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