点的数量越多,亮点越密集,亮点的亮度值越大,说明此聚类簇内亮点表示的直线越能表示指针的边缘;根据每个聚类簇中各亮点与聚类中心的距离、各亮点的亮度值和所有亮点的数量分别获得每个聚类簇的滤波方向表征指标:
其中,表示第d个聚类簇的滤波方向表征指标,该指标越大说明聚类簇内亮点所代表的直线越能表示指针的边缘;表示自然常数;表示聚类簇中亮点的数量,当一个聚类簇内亮点的数量越大,这个聚类簇就越有代表性,是为了将聚类簇内亮点的数量归一化到0到1内;和分别表示第d个聚类簇中第i个亮点在霍夫空间中的横坐标(法线角度)和纵坐标(法线距离);和分别表示第d个聚类簇中的聚类中心在霍夫空间中的横坐标(法线角度)和纵坐标(法线距离);、分别代表第d个聚类簇内第i个亮点与第d个聚类簇聚类中心的横坐标(法线角度)、纵坐标(法线距离)的差值;则为第d个聚类簇内所有亮点与聚簇中心之间的欧式距离之和的平均值,用于表示聚类簇内亮点的密集程度,为利用指数函数进行归一化处理,使其取值在0-1之间,聚类簇内亮点越密集,的值越小;
表示第d个聚类簇中第i个亮点的亮度值;表示双曲正切函数,为利用双曲正切函数将亮度均值归一化,亮点的亮度越大代表亮点所表征的直线比较长,当聚类簇内亮点所代表的直线的长度比较大时,说明该聚类簇内亮点所代表的直线越能表征指针的边缘,取值越大,在0-1之间取值也越大;表示进行L2范数计算。
最后,由此可以得到每个聚类簇的滤波方向表征指标,滤波方向表征指标越大就说明聚类簇内的亮点所表示的直线越能表示指针边缘,选取滤波方向表征指标最大的聚类簇作为滤波方向表征聚类簇;另外需要说明的是,本发明实施例中,指针是细长指针,其两个夹角边的夹角几乎为零,所以在得到滤波方向表征聚类簇时只会得到一个滤波方向表征聚类簇,然后在具体的实施过程中,由于指针的形状不相同指针的两个夹角边的夹角可能是较大的,此时就会得到两个滤波方向表征聚类簇,然后在分析滤波方向时,就需要结合这两个滤波方向表征聚类簇中直线的角度得到滤波方向了。
利用滤波方向表征聚类簇中各亮点的横坐标获得滤波方向,其中需要说明的是,在霍夫空间内亮点的横坐标为亮点所表征的直线至直角坐标系原点的法线角度,优选的,为了方便计算,本发明实施例中直角坐标系中横轴和纵轴的正半轴为图像左边和底边,也即是将图像完全放入直角坐标系的第一象限中。取滤波方向表征聚类簇中各亮点的法线角度的中值计算滤波方向,则滤波方向为:
其中,表示指针方向;表示滤波方向表征聚类簇中亮点的横坐标的最小值,也即是滤波方向表征聚类簇中所有亮点表征的直线对应的法线角度中的最小值;表示滤波方向表征聚类簇中亮点的横坐标的最大值,也即是滤波方向表征聚类簇中所有亮点表征的直线对应的法线角度中的最大值,计算出来结果为,也即是中值;另外,得到的滤波方向也即是指针边缘的直线的朝向。
指针是一直在转动的,因此获取表面灰度图中指针的指向不是固定的不变,因此对每张表面灰度图中的表盘区域滤波方向都是不相同的,每个表盘区域都会有一个求得的自适应的滤波方向,另外有的计量器具对应的表面灰度图中只有一个表盘区域,有的计量器具对应的表面灰度图中会有多个表盘区域,这由计量器具本身的构造决定。
刻度值识别模块,用于设定预设边长的高斯滤波的滑动窗口,其中滑动窗口的预设边长小于指针的宽度;以滤波方向作为预设边长的高斯滤波的滑动窗口的滑动方向对表盘区域进行滤波得到去噪表面图像;利用去噪表面图像识别指针所指的刻度值。
首先,在滤波方向获取模块中,获得了对表盘区域进行高斯滤波时滑动窗口滑动时的方向,需要说明的是,在滑动窗口滑动时,需要沿着求得的滤波方向进行滑窗处理,对于表面灰度图中的其他区域采用常规的方向滤波即可,水平方向或者竖直方向都可以,优选地,本实施例中选用水平方向作为滤波方向,此时滑动窗口的尺寸为固定尺寸,优选地,本实施例中滑动窗口的固定尺寸为5*5,实际实施过程中实施者可以根据具体情况进行调整。
进一步的,求得了滤波方向之后,在对表盘区域进行高斯滤波时还需要考虑滑动窗口的尺寸,本实施例中滑动窗口的边长为预设边长,优选地,本实施例中预设边长的取值为3,预设边长的取值可以由实施者根据具体情况进行调整,但是需要保证滑动窗口的预设边长小于指针的宽度,这样能够保证在对指针滤波时,滑动窗口内的像素点大部分都是指针上的像素点,能够不丢失指针上的原始信息,指针的完整度较好,边缘不模糊,较清晰,能够正确的读取刻度值。
最后,对表面灰度图中的其他区域和表盘区域进行滤波得到去噪表面图像,需要说明的是高斯滤波的具体过程为公知技术,在此不再具体阐述;利用现有的图像识别算法读取指针指向的刻度值,得到准确的读数,例如利用角度法进行读数;在读数时,表盘处的刻度经过滤波是清晰的不会影响读数,即使其不够清晰,可以通过表盘的模板来预设刻度表盘的刻度分布,不会影响读数。另外,对于具有数字显示功能的计量器具,上面有多个不同量程的表盘,通过滤波后读数,如果不同量程的表盘读取的信息一致,说明此时的计量器具正常,如果不同量程的表盘读取的信息不一致,说明计量器具可能发生了异常,此时就需要对计量器具进行检查,判断计量器具是否出现损坏。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种计量器具信息采集***,其特征在于,该***包括:
图像处理模块,用于对拍摄的计量器具的表面图像灰度化得到表面灰度图;对表面灰度图进行分割得到表盘区域;对表面灰度图进行边缘检测获得指针边缘;
滤波方向获取模块,用于对指针边缘进行霍夫直线检测,获得指针边缘上的直线;对所述指针边缘上的直线在霍夫空间中的亮点进行聚类获得聚类簇;根据每个聚类簇中各亮点与聚类中心的距离、各亮点的亮度值和所有亮点的数量分别获得每个聚类簇的滤波方向表征指标;选取滤波方向表征指标最大的聚类簇作为滤波方向表征聚类簇,利用滤波方向表征聚类簇中各亮点的横坐标获得滤波方向;
刻度值识别模块,用于设定预设边长的高斯滤波的滑动窗口,其中滑动窗口的预设边长小于指针的宽度;以滤波方向作为预设边长的高斯滤波的滑动窗口的滑动方向对表盘区域进行滤波得到去噪表面图像;利用去噪表面图像识别指针所指的刻度值。
2.根据权利要求1所述的计量器具信息采集***,其特征在于,所述对表面灰度图进行分割得到表盘区域,包括:利用阈值分割的方法对表面灰度图进行分割得到表盘区域。
3.根据权利要求1所述的计量器具信息采集***,其特征在于,所述对所述指针边缘上的直线在霍夫空间中的亮点进行聚类获得聚类簇,包括:基于霍夫空间中亮点之间的距离进行聚类获得聚类簇。
6.根据权利要求1所述的计量器具信息采集***,其特征在于,所述以滤波方向作为预设边长的高斯滤波的滑动窗口的滑动方向对表盘区域进行滤波得到去噪表面图像,包括:设定固定尺寸的滑动窗口,利用固定尺寸的滑动窗口沿水平方向对表面灰度图中除了表盘区域的其他区域进行高斯滤波,在表盘区域利用预设边长的高斯滤波的滑动窗口沿着滤波方向进行高斯滤波,从而得到去噪表面图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211023385.4A CN115115664B (zh) | 2022-08-25 | 2022-08-25 | 计量器具信息采集*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211023385.4A CN115115664B (zh) | 2022-08-25 | 2022-08-25 | 计量器具信息采集*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115115664A true CN115115664A (zh) | 2022-09-27 |
CN115115664B CN115115664B (zh) | 2022-11-18 |
Family
ID=83335304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211023385.4A Active CN115115664B (zh) | 2022-08-25 | 2022-08-25 | 计量器具信息采集*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115115664B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104410829A (zh) * | 2014-11-27 | 2015-03-11 | 无锡北斗星通信息科技有限公司 | 一种自动读表的方法 |
CN104599242A (zh) * | 2014-12-09 | 2015-05-06 | 西安电子科技大学 | 使用多尺度非局部正则的模糊核估计方法 |
CN104651462A (zh) * | 2015-01-29 | 2015-05-27 | 华南农业大学 | 基于显微图像分析的稻瘟病菌孢子检测方法 |
CN106296674A (zh) * | 2016-08-04 | 2017-01-04 | 电子科技大学 | 一种椭圆形无栅格油位计的自动读数方法 |
CN108662977A (zh) * | 2018-03-14 | 2018-10-16 | 浙江大学山东工业技术研究院 | 一种耐火砖几何尺寸测量方法 |
CN109727226A (zh) * | 2018-11-07 | 2019-05-07 | 中国科学院高能物理研究所 | 一种基于机器学习的位置表自动生成方法 |
CN110400286A (zh) * | 2019-06-05 | 2019-11-01 | 山东科技大学 | 一种x射线ct图像中金属针的检测定位方法 |
CN111126371A (zh) * | 2019-11-22 | 2020-05-08 | 重庆大学 | 一种基于图像处理的粗指针表盘示数读取方法 |
CN111882569A (zh) * | 2020-06-30 | 2020-11-03 | 中国计量大学 | 一种基于机器视觉的指针式压力表自动校验仪示值读数方法 |
CN112949564A (zh) * | 2021-02-02 | 2021-06-11 | 电子科技大学 | 一种基于深度学习的指针式仪表自动读数方法 |
CN113077392A (zh) * | 2021-03-17 | 2021-07-06 | 华夏芯(北京)通用处理器技术有限公司 | 一种针对指针表模糊照片的高准确度自动读数方法 |
CN114842016A (zh) * | 2022-07-05 | 2022-08-02 | 南通森田消防装备有限公司 | 一种基于计算机视觉的消防水带缺陷检测方法及*** |
-
2022
- 2022-08-25 CN CN202211023385.4A patent/CN115115664B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104410829A (zh) * | 2014-11-27 | 2015-03-11 | 无锡北斗星通信息科技有限公司 | 一种自动读表的方法 |
CN104599242A (zh) * | 2014-12-09 | 2015-05-06 | 西安电子科技大学 | 使用多尺度非局部正则的模糊核估计方法 |
CN104651462A (zh) * | 2015-01-29 | 2015-05-27 | 华南农业大学 | 基于显微图像分析的稻瘟病菌孢子检测方法 |
CN106296674A (zh) * | 2016-08-04 | 2017-01-04 | 电子科技大学 | 一种椭圆形无栅格油位计的自动读数方法 |
CN108662977A (zh) * | 2018-03-14 | 2018-10-16 | 浙江大学山东工业技术研究院 | 一种耐火砖几何尺寸测量方法 |
CN109727226A (zh) * | 2018-11-07 | 2019-05-07 | 中国科学院高能物理研究所 | 一种基于机器学习的位置表自动生成方法 |
CN110400286A (zh) * | 2019-06-05 | 2019-11-01 | 山东科技大学 | 一种x射线ct图像中金属针的检测定位方法 |
CN111126371A (zh) * | 2019-11-22 | 2020-05-08 | 重庆大学 | 一种基于图像处理的粗指针表盘示数读取方法 |
CN111882569A (zh) * | 2020-06-30 | 2020-11-03 | 中国计量大学 | 一种基于机器视觉的指针式压力表自动校验仪示值读数方法 |
CN112949564A (zh) * | 2021-02-02 | 2021-06-11 | 电子科技大学 | 一种基于深度学习的指针式仪表自动读数方法 |
CN113077392A (zh) * | 2021-03-17 | 2021-07-06 | 华夏芯(北京)通用处理器技术有限公司 | 一种针对指针表模糊照片的高准确度自动读数方法 |
CN114842016A (zh) * | 2022-07-05 | 2022-08-02 | 南通森田消防装备有限公司 | 一种基于计算机视觉的消防水带缺陷检测方法及*** |
Non-Patent Citations (3)
Title |
---|
KAI WEN等: "《Lightning Arrester Monitor Pointer Meter and Digits Reading Recognition Based on Image Processing》", 《2018 IEEE 3RD ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC)》 * |
LEI LIN等: "《Automatic Character Recognition Method of Power Meter Based on Vision》", 《2019 3RD INTERNATIONAL CONFERENCE ON ELECTRONIC INFORMATION TECHNOLOGY AND COMPUTER ENGINEERING (EITCE)》 * |
张强: "《图像处理技术在智能指示表检定仪中的实现》", 《上海计量测试》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115115664B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及*** | |
CN114494259B (zh) | 一种基于人工智能的布匹缺陷检测方法 | |
CN115601364A (zh) | 基于图像分析的金手指电路板检测方法 | |
CN103994786B (zh) | 圆弧标尺线指针式仪表刻度的图像检测方法 | |
CN110781885A (zh) | 基于图像处理的文本检测方法、装置、介质及电子设备 | |
CN103759758A (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
CN115619793B (zh) | 基于计算机视觉的电源适配器外观质量检测方法 | |
CN114549981A (zh) | 一种基于深度学习的智能巡检指针式仪表识别及读数方法 | |
CN112149667A (zh) | 一种基于深度学习的指针式仪表的自动读数的方法 | |
CN115661147A (zh) | 基于机器视觉的计量检测数据识别方法 | |
CN115690108A (zh) | 一种基于图像处理的铝合金杆生产质量评估方法 | |
CN112991287B (zh) | 一种基于全卷积神经网络的自动压痕测量方法 | |
CN117557820B (zh) | 一种基于机器视觉的量子点光学膜损伤检测方法及*** | |
CN115018835B (zh) | 一种汽车起动机齿轮检测方法 | |
CN111950559A (zh) | 一种基于径向灰度的指针仪表自动读数方法 | |
CN115330799B (zh) | 一种仪表自动化故障诊断方法 | |
CN114005108A (zh) | 一种基于坐标变换的指针式仪表度数识别方法 | |
CN117649451B (zh) | 一种用于寻边器晶圆定位的视觉定位方法 | |
CN113989482B (zh) | 一种基于图像处理的光学合像水平仪自动读数识别方法 | |
CN112836726B (zh) | 一种基于视频信息的指针类仪表示数读取方法及装置 | |
CN117315670B (zh) | 一种基于计算机视觉的水表读数区域检测方法 | |
CN111815580B (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN117705815A (zh) | 一种基于机器视觉的印刷缺陷检测方法 | |
CN111126371B (zh) | 一种基于图像处理的粗指针表盘示数读取方法 | |
CN115115664B (zh) | 计量器具信息采集*** |
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 |