【技术实现步骤摘要】
基于机器学习的仪表自动识别方法及系统
[0001]本专利技术属于仪表盘识别领域，具体涉及一种基于机器学习的仪表自动识别方法及系统。
技术介绍
[0002]目前石油化工中的大多数仪表盘都是模拟仪表盘。相比于数字仪表盘，它有着便宜，费用小的价格优势。但是在实际的人力读取过程中，人力物力不断的消耗，检测者的长期工作会产生视觉疲劳，因此读数便会产生不确定性，产生误差，不利于巡检工作，并且不易于实时传输到系统。
[0003]由此可见，传统的人力巡检方式会带来很多问题，会严重影响石油工业生产的进度。发展并使用机器人技术来对设备进行自动巡检是巡检方式变化的新趋势。对于巡检机器人来说，它必须具备一个非常重要且不可或缺的功能就是对一些常见的现场指针式仪表，电压表、气压表、温度表的示数进行自动识别。
[0004]然而如果仪表出现磨损、模糊、划痕等情况，那么就会影响识别效率甚至影响度数的精确性，与此同时，如果系统度数错误，那这就给监控系统带来了安全隐患。
技术实现思路
[0005]本专利技术的目的在于提供一种基于机...
【技术保护点】
【技术特征摘要】
1.基于机器学习的仪表自动识别方法，其特征在于，所述方法包括：采集仪表图片；对仪表图片进行预处理，从预处理后的仪表图片背景中提取仪表盘图像；对仪表盘图像分离轮廓、刻度和指针；依据刻度的信息判断读数是否受到影响，若受到影响，则将读数通过补全计算进行校正，得到校正读数作为识别结果，若未受到影响，则直接获取读数作为识别结果，具体包括：步骤1：运用opencv自带的数字库进行学习，得到所有刻度的刻度数值；根据n个刻度数值M
i
以及刻度数值的包围框中心O
i
，其中i=1,2,
…
n，将刻度数值序列{M
i
}按照从小到大的顺序依次排列成新的序列{ A
i
},已知待测仪表的零刻度数值为S0，满刻度为S1，通过序列{ A
i }的特征判断指针位置和刻度数值的相对位置，有以下4种情况：情况1：若S0、S1∈A
i
且序列{ A
i }为等差数列，则指针位置没有遮挡刻度数值；情况2：S0、S1∈A
i
且序列{ A
i }不为等差数列，则指针位置遮挡刻度中间数值；情况3：若S0∉
A
i
，则指针位置遮挡零刻度数值；情况4：若S1∉
A
i
，则指针位置遮挡满刻度数值；然后，针对以上4种情况，通过已检测到刻度数值位置对应的线段的长度L
i,j+1
以及相邻线段的夹角θ
j,j+1,j+2
完成对漏检刻度数值的定位，i=1,2,...,n
‑
1，j=1,2,...,n
‑
2；最后按刻度数值从小到大的顺序依次将对应的包围框中心点连线，分别记为线段O
i,i+1
i=1,2,
…
n
‑
1；将线段进行比较，取最长线段的中点，中点坐标即为需要补全的数字刻度坐标，数值为最长线段两端的刻度数值之和的一半，以此对仪表图像进行补全；步骤2：对补全后的仪表图像进行二值化处理，提取仪表图像的所有刻度线轮廓，具体为：在刻度线轮廓的宽高比满足式w/h<v的条件下，取与步骤1中每个刻度数值包围框距离最近的刻度线轮廓，式中，w和h分别为刻度线轮廓边界矩形的宽与高，v是一个经验值；步骤3：从提取到的n个刻度线轮廓的重心中任取3个点p
i
，p
j
，p
k
，对应的像素坐标为(x
i ,y
i
)，(x
j ,y
j
)，(x
k ,y
k
), i,j,k=1,2,
…
n，依据这三个点的像素坐标，建立,，所示的三个方程，进而 得到临时的表盘中心坐标(x
0(m)
, y
0(m)
)，以及临时的表盘半径r
(m)
，m=1,2,
…
C
n3
，C
n3
为从n个刻度线轮廓中心随机选择三个点，依据三个点确定圆心的排列组合数量；重复上述计算多次，直到覆盖所有坐标组合，从而得到C
n3
个表盘中心坐标以及表盘半径估计值，最后，分别取这些中心坐标和半径估计值的平均值即得到表盘中心坐标以及表盘半径的值，其表达式为，，；步骤4：遍历所有刻度线轮廓和线段O
i,i+1
，判断是否有刻度线轮廓与线段O
i,i+1
相交，若存在刻度线轮廓与其中某个线段相交，则取该刻度线轮廓的中心线段，并且判断中心线段是否同时满足以下两个约束条件：1)中心线段所在直线Ax+By+C=0经过步骤3所求的表盘中心，即满足以下表达式
，其中，τ为容许的误差值，A,B,C为三个常数；2)中心线段长度l与表盘半径满足以下关系:, 其中，δ1与δ2为两个经验值；若满足两个约束条件，则所确定的中心线段...
【专利技术属性】
技术研发人员：燕并男，杨兆昭，李嘉欣，张峰川，张鑫鹏，
申请(专利权)人：西安石油大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。