本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，涉及一種指針式數(shù)顯儀表數(shù)字化方法。
背景技術(shù)：
指針式數(shù)顯儀表具有性能可靠、工作原理簡(jiǎn)單、價(jià)格低廉、抗干擾能力強(qiáng)等優(yōu)點(diǎn)，在日常生活和工業(yè)現(xiàn)場(chǎng)具有廣泛的應(yīng)用。面對(duì)大量需要進(jìn)行檢定的指針數(shù)顯儀表，采用人工讀數(shù)的方式檢定數(shù)顯儀表讀數(shù)，數(shù)據(jù)容易產(chǎn)生誤差，此外有些環(huán)境惡劣的工業(yè)現(xiàn)場(chǎng)不適合人工抄表記錄數(shù)據(jù)，因而研究實(shí)現(xiàn)指針式數(shù)顯儀表顯示數(shù)據(jù)的自動(dòng)識(shí)別在一些工業(yè)現(xiàn)場(chǎng)具有重要的實(shí)用意義。隨著數(shù)字圖像處理技術(shù)的日益成熟，將其應(yīng)用到指針式數(shù)顯儀表的自動(dòng)識(shí)別系統(tǒng)中是一種有效的解決方法。
指針式數(shù)顯儀表識(shí)別主要包括指針定位與數(shù)顯儀表讀數(shù)識(shí)別兩部分。指針定位主要是通過(guò)圖像處理或機(jī)器視覺技術(shù)確定數(shù)顯儀表刻度與指針的相對(duì)位置進(jìn)而確定指針位置,或者直接利用指針特征確定指針位置，現(xiàn)有的方法包括減影法、最小二乘法以及對(duì)這些方法的綜合。減影法使用灰度法計(jì)算無(wú)指針的數(shù)顯儀表模板圖像,然后通過(guò)模板圖像與實(shí)際圖像相減得到指針位置。該方法適用于光照充足條件下獲取圖像指針位置，對(duì)于光照變化大、有陰影等環(huán)境下的圖像，其背景發(fā)生變化較大，減影法會(huì)影響檢測(cè)出的指針區(qū)域。最小二乘法首先使用小波變換提取指針與刻度邊緣點(diǎn)集合，然后使用最小二乘法擬合指針直線。
技術(shù)實(shí)現(xiàn)要素：
為解決上述問(wèn)題，本發(fā)明的目的在于提供一種采用霍夫變換提取直線、隨機(jī)抽樣一致算法得到數(shù)顯儀表原點(diǎn)、通過(guò)卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)出數(shù)顯儀表的針盤刻度的指針式數(shù)顯儀表數(shù)字化方法，具有較好的容錯(cuò)性和魯棒性。
為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案為指針式數(shù)顯儀表數(shù)字化方法，包括以下步驟：
獲取指針式數(shù)顯儀表盤圖片；
霍夫變換提取直線；
篩選出代表刻度的直線；
確定指針原點(diǎn)；
識(shí)別指針式數(shù)顯儀表盤的刻度。
優(yōu)選地，所述獲取指針式數(shù)顯儀表盤圖片采用移動(dòng)式智能拍攝獲取。
優(yōu)選地，所述霍夫變換提取直線，包括以下步驟：
把獲取的指針式數(shù)顯儀表盤圖片轉(zhuǎn)化為灰度圖像；
高斯去燥，提高圖像質(zhì)量；
提取圖像邊緣；
進(jìn)行二值化處理；
映射到霍夫空間；
取局部極大值，設(shè)定閾值，過(guò)濾干擾直線；
繪制直線，標(biāo)定角點(diǎn)。
優(yōu)選地，所述提取圖像邊緣，采用梯度算子或拉普拉斯算子或canny算子或sobel算子。
優(yōu)選地，所述篩選出代表刻度的直線，包括以下步驟：
限制獲得直線的角度，數(shù)顯儀表盤的刻度直線角度范圍為0-90°，通過(guò)設(shè)置直線斜率的范圍去除部分干擾直線；
限制獲得直線的長(zhǎng)度，代表數(shù)顯儀表盤刻度的直線主要有兩種，一種較長(zhǎng)，分別代表刻度0、150、300、450，還有一種刻度線較短，分別在0～150，150～300，300～450之間，通過(guò)限制直線的長(zhǎng)度在短刻度和長(zhǎng)刻度之間，獲取代表數(shù)顯儀表盤刻度的直線。
優(yōu)選地，所述確定指針原點(diǎn)，包括以下步驟：
在數(shù)據(jù)中隨機(jī)選擇幾個(gè)點(diǎn)設(shè)定為內(nèi)群；
計(jì)算適合內(nèi)群的模型；
把沒選到的點(diǎn)帶入建立的模型中，計(jì)算是否為內(nèi)群；
記下內(nèi)群數(shù)量；
重復(fù)以上步驟若干次；
比較計(jì)算中內(nèi)群數(shù)量，取最多次所建的模型。
優(yōu)選地，所述識(shí)別指針式數(shù)顯儀表盤的刻度，包括以下步驟：
輸入代表指針刻度圖像集，訓(xùn)練CNN分類模型；
將待識(shí)別的指針式數(shù)顯儀表盤圖像輸入訓(xùn)練好的模型進(jìn)行識(shí)別。
本發(fā)明至少具有如下有益效果：
(1)現(xiàn)有技術(shù)中對(duì)指針式數(shù)顯儀表指針定位主要是通過(guò)圖像處理或機(jī)器視覺技術(shù)確定數(shù)顯儀表刻度與指針的相對(duì)位置進(jìn)而確定指針位置，或者直接利用指針特征確定指針位置，現(xiàn)有的方法包括減影法、最小二乘法以及對(duì)這些方法的綜合。減影法使用灰度法計(jì)算無(wú)指針的數(shù)顯儀表模板圖像，然后通過(guò)模板圖像與實(shí)際圖像相減得到指針位置。該方法適用于光照充足條件下獲取圖像指針位置，對(duì)于光照變化大、有陰影等環(huán)境下的圖像，其背景發(fā)生變化較大，減影法會(huì)影響檢測(cè)出的指針區(qū)域。最小二乘法首先使用小波變換提取指針與刻度邊緣點(diǎn)集合，然后使用最小二乘法擬合指針直線，定位準(zhǔn)確性較差。本發(fā)明采用霍夫直線變換，在指針邊界存在噪聲干擾或者光照不均勻引起指針圖像間斷的情況下，仍具有較好的容錯(cuò)性和魯棒性。
(2)現(xiàn)有技術(shù)中基于圖像的指針式數(shù)顯儀表檢定方法處理工作復(fù)雜，識(shí)別過(guò)程耗時(shí)較長(zhǎng)，而且穩(wěn)定性、魯棒性以及識(shí)別精度等指標(biāo)往往達(dá)不到要求，且其檢測(cè)效率普遍較低。本發(fā)明的方法簡(jiǎn)便，耗時(shí)短，檢測(cè)效率高。
(3)現(xiàn)有技術(shù)中對(duì)指針式數(shù)顯儀表識(shí)別方法多針對(duì)普通指針式數(shù)顯儀表，而對(duì)于高精度、帶反光鏡的指針式數(shù)顯儀表，要求指針與指針在反光鏡中的成像重合時(shí)判斷其讀數(shù)，則當(dāng)前大部分方法不適用。本發(fā)明對(duì)指針式數(shù)顯儀表識(shí)別處理中最關(guān)鍵的數(shù)顯儀表盤圓心定位，為指針回轉(zhuǎn)中心的確定，即數(shù)顯儀表盤原點(diǎn)。采用隨機(jī)抽樣一致算法來(lái)篩選直線交點(diǎn)，確定實(shí)際指針的交點(diǎn)。通過(guò)霍夫變換、進(jìn)一步的篩選直線，得到笛卡爾坐標(biāo)系中代表數(shù)顯儀表盤刻度的直線，在笛卡爾坐標(biāo)系求直線的交點(diǎn)即數(shù)顯儀表盤的原點(diǎn)就是在極坐標(biāo)下求直線，通過(guò)求可能性的直線來(lái)求出在笛卡爾坐標(biāo)系中的原點(diǎn)。
(4)本發(fā)明在準(zhǔn)確定位了數(shù)顯儀表盤的原點(diǎn)后，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)出數(shù)顯儀表上的指針刻度，卷積神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別、人臉識(shí)別、通用物體識(shí)別、運(yùn)動(dòng)分析、自然語(yǔ)言處理甚至腦電波分析方面均有優(yōu)異的表現(xiàn)，對(duì)指針式數(shù)顯儀表盤的圖像進(jìn)行準(zhǔn)確識(shí)別。
附圖說(shuō)明
圖1為本發(fā)明方法實(shí)施例1的指針式數(shù)顯儀表數(shù)字化方法的步驟流程圖；
圖2為本發(fā)明方法實(shí)施例2的指針式數(shù)顯儀表數(shù)字化方法的步驟流程圖；
圖3為本發(fā)明方法實(shí)施例3的指針式數(shù)顯儀表數(shù)字化方法的步驟流程圖；
圖4為本發(fā)明方法實(shí)施例4的指針式數(shù)顯儀表數(shù)字化方法的步驟流程圖；
圖5為本發(fā)明方法實(shí)施例5的指針式數(shù)顯儀表數(shù)字化方法的步驟流程圖。
具體實(shí)施方式
為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
相反，本發(fā)明涵蓋任何由權(quán)利要求定義的在本發(fā)明的精髓和范圍上做的替代、修改、等效方法以及方案。進(jìn)一步，為了使公眾對(duì)本發(fā)明有更好的了解，在下文對(duì)本發(fā)明的細(xì)節(jié)描述中，詳盡描述了一些特定的細(xì)節(jié)部分。對(duì)本領(lǐng)域技術(shù)人員來(lái)說(shuō)沒有這些細(xì)節(jié)部分的描述也可以理解本發(fā)明。
方法實(shí)施例1
參見圖1，為本發(fā)明實(shí)施例的本發(fā)明的技術(shù)方案為指針式數(shù)顯儀表數(shù)字化方法的步驟流程圖，包括以下步驟：
S10，獲取指針式數(shù)顯儀表盤圖片；
S20，霍夫變換提取直線；
S30，篩選出代表刻度的直線；
S40，確定指針原點(diǎn)；
S50，識(shí)別指針式數(shù)顯儀表盤的刻度。
具體實(shí)施例中，獲取圖片主要兩種：(1)工業(yè)相機(jī)拍攝；(2)移動(dòng)式智能拍攝。工業(yè)相機(jī)的拍攝速度遠(yuǎn)遠(yuǎn)高于一般的相機(jī)，快門時(shí)間非常短，可以抓拍快速運(yùn)動(dòng)的物體，而且工業(yè)相機(jī)輸出的數(shù)據(jù)是裸數(shù)據(jù)，其光譜范圍比較寬，比較適合高質(zhì)量的圖像處理算法，但是工業(yè)價(jià)格比較高，比一般相機(jī)價(jià)格高很多。指針式數(shù)顯儀表多用在變電站系統(tǒng)、石油工業(yè)領(lǐng)域等工業(yè)場(chǎng)所，對(duì)速度要求不是很高，所有最終選擇移動(dòng)式智能拍攝來(lái)獲取原始指針式數(shù)顯儀表圖片S10獲取指針式數(shù)顯儀表盤圖片采用移動(dòng)式智能拍攝獲取。
方法實(shí)施例2
參見圖2，圖1中的S20具體包括以下步驟：
S201，把獲取的指針式數(shù)顯儀表盤圖片轉(zhuǎn)化為灰度圖像；
S202，高斯去燥，提高圖像質(zhì)量；
S203，提取圖像邊緣；
S204，進(jìn)行二值化處理；
S205，映射到霍夫空間；
S206，取局部極大值，設(shè)定閾值，過(guò)濾干擾直線；
S207，繪制直線，標(biāo)定角點(diǎn)。
霍夫變換是通過(guò)圖像處理從圖像中識(shí)別幾何形狀的基本方法之一，應(yīng)用很廣泛，也有很多改進(jìn)算法。主要用來(lái)從圖像中分離出具有某種相同特征的幾何形狀(如，直線，圓等)。在本發(fā)明中就是通過(guò)霍夫變換是從黑白圖像中檢測(cè)直線。具體實(shí)施例中，S203采用梯度算子或拉普拉斯算子或canny算子或sobel算子，
方法實(shí)施例3
參見圖3，圖1中的S30具體包括以下步驟：
S301，限制獲得直線的角度，數(shù)顯儀表盤的刻度直線角度范圍為0-90°，通過(guò)設(shè)置直線斜率的范圍去除部分干擾直線；
S302，限制獲得直線的長(zhǎng)度，代表數(shù)顯儀表盤刻度的直線主要有兩種，一種較長(zhǎng)，分別代表刻度0、150、300、450，還有一種刻度線較短，分別在0～150，150～300，300～450之間，通過(guò)限制直線的長(zhǎng)度在短刻度和長(zhǎng)刻度之間，獲取代表數(shù)顯儀表盤刻度的直線。
經(jīng)過(guò)霍夫變換后提取出數(shù)顯儀表盤上的所有直線，為了得到數(shù)顯儀表盤上的刻度，需要對(duì)霍夫變換后得到的直線進(jìn)行篩選。
方法實(shí)施例4
參見圖4，圖1中的S40具體包括以下步驟：
S401，在數(shù)據(jù)中隨機(jī)選擇幾個(gè)點(diǎn)設(shè)定為內(nèi)群；
S402，計(jì)算適合內(nèi)群的模型；
S403，把沒選到的點(diǎn)帶入建立的模型中，計(jì)算是否為內(nèi)群；
S404，記下內(nèi)群數(shù)量；
S405，重復(fù)以上步驟若干次；
S406，比較計(jì)算中內(nèi)群數(shù)量，取最多次所建的模型。
指針式數(shù)顯儀表圖像識(shí)別處理中的關(guān)鍵部分為數(shù)顯儀表盤圓心的定位，也就是指針回轉(zhuǎn)中心的確定，即數(shù)顯儀表的原點(diǎn)。本發(fā)明中通過(guò)之前步驟中的霍夫變換、進(jìn)一步的篩選直線，得到笛卡爾坐標(biāo)系中代表數(shù)顯儀表盤刻度的直線，在笛卡爾坐標(biāo)系求直線的角度即數(shù)顯儀表盤的原點(diǎn)就是在極坐標(biāo)下求直線，再通過(guò)隨機(jī)抽樣一致算法求可能性的直線，來(lái)求出在笛卡爾坐標(biāo)系中的原點(diǎn)。
隨機(jī)抽樣一致算法用來(lái)在一組包含離群的被觀測(cè)數(shù)據(jù)中估算出數(shù)學(xué)模型的參數(shù)。是一種非確定性算法，在某種意義上說(shuō)，它會(huì)產(chǎn)生一個(gè)在一定概率下合理的結(jié)果，其允許使用更多次的迭代來(lái)使其概率增加。該算法基于如下假設(shè)：
(1)數(shù)據(jù)的分布可以用一些模型參數(shù)來(lái)解釋，稱為“局內(nèi)點(diǎn)”；
(2)不能適應(yīng)該模型的數(shù)據(jù)，稱為“局外點(diǎn)”；
(3)除此之外的數(shù)據(jù)屬于噪聲。
為了得到數(shù)顯儀表盤原點(diǎn)，把代表數(shù)顯儀表盤刻度的直線從笛卡爾坐標(biāo)系轉(zhuǎn)化為極坐標(biāo)系，即原來(lái)在笛卡爾坐標(biāo)系中的刻度線轉(zhuǎn)化為極坐標(biāo)下的點(diǎn)，通過(guò)在隨機(jī)抽樣一致算法來(lái)擬合可能性的直線，即數(shù)顯儀表盤的原點(diǎn)。
基于假設(shè)，轉(zhuǎn)化到極坐標(biāo)下的代表刻度線的一組點(diǎn)集合包含了內(nèi)群以及離群，其中內(nèi)群為可以被擬合到線段上的點(diǎn)，而離群則是無(wú)法被擬合的點(diǎn)，然后只通過(guò)內(nèi)群來(lái)計(jì)算出模型，為了保證得到的結(jié)果，必須小心選擇參數(shù)，使其能有足夠的概率。
方法實(shí)施例5
參見圖5，圖1中的S50具體包括以下步驟：
S501，輸入代表指針刻度圖像集，訓(xùn)練CNN分類模型；
S502，將待識(shí)別的指針式數(shù)顯儀表盤圖像輸入訓(xùn)練好的模型進(jìn)行識(shí)別。
卷積神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別、人臉識(shí)別、通用物體識(shí)別、運(yùn)動(dòng)分析、自然語(yǔ)言處理甚至腦電波分析方面均有優(yōu)異表現(xiàn)，故本發(fā)明采用卷積神經(jīng)網(wǎng)絡(luò)的原理對(duì)指針式數(shù)顯儀表盤的刻度進(jìn)行識(shí)別。
以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
會(huì)員1.png)
富阳市|
白玉县|
卢湾区|
镇雄县|
天津市|
和龙市|
淮滨县|
开江县|
南华县|
扶风县|
当雄县|
察隅县|
永昌县|
双牌县|
兴宁市|
平舆县|
南和县|
大英县|
黎川县|
土默特右旗|
永新县|
建阳市|
临猗县|
个旧市|
甘孜县|
阜平县|
于都县|
皋兰县|
原平市|
乐安县|
千阳县|
盐山县|
崇阳县|
班戈县|
闻喜县|
马龙县|
怀宁县|
绥阳县|
朝阳县|
崇仁县|
大渡口区|