基于特征识别的指针式仪表自动识别研究

论文摘要

在当前电力系统对自动化水平、智能化程度的要求不断提高的背景下,计算机视觉技术已逐步引入到电力系统自动化中来,并开始发挥起愈发重要的作用。计算机视觉技术的诞生和应用,极大的解放了人类劳动力,提高了生产自动化水平,改善了人类生活现状,其应用前景极为广阔。本文主要讨论计算机视觉及其相关技术,提出并实现了一种基于特征识别的指针式仪表自动识别系统。在电力行业中,指针式仪表依然是目前最主要的测量工具,仍广泛应用于工业生产和科学实验过程中,并发挥着举足轻重的作用。目前,这些指针式仪表的读数通常是由人工判读来完成,然而这种方法受人主观因素的影响,会导致判读的数据误差较大,可靠性不高。本课题旨在采用人工智能的方法研究指针式仪表的自动识别系统,来代替人工识别这一枯燥而劳累的工作。仔细分析人工判读的过程,首先根据表盘特征找到表盘位置,然后在表盘区域寻找指针的位置,观察指针与其最接近的两条刻度线的距离及其两侧数字,从而对仪表的示数得出判断。采用计算机的自动识别同样要经历仪表盘定位、指针定位和数字识别三个过程:利用摄像头采集仪表图像并对其进行预处理,根据基于特征识别的轮廓跟踪实现仪表盘定位和指针、数字定位,利用二次拟合的最小二乘法确定指针的参数,同时采用BP神经网络对指针两侧的数字进行识别,最后由指针与数字的相对位置关系实现指针式仪表的自动判读。本课题在详细地分析了基于特征识别的指针式仪表自动识别算法的基础上,利用Visual Studio.NET开发平台,使用Visual C#开发出了指针式仪表的自动识别软件系统。通过对该指针式仪表自动识别系统进行性能测试,并与传统的Hough变换检测法进行实验对比,结果表明本课题所采用的特征提取和神经网络识别的方法对于图像发生畸变的情况仍具有较高的识别率,读数准确、适用性强,已基本满足实际工作的要求,因而具有一定的应用价值和发展前景。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 计算机视觉在电力自动化中的应用
• 1.3 指针式仪表自动识别的研究现状
• 1.4 本文的研究内容
• 1.5 本文的创新点
• 第二章 指针式仪表自动识别总体设计
• 2.1 引言
• 2.2 指针式仪表图像的采集
• 2.2.1 图像的获取
• 2.2.2 图像的取样和量化
• 2.3 系统的软件平台方案
• 2.4 本章小结
• 第三章 指针式仪表表盘区域定位
• 3.1 引言
• 3.2 仪表图像的预处理
• 3.2.1 仪表图像的灰度化
• 3.2.2 仪表图像的平滑
• 3.2.3 仪表图像的锐化
• 3.3 仪表图像的阈值分割
• 3.3.1 迭代法
• 3.3.2 双峰法
• 3.3.3 大律法
• 3.3.4 改进的大律法
• 3.4 仪表表盘区域的提取
• 3.4.1 轮廓跟踪原理
• 3.4.2 轮廓跟踪提取表盘区域
• 3.4.3 去除离散噪声点
• 3.5 本章小结
• 第四章 指针式仪表表盘元素定位
• 4.1 引言
• 4.2 提取指针区域
• 4.3 指针图像形态学处理
• 4.3.1 指针图像腐蚀
• 4.3.2 指针图像膨胀
• 4.3.3 指针图像细化
• 4.4 检测指针位置
• 4.4.1 Hough变换检测直线
• 4.4.2 最小二乘法检测直线
• 4.4.3 确定指针回转中心
• 4.4.4 确定指针指示方向
• 4.5 定位指针两侧的数字
• 4.5.1 提取表盘数字
• 4.5.2 提取指针两侧的数字
• 4.6 本章小结
• 第五章 指针式仪表数字识别及判读
• 5.1 引言
• 5.2 待识别数字的预处理
• 5.3 人工神经网络原理
• 5.4 BP神经网络数字识别
• 5.5 仪表示值判读
• 5.6 本章小结
• 第六章 指针式仪表自动识别软件系统
• 6.1 引言
• 6.2 仪表自动识别软件平台
• 6.2.1 编程环境及语言介绍
• 6.2.2 应用程序使用说明
• 6.3 系统性能测试和判读实验
• 6.3.1 软件系统时间性能测试
• 6.3.2 仪表示值判读实验
• 6.4 仪表示值自动识别误差分析
• 6.4.1 图像采集系统带来的误差
• 6.4.2 图像处理系统带来的误差
• 6.5 本章小结
• 第七章 全文总结及展望
• 7.1 本文总结
• 7.2 进一步工作及展望
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表