[发明专利]一种数字式仪表识别方法

说明书

本发明公开了一种数字式仪表识别方法，包括以下步骤：采集数字式仪表图像，提取数字区域；对所述数字区域进行倾斜矫正；对倾斜矫正后的数字区域图像进行预处理；对倾斜矫正后的数字区域进行分割操作，得到单个数字图像；对所述单个数字图像采用模板匹配方法进行数字识别，得到模板匹配数字结果；判断所述单个数字图像与模板的匹配率是否高于设定的阈值：若是，则将所述模板匹配数字结果作为所述单个数字图像识别的结果；若不是，则采用人工神经网络重新识别所述单个数字图像，得到识别结果。将所述单个数字图像的识别结果组合为与所述数字式仪表图像对应的读数。

技术领域

本发明属于图像识别技术领域，特别涉及一种数字式仪表识别方法。

背景技术

数字仪表已经广泛应用于变电站领域。但由于受成本因素、工作条件限制，很多数字式仪表并没有专门的通信接口，导致无法自动识别读数，需要靠人工录入仪表读数。但人工录入仪表读数往往需要消耗大量的人力和时间，在长时间、高频度的工作环境下容易出错。因此人工录入数字仪表读数具有效率低、可靠性差、风险大、智能化水平低等缺点。在这种情况下，基于计算机视觉技术通过图像处理、图像识别后自动提取出数值信息就成为必然趋势。

近年来，随着巡检机器人的推广，仪表数据的记录工作逐渐向自动化方向发展。目前关于数字仪表的识别方法较多，然而多数的特征提取与识别都是基于理想的光照环境，一旦脱离这个前提，识别效果难以保证。且多数识别方法都是处理单一形态的数字，无法有效处理变电站中多种形态的数字。常用的数字仪表识别方法中，模板匹配方法虽然实现简单、运算速度快，但在噪声干扰严重、实时环境复杂的情况下，模板匹配有一定的局限性。尤其真实环境中，光照条件、数字形态、环境噪声等均会对识别的数值精度造成影响。新兴的神经网络算法虽然具有一定的自适应、自学习和容错能力，但收敛速度慢，目标函数复杂。

发明内容

针对上述问题，本发明提供一种识别准确度高、运行效率高的数字式仪表识别方法。

一种数字式仪表识别方法，包括以下步骤：

采集数字式仪表图像，提取数字区域；

对所述数字区域进行倾斜矫正；

对倾斜矫正后的数字区域图像进行预处理；

对倾斜矫正后的数字区域进行分割操作，得到单个数字图像；

对所述单个数字图像采用模板匹配方法进行数字识别，得到模板匹配数字结果；

判断所述单个数字图像与模板的匹配率是否高于设定的阈值：

若是，则将所述模板匹配数字结果作为所述单个数字图像识别的结果；

若不是，则采用人工神经网络重新识别所述单个数字图像，得到识别结果。

将所述单个数字图像的识别结果组合为与所述数字式仪表图像对应的读数。

进一步地，所述提取数字区域具体为：

对采集的数字式仪表图像进行灰度化操作，将彩色图像转化为灰度图像；

利用大津算法对所述灰度图像进行二值化，得到二值化图像，使得原图像中颜色较深的仪表数字部分呈黑色，其余部分呈白色；

对所述二值化图像进行形态学闭操作，消除图像上黑色部分的间断与孔洞；

对图像上的黑色部分进行轮廓检测并得到其最小外接矩形，根据矩形的大小、长宽比以及位置删除多余轮廓，保留位于图像中心的背景颜色较深的矩形数字区域；

记录所述矩形数字区域的位置坐标，根据所述位置坐标在所述灰度图像上提取数字区域。

进一步地，所述对数字区域进行倾斜矫正具体为：