指针式仪表的自动读数与识别 指针式仪表的自动读数与识别 指针式仪表的自动读数与识别前言概述步骤概括1.仪表图像预处理2.刻度线提取2.1轮廓查找2.2面积筛选，长宽比，距离2.3刻 指针式仪表的自动读数与识别 度线轮廓拟合直线3.指针轮廓提取3.1 霍夫直线检测原理4.结果5.Pyqt55.1功能测试总结检测程序 前言前言 本文讲述了指针仪表示数读取的过程与方法，灵感来自实验室的长时间数据记录带来的枯燥，自学了python，Pyqt5，opencv 的库，断断续续做了大半年，其实真正着手也没有那么困难，只不过在一些处理方法是来回选择，希望达到更好的效果，由于 疫情的影响不能回校，采用深度学习的方法被迫泡汤，眼看着大创截至期限快到，先出第一个版本。 概述概述 多年以来仪表识别的难点一直存在，摄像直读抄表，俗称“视觉抄表”，是一种通过手机或终端设备对水电气表拍照后利用图像 识别算法将仪表照片自动识别为读数的智能抄表方案，具有使用范围广、安装简单、有图有真相、易于使用等特点。仪表表盘 图像识别算法是视觉抄表中至关重要的一环，早在21世纪初，便有不少专家学者开始从事这一研究工作。然而，由于当时的 算法识别率低、硬件成本高、通信基础设施不完善等诸多原因，视觉抄表一直停滞在研究阶段，并没有大规模普及开来。 随着NB-IoT网络、高性价比芯片等相关技术的发展为之提供了硬件基础，深度学习等图像识别技术的快速发展为之提供了软 件基础，视觉抄表这一直观方法重新登上历史舞台，引起了业内人士的广泛关注。快速赋能离线表计，让表网数据更完整，有 图有真相的特点彻底解决了买卖双方信用纠纷问题，让决策更可信。如今，在存量市场有绝对优势的视觉抄表方案，毋庸置疑 成为了仪表智能化2.0时代不可或缺的产物。 受益于深度学习技术的出现，摄像直读抄表的识别精度相对于本世纪初得到了很大的提升，然而为了实现大规模商业化应用， 视觉抄表方案存在大量工程化问题需要解决。例如，摄像终端硬件如何做到低功耗、低成本、高传输成功率、结构高适配，同 时还能有效应对恶劣复杂的现场环境；算法识别结果的准确率如何做到保障，如何对异常数据进行快速稽查等等。 一般的，视觉抄表的流程可概括如下： 1、在仪表上外挂式安装拍照采集设备； 2、设置采集终端定期启动拍照； 3、图像通过无线网络上传至服务端； 4、通过图像识别算法，将照片读数转化成数值结果； 5、实现远程抄表、数据分析、收费管理等上层应用服务。 指针仪表1.0版本版本 —–传统机器视觉 指针仪表 传统机器视觉 主要环境依赖 开发语言：python 3.6 界面处理库：Pyqt5 图像处理库：opencv 都是用pip安装最新版即可 步骤概括 步骤概括 零刻度点 零刻度点标注 1.提取表盘 2.刻度线轮廓拟合直线，求出交点作为圆心圆心 3.根据指针轮廓找直线，提取多条直线 4.多条直线的轮廓拟合成一条直线,即指针指针 5.根据分度值求值 1.仪表图像预处理 仪表图像预处理 裁剪出表盘，去除背景 裁剪出表盘，去除背景 输入图片： 

原创文章 6获赞 4访问量 480 关注 私信 展开阅读全文 作者：菜鸟来求学