检索结果-内蒙古大学图书馆

计算机系统应用 2021年第9期30卷 85-91页

作者：李金红熊继平陈泽辉朱凌云浙江师范大学数学与计算科学学院金华321004 浙江师范大学物理与电子信息工程学院金华321004

目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪... 详细信息

目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪表的识别方法.首先用Faster R-CNN算法检测仪表圆盘,再采用基于深度学习的方法Faster R-CNN算法检测指针,根据得到的指针目标框的位置信息裁剪得到指针图像,在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数.和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰.实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55%.对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.

关键词：深度学习 Faster R-CNN算法指针检测指针式仪表读数识别

来源：评论

学校读者我要写书评

暂无评论

面向巡检机器人的指针式仪表读数识别方法

引用

电力大数据 2022年第4期25卷 56-65页

作者：莫明飞高阿朋周明哲国网内蒙古东部电力有限公司内蒙古呼和浩特010010

针对巡检机器人拍摄图像的特点及传统指针式仪表读数识别方法的不足,本文基于YOLOv5目标检测和Deeplabv3+图像分割技术,提出了一种指针式仪表读数的自动识别方法。首先利用YOLOv5检测复杂背景图像中的仪表表盘的位置,并得到仪表的类型;... 详细信息

针对巡检机器人拍摄图像的特点及传统指针式仪表读数识别方法的不足,本文基于YOLOv5目标检测和Deeplabv3+图像分割技术,提出了一种指针式仪表读数的自动识别方法。首先利用YOLOv5检测复杂背景图像中的仪表表盘的位置,并得到仪表的类型;其次,通过透视变换算法对表盘图像进行校准;然后针对仪表刻度和指针的特点,改进了Deeplabv3+网络的Encoder端和Decoder端,可以对表盘中的刻度和指针进行精准分割;最后,利用图像极坐标转换等方法得到仪表的读数信息。实验表明,本文提出的方法可以有效地识别巡检机器人拍摄的指针仪表的读数。

关键词：指针式仪表仪表检测图像分割仪表读数识别极坐标转换

来源：评论

学校读者我要写书评

暂无评论

一种用于海上平台缆控注水井的多类型指针式仪表识别方法

引用

系统仿真技术 2022年第2期18卷 103-108页

作者：陈征刘长龙张乐张玺亮徐元德蓝飞蒋少玖中海石油(中国)有限公司天津分公司天津300459 中海油能源发展股份有限公司工程技术分公司天津300452

通过摄像头对海上平台缆控注水井现场巡检时,需要能够自动读取仪表数据。为了实现不同类型指针式仪表的识别,提出了一种用于海上平台缆控注水井的多类型指针式仪表识别方法。首先,构建模板图像数据库,对每个模板图像进行预处理并绑定其... 详细信息

通过摄像头对海上平台缆控注水井现场巡检时,需要能够自动读取仪表数据。为了实现不同类型指针式仪表的识别,提出了一种用于海上平台缆控注水井的多类型指针式仪表识别方法。首先,构建模板图像数据库,对每个模板图像进行预处理并绑定其参数信息,使用改进的YOLOv5模型检测待测仪表图像的模板类型,读取模板图像和其对应的参数信息。然后,进行模板匹配定位仪表位置,获取指针角度并计算仪表数值。实验结果表明,本文所提出的方法能够识别不同类型的指针式仪表,识别效果显著,定位表盘位置准确,指针角度和读数精度更高。

关键词：指针式仪表多类型识别 YOLOv5 模板匹配 K-means二值化

来源：评论

学校读者我要写书评

暂无评论

基于CBAM-YOLOv3的指针式仪表检测识别方法

引用

黑龙江大学自然科学学报 2023年第5期40卷 621-630页

作者：霍永龙白鸿一吴晓威王钰黑龙江大学电子工程学院哈尔滨150080 黑龙江大学嘉祥产业技术研究院济宁272400 中国人民解放军91251部队上海200940

针对指针式仪表自动检测和读取示数时背景环境复杂、目标检测性能不足和读取示数误差大等问题,提出了一种基于CBAM-YOLOv3的指针式仪表自动检测和读数的方法。在YOLOv3(You Only Look Once-v3)基础上,引入注意力机制模块CBAM(Convolutio... 详细信息

针对指针式仪表自动检测和读取示数时背景环境复杂、目标检测性能不足和读取示数误差大等问题,提出了一种基于CBAM-YOLOv3的指针式仪表自动检测和读数的方法。在YOLOv3(You Only Look Once-v3)基础上,引入注意力机制模块CBAM(Convolutional block attention module),通过检测提取表盘区域,根据边界框位置信息剔除绝大部分背景。利用霍夫变换确定指针和表盘位置,采用模板匹配法寻找刻度起始点。以表盘中心为原点建立直角坐标系,根据指针和刻度间的角度关系读取示数。实验结果表明:仪表自动检测精度达到了99.72%,读数平均相对误差为0.44%。该算法具有较高的检测精度和较低的读数误差。

关键词：指针式仪表 YOLOv3 注意力机制霍夫变换模板匹配

来源：评论

学校读者我要写书评

暂无评论

基于Freeman链码改进图像处理算法的指针式仪表识别

引用

自动化仪表 2021年第7期42卷 9-15页

作者：李贵良李博陈德帛罗新元郭祥罗永盛云南电网有限责任公司云南昆明650041

指针式仪表识别的优点很多,但也有不足之处,例如:受各种不确定因素的影响,极易导致图像处理与模式识别出现偏差,影响仪表的自动识别任务的可靠性,造成仪表在处理数据时的劳动强度增大、效率变低。基于上述问题,对基于Freeman链码改进图... 详细信息

指针式仪表识别的优点很多,但也有不足之处,例如:受各种不确定因素的影响,极易导致图像处理与模式识别出现偏差,影响仪表的自动识别任务的可靠性,造成仪表在处理数据时的劳动强度增大、效率变低。基于上述问题,对基于Freeman链码改进图像处理算法的指针式仪表识别技术进行了研究。对Freeman链码图像处理算法进行了阐述创新性地应用了边缘算法对Freeman链码图像处理算法进行优化改进,并对改进方案进行了二次校正。对提出的优化算法进行斜率校正验证及性能检测。研究结果表明,基于Freeman链码改进图像处理算法能有效地提升指针式仪表的自动识别能力,有效地避免了单一的图像水平倾斜所造成的指针式仪表识别缺陷;优化算法在自指针式仪表的示数识别中耗时较多,最大相对误差为0.04%,明显优于霍夫变换算法。该研究能够为相关工业领域的指针式仪表的自动化识别的发展提供一定的参考。

关键词：图像处理 Freeman链码边缘算法指针式仪表示数判读识别技术霍夫变换改进算法

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5轻量化的指针式仪表识别与读数方法研究

引用

机电技术 2024年第4期 43-47,120页

作者：陈群伟连晖刘宇轩国网福建省电力有限公司宁德供电公司宁德352000

文章针对指针式仪表自动读数存在的读数精度低、鲁棒性差及实时性不足等问题,提出了一种基于改进YOLOv5轻量化模型的指针式仪表识别与读数的方法。首先,采用改进的YOLOv5识别并定位复杂场景中待检测仪表的位置,提取仪表区域;然后,通过... 详细信息

文章针对指针式仪表自动读数存在的读数精度低、鲁棒性差及实时性不足等问题,提出了一种基于改进YOLOv5轻量化模型的指针式仪表识别与读数的方法。首先,采用改进的YOLOv5识别并定位复杂场景中待检测仪表的位置,提取仪表区域;然后,通过特征点匹配与透视变换对仪表图像进行校正;最后,利用M-LSD算法提取指针并通过直线拟合计算出指针所指向的刻度读数。试验结果表明:文章提出的方法最大误差为0.05mA,在最小刻度范围内,该方法具备良好的鲁棒性、精确性和实时性,可满足不同复杂场景下的实际应用。

关键词：指针式仪表 YOLOv5 识别定位图像校正直线拟合仪表读数

来源：评论

学校读者我要写书评

暂无评论

基于计算机视觉技术的指针式仪表智能识别方法

引用

电子技术与软件工程 2022年第7期 172-177页

作者：王欣艺景超张浩宇杨襄龙张兴忠太原理工大学软件学院山西省太原市030024 山西农业大学软件学院山西省太原市030031

本文针对指针式仪表识别过程复杂,智能读取普适性低、实时性差等问题,提出了一种基于计算机视觉技术的指针式仪表快速读取示数的方法。首先对输入图像进行均值偏移滤波,平滑色彩细节、降低后续计算量;再通过双边滤波保边去噪,最大类间... 详细信息

本文针对指针式仪表识别过程复杂,智能读取普适性低、实时性差等问题,提出了一种基于计算机视觉技术的指针式仪表快速读取示数的方法。首先对输入图像进行均值偏移滤波,平滑色彩细节、降低后续计算量;再通过双边滤波保边去噪,最大类间方差法(Otsu)选取阈值,进而二值化图像,然后应用基于Hough梯度法的Hough圆检测定位仪表盘质心;其次通过CTPN+CRNN网络读取开始刻度和最大量程的数值与位置,并且基于区域选择的概率Hough直线检测算法提取指针;最后利用角度法得到仪表示数。实验表明,读数的最大相对误差低于0.6%,平均识别时间为0.385秒,证明了该方法的有效性。

关键词：计算机视觉指针式仪表智能识别

来源：评论

学校读者我要写书评

暂无评论

基于级联卷积神经网络的指针式仪表远程读数方法和系统

引用

电力大数据 2021年第8期24卷 25-32页

作者：赵开开刘兆祥廉士国联通数字科技有限公司-AI创新应用中心北京100176

为了解决电力系统指针式仪表读数场景中人工读表效率低、成本高、危险系数大等问题,本文在电力系统现有的仪表基础上,使用非接触式的图像采集设备、网络传输设备和边缘计算设备构建了一套远程仪表读数识别系统并提出了一个级联式的机器... 详细信息

为了解决电力系统指针式仪表读数场景中人工读表效率低、成本高、危险系数大等问题,本文在电力系统现有的仪表基础上,使用非接触式的图像采集设备、网络传输设备和边缘计算设备构建了一套远程仪表读数识别系统并提出了一个级联式的机器视觉智能读数方法。本文提出的智能读数方法基于深度学习目标检测算法。首先,本文以单阶段通用目标检测器YOLOv5为基础构建并训练了表盘检测模型,能够在复杂环境中实时检测出图像中的所有表盘,然后在无锚框目标检测器CenterNet的头部添加角度预测分支构成并训练旋转目标检测器,能够识别出表盘图像中不同类别的指针位置、尺寸和角度,最后使用角度法将指针角度换算为读数值,完成智能读数功能。本文提出的基于深度学习的远程指针式仪表读数方法和系统在稳定、鲁棒、高效地完成远程读表功能前提下,能够低成本、低难度地部署实施。

关键词：指针式仪表远程读数深度学习表盘检测指针检测旋转目标检测

来源：评论

学校读者我要写书评

暂无评论

基于OpenVINO的变电站指针式仪表自动读数研究

引用

电工技术 2023年第5期 20-26页

作者：陆文健刘三军来国红湖北民族大学智能科学与工程学院湖北恩施445000 华中师范大学物理科学与技术学院湖北武汉430070

为提高变电站巡检机器人进行指针式仪表自动读数的准确性和实时性,提出一种基于OpenVINO的变电站指针式仪表读数方法。通过关键算法的改进及OpenVINO工具的加速,样机系统对同质量图片的检测和识别速度达到78 ms,相对于TensorFlow框架提... 详细信息

为提高变电站巡检机器人进行指针式仪表自动读数的准确性和实时性,提出一种基于OpenVINO的变电站指针式仪表读数方法。通过关键算法的改进及OpenVINO工具的加速,样机系统对同质量图片的检测和识别速度达到78 ms,相对于TensorFlow框架提升了约40倍。通过对比改进前后Mask R-CNN的表盘分割效果、表盘矫正前后的表盘分割效果对仪表读数精确度的影响,可知在仪表自动读数阶段,仪表读数的准确度得到有效提升。

关键词： Faster R-CNN Mask R-CNN 指针式仪表 OpenVINO 仪表自动读数

来源：评论

学校读者我要写书评

暂无评论

基于改进DeepLabV3+的指针式仪表智能识别方法设计

引用

电子设计工程 2024年第23期32卷 145-149,154页

作者：吕新荣来宝周珺中国石油大学(华东)海洋与空间信息学院山东青岛266580

针对现有仪表识别方法存在的诸如对表盘差异敏感、环境干扰严重以及图像质量依赖性强导致识别准确率不高的问题,提出了一种基于改进DeepLabV3+的指针式仪表智能识别算法。通过引入GhostNetV2作为主干网络进行特征提取,并添加注意力模块C... 详细信息

针对现有仪表识别方法存在的诸如对表盘差异敏感、环境干扰严重以及图像质量依赖性强导致识别准确率不高的问题,提出了一种基于改进DeepLabV3+的指针式仪表智能识别算法。通过引入GhostNetV2作为主干网络进行特征提取,并添加注意力模块CBAM,有效提升了模型在仪表语义分割任务的精度;同时设计了多类仪表的示值识别算法,实现了对多类仪表的指针读数。通过在构建的指针式仪表识别数据集上对算法进行评估,结果表明,仪表智能识别算法能够适应多种仪表类型和复杂环境,识别准确率最高达99.67%,且改进的DeepLabV3+模型平均IoU达79.8%,性能优于原始模型,能够满足实际工业应用需求。

关键词：指针式仪表注意力机制深度学习自动识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：