[发明专利]一种自动巡检的仪表识别方法及识别系统在审

专利信息
申请号: 202110894413.9 申请日: 2021-08-05
公开(公告)号: CN113688817A 公开(公告)日: 2021-11-23
发明(设计)人: 蓝星宇;陆佳慧;任新宇 申请(专利权)人: 同济人工智能研究院(苏州)有限公司
主分类号: G06K9/20 分类号: G06K9/20;G06K9/62;G06N3/04;G06T3/00;G06T5/00;G06T7/13
代理公司: 苏州创元专利商标事务所有限公司 32103 代理人: 王桦
地址: 215100 江苏省苏州市相城区高*** 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: 一种 自动 巡检 仪表 识别 方法 系统
【说明书】:

发明涉及一种自动巡检的仪表识别方法,获取待巡检仪表的现场图像,对现场图像分步检测并最终识别出仪表读数,将仪表读数、现场图像获取时间以及位置信息相互匹配,生成各个仪表在不同时刻的读数报表,对相应设备生产情况的跟踪。一种自动巡检的仪表识别系统,包括移动装置、设置在移动装置上的图像采集装置以及中央处理器,中央处理器控制移动装置移动、控制图像采集装置拍摄,无需考虑拍摄的姿态,图像的尺度等;无需对图像进行边缘检测或直线检测等手动校正;无需对仪表示数字符进行分割,精度更高,具有更强的鲁棒性;自动生成各仪表的读数报表,实现工厂内各设备仪表的自动巡检。

技术领域

本发明属于生产设备监控领域,具体涉及一种自动巡检的仪表识别方法及识别系统。

背景技术

在工厂生产管理中,数字式仪表有着广泛的应用。巡检人员需要通过读取仪表数据来监控生产仪器的工作情况,以防止一些参数超标产生安全隐患。然而目前的巡检方法,特别是数字式仪表领域,主要是人工巡检,人工巡检读数效率低下,误差大,容易产生疲劳,在某些特殊场景容易对人体造成伤害,甚至造成人员财产损失。因此,寻找一种代替人工进行高精度数字仪表识别的方法和系统,具有非常重要的意义。

发明内容

本发明的目的是提供一种自动巡检的仪表识别方法,用于数字式仪表的识别。

为达到上述目的,本发明采用的技术方案是:

一种自动巡检的仪表识别方法,包括:

步骤1:获取待巡检仪表的现场图像,并记录现场图像获取的时间以及位置信息;

步骤2:对获取的待巡检仪表的现场图像检测并提取出表盘图像,将表盘图像检测并提取表盘的示数区域,从示数区域中识别仪表读数;

步骤3:将仪表读数、现场图像获取时间以及位置信息相互匹配,得到该位置上的仪表在该时刻的读数,并进行存储;

步骤4:生成仪表报表,通过各位置的仪表在不同时刻的读数,对同一仪表按照时间顺序生成该仪表在不同时刻的读数报表,实现对应设备生产情况的跟踪。

优选地,在步骤2中,先将获取到的待巡检仪表的现场图像统一校正至设定像素,再开始对其进行检测和提取表盘图像。

进一步优选地,在步骤2中,对校正至设定像素的现场图像检测后,通过映射关系还原至原图大小中进行提取。

优选地,在步骤2中,对提取的表盘的示数区域进行图像预处理,预处理包括对提取的示数区域的局部图像进行提高图像质量处理、对倾斜变形进行水平还原处理,预处理后从示数区域中识别仪表读数。

进一步优选地,在步骤2中,提高图像质量包括:灰度化、滤波、图像增强、图像边缘锐化、图像纹理分析、形态学处理;倾斜还原包括:确定示数区域的四个角点,通过仿射变换的方法,选择示数区域上边界线的左右两端点和右边界线的下端点作为仿射变换的控制点得到仿射变换矩阵,对图像进行仿射变换使其变换为正面朝向的水平仪表示数。

优选地,在步骤2中,利用预训练的表盘识别神经网络检测模型识别获取的待巡检仪表的现场图像,提取出现场图像中仪表的表盘图像,该模型的获取方法包括:

(1):获取待巡检仪表的现场图像样本;

(2):对图像中的仪表表盘区域进行人工标注,将标注好的样本随机打乱,按设定比例分为训练集、验证集和测试集;

(3):将标注信息和图像样本输入到卷积神经网络模型中进行训练,通过标注信息,卷积神经网络模型从图像中获取到的仪表的表盘区域作为仪表特征图输入,将标注信息中的表盘位置信息作为模型的期望输出,训练得到表盘识别神经网络检测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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同济人工智能研究院(苏州)有限公司,未经同济人工智能研究院(苏州)有限公司许可,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/202110894413.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top