[发明专利]基于刻度搜索的指针式仪表自动读取方法在审
申请号: | 201911329045.2 | 申请日: | 2019-12-20 |
公开(公告)号: | CN111199191A | 公开(公告)日: | 2020-05-26 |
发明(设计)人: | 郭健;王天野;黄迪;薛舒严;钱抒婷;朱文宇 | 申请(专利权)人: | 南京理工大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46 |
代理公司: | 南京理工大学专利中心 32203 | 代理人: | 岑丹 |
地址: | 210094 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 刻度 搜索 指针 仪表 自动 读取 方法 | ||
1.一种基于刻度搜索的指针式仪表自动读取方法,其特征在于,具体步骤为:
步骤1、对仪表图像进行预处理获得仪表区域二进制图像,对仪表区域二进制图像进行概率霍夫变换,识别仪表指针;
步骤2、利用虚拟搜索框进行仪表刻度搜索;
步骤3、对仪表区域二进制图像进行连通域检测,确定候选数字区域,基于卷积神经网络识别候选数字区域中的刻度值;
步骤4、分别计算每个刻度值中心与所有刻度线起点之间的距离,将每个刻度值分配给距离自身最短的刻度,并根据刻度线的关系确定没有标注数值的刻度的刻度值;
步骤5、根据指针与其最接近的两个刻度之间的距离关系确定仪表读数。
2.根据权利要求1所述的基于刻度搜索的指针式仪表自动读取方法,其特征在于,对仪表图像进行预处理获得仪表区域二进制图像的具体方法为:
从仪表图像中提取仪表区域图像,对仪表区域图像进行灰度化、滤波和二值化处理得到仪表区域二进制图像。
3.根据权利要求1所述的基于刻度搜索的指针式仪表自动读取方法,其特征在于,对仪表区域二进制图像进行概率霍夫变换,识别仪表指针的具体方法为:
对仪表区域二进制图像进行概率霍夫变换获得线段,分别计算每条线段的长度,将最长的线段作为指针,将剩余的线段作为刻度,其中,线段的长度的计算公式为:
式中,(xs,ys)和(xe,ye)分别是线段的起点和终点的坐标;
设定指针起点为线段靠近仪表中心的端点,终点是远离仪表中心的端点。
4.根据权利要求1所述的基于刻度搜索的指针式仪表自动读取方法,其特征在于,利用虚拟搜索框进行仪表刻度搜索的具体步骤为:
步骤2-1、生成一个矩形形状虚拟搜索框,所述搜索框的中心为指针的终点,搜索框长度根据经验设定,搜索框倾斜角度为指针的倾斜角度;
步骤2-2、搜索框沿当前刻度的法线按规定方向dir移动,并确定移动后的搜索框坐标;
步骤2-3、对搜索框所在区域进行概率霍夫变换检测搜索框中的刻度,并将当前搜索框的倾角更新为刻度倾角;
判断搜索框与刻度是否有交点,若有,计算搜索框内的刻度长度,并将当前搜索框的长度更新为刻度长度加10~20个像素点;
将搜索框的中心点更新至当前刻度中心;
步骤2-4、对调整后的搜索框所在区域进行概率霍夫变换检测搜索框中的刻度并进行标记,返回步骤2-2,直至遍历整个仪表中的刻度。
5.根据权利要求4所述的基于刻度搜索的指针式仪表自动读取方法,其特征在于,指针的倾斜角度计算公式为:
式中,(xe,ye)为指针的终点坐标,(xs,ys)为指针的起点坐标。
6.根据权利要求1所述的基于刻度搜索的指针式仪表自动读取方法,其特征在于,卷积神经网络的训练方法具体为:
S1、对卷积神经网络进行权值初始化;
S2、将候选数字区域内的图像数据输入卷积神经网络,依次经过卷积层、下采样层、全连接层的向前传播得到输出值;
S3、求出网络的输出值与目标值之间的误差;
S4、判断误差与期望值的关系,当误差大于的期望值时,将误差传回网络中,依次求得全连接层、下采样层、卷积层的误差进行权值更新,返回S2;当误差等于或小于期望值时,结束训练。
7.根据权利要求1所述的基于刻度搜索的指针式仪表自动读取方法,其特征在于,没有标注数值的刻度的刻度值的确定公式为:
其中vi表示没有标注数值的刻度的刻度值,v01和v02是已确定刻度值且最接近vi的左刻度和右刻度,n为v01与v02之间刻度个数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911329045.2/1.html,转载请声明来源钻瓜专利网。