本发明专利技术涉及图像识别技术领域,特别涉及一种工业设备表计识别的全天候图像分类方法、装置、电子设备和存储介质,所述图像分类方法包括:将图像采集单元采集到的图像中的所有二维像素点进行灰度化转化,转化为以灰度值形式表示为f(x,y)的基础分布;接着对f(x,y)进行二维图像的频谱变换以获得相应的空间灰度矩阵;再分别计算得到所采集图像的平均灰度随时间变化趋势、图像功率谱变化趋势以及高斯权重矩阵秩变化趋势,并以上述三个方面的趋势变化判定工业表计识别是否处于全天候中的弱光时段,从而转化相应的图像采集策略;通过本发明专利技术提供的方法来决定图像采集单元在红外模式与可见光模式之间切换,确保了工业设备表计识别的准确性。性。性。
【技术实现步骤摘要】
工业设备表计识别的图像分类方法、装置、电子设备和存储介质
[0001]本专利技术涉及图像识别
,特别涉及一种工业设备表计识别的全天候图像分类方法、装置、电子设备和存储介质。
技术介绍
[0002]近年来,我国的中大型工业生产企业(能源、电力、化工、冶炼、机械加工等)面临着新时期转型发展的需求。对于该类生产企业而言,在其流程生产体系中必不可少的需要使用各类大小工业设备以完成全流程生产、加工等步骤,大小工业设备的可靠性、稳定性是关乎生产质量、成本等要素的关键影响因素。除了远传的仪表数据以外,大量就地仪表的数据往往需要人工巡检记录,通过采用在工业现场加装摄像头的方式,用图像采集相应设备表计读数,从而最终实现工业现场的智能巡检。然而采用摄像头巡检会遇到环境光照不稳定的因素影响,尤其当室外天气因素不稳定或现场光源不足等情况发生时,摄像头为了获得足够曝光度而延长了快门时间,从而用于识别表计的图片将会出现颗粒化现象。为了降低上述情况的影响,需要对用于表计识别的图片进行全天候的图片分类从而更好完成对于表计的识别过程。
技术实现思路
[0003]本专利技术的目的在于克服现有技术中的不足,提供一种工业设备表计识别的全天候图像分类方法,通过该图像分类方法,使得在光线不足的情况下及时转变相应的图像采集策略,以确保表计识别的准确性。
[0004]为了实现上述目的,本专利技术第一方面提供了一种工业设备表计识别的全天候图像分类方法,所述图像分类方法包括:在对工业设备表计进行识别的过程中,将图像采集单元采集到的图像中的所有二维像素点进行灰度化转化,转化为以灰度值形式表示为f(x,y)的基础分布,其中x,y分别代表所采集图像的尺寸M
×
N对应的位置点,且0≤x≤M,0≤y≤N;接着对f(x,y)进行二维图像的频谱变换以获得相应的空间灰度矩阵;再分别计算得到所采集图像的平均灰度随时间变化趋势、图像功率谱变化趋势以及高斯权重矩阵秩变化趋势,并以上述三个方面的趋势变化判定工业表计识别是否处于全天候中的弱光时段,从而转化相应的图像采集策略。
[0005]在进一步的技术方案中,对f(x,y)按照式1
‑
1)的规则转化为灰度图,再根据式1
‑
2)的规则获取图像的平均灰度水平F(x,y);
[0006]f(x,y)=(x+y)
ꢀꢀ1‑
1)
[0007][0008]在进一步的技术方案中,对f(x,y)按照式2)的规则进行频谱变换:
[0009][0010]其中u=0,1,2,
…
,M
‑
1;v=0,1,2,
…
,N
‑
1;
[0011]u,v分别代表傅里叶频谱变换过程后,在频率域上x,y方向上的元素;
[0012]j为傅里叶变换中采用欧拉变换的虚部;
[0013]然后将频谱变换后的F(u,v)按照式3)进行功率谱分析:
[0014]P(u,v)=|F(u,v)}2ꢀꢀ
3)。
[0015]在进一步的技术方案中,对所采集的图像进行逐点高斯模糊化处理,获取图像的高斯权重矩阵,所述图像的尺寸为M
×
N;设定用于处理的高斯核大小为3
×
3,则有核矩阵为式4):
[0016](
‑
1,1)(0,1)(1,1)(
‑
1,0)(0,0)(1,0)(
‑
1,
‑
1)(0,
‑
1)(1,
‑
1)
[0017]4);
[0018]将式4)中的(x,y)坐标值结合核矩阵中对应各点的像素值大小,代入中,获得高斯权重矩阵,并根据初等行变换求取高斯模糊化矩阵后的秩大小,所述秩设为g(x,y),其中,σ为图像像素(x,y)在进行统计后得到的标准差;
[0019]再根据式5)获得图像的秩水平:
[0020][0021]在进一步的技术方案中,设定图像的平均灰度水平F(x,y)的阈值为F
低
,功率谱P(u,v)的阈值为P
高
,图像的秩水平的阈值为G
低
;按照式6)原则进行判断:
[0022][0023]当K值<2时,将图像采集单元的采集模式调整为红外图像模式;
[0024]当K值≥2时,将图像采集单元的采集模式调整为可见光模式。
[0025]本专利技术第二方面提供了一种工业设备表计识别的全天候图像分类装置,包括:
[0026]图像采集模块,用于采集待识别工业设备的表计图像;
[0027]计算模块,其具有平均灰度水平计算单元、图像边缘差异水平计算单元和噪声能量水平计算单元,分别用于计算所述图像采集模块采集到的图像的平均灰度水平、图像边缘差异水平和噪声能量水平;
[0028]以及用于计算K值的K值计算单元,其中,
[0029]K=sig(F)+sig(G)+sig(P);
[0030][0031][0032][0033]其中,F
低
为图像的平均灰度水平的阈值,P
高
为功率谱的阈值,G
低
为秩水平的阈值;
[0034]判断模块,用于判断K值大小,若K值<2时,将图像采集模块的采集模式调整为红外图像模式;
[0035]当K值≥2时,将图像采集模块的采集模式调整为可见光模式。
[0036]本专利技术第三方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述的处理器执行所述计算机程序时实现上述的图像分类方法。
[0037]本专利技术第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的图像分类方法。
[0038]与现有技术相比,本专利技术具有以下技术效果:
[0039]本专利技术提供的图像分类方法,通过对图像采集单元采集到的图像进行处理,并进一步从图像的平均灰度水平、边缘差异水平以及噪声能量水平的角度来判断该图像是否能够满足工业设备表计识别的要求,进而决定图像采集单元在红外模式与可见光模式之间切换,以确保工业设备表计识别的准确性。
[0040]本专利技术的其他特征和优点将在随后的具体实施方式中予以详细说明。
附图说明
[0041]图1示出为根据本专利技术具体实施方式提供的一种工业设备表计识别的全天候图像分类方法的流程图;
[0042]图2示出为根据本专利技术具体实施方式提供的一种工业设备表计识别的全天候图像分类装置的示意图;
[0043]图3示出为在可见光模式下工业设备表计示数清晰图片;
[0044]图4示出为图3中工业设备在光线不足条件时,可见光模式下采集到模糊图片;
[0045]图5示出为图4中相同光线条件下,基于本专利技术提供的图像分类方法后切换到红外模式下采集到的清晰图片。
具体实施方式
...
【技术保护点】
【技术特征摘要】
1.一种工业设备表计识别的全天候图像分类方法,其特征在于,所述图像分类方法包括:在对工业设备表计进行识别的过程中,将图像采集单元采集到的图像中的所有二维像素点进行灰度化转化,转化为以灰度值形式表示为f(x,y)的基础分布,其中x,y分别代表所采集图像的尺寸M
×
N对应的位置点,且0≤x≤M,0≤y≤N;接着对f(x,y)进行二维图像的频谱变换以获得相应的空间灰度矩阵;再分别计算得到所采集图像的平均灰度随时间变化趋势、图像功率谱变化趋势以及高斯权重矩阵秩变化趋势,并以上述三个方面的趋势变化判定工业表计识别是否处于全天候中的弱光时段,从而转化相应的图像采集策略。2.根据权利要求1所述的工业设备表计识别的全天候图像分类方法,其特征在于,对f(x,y)按照式1
‑
1)的规则转化为灰度图,再根据式1
‑
2)的规则获取图像的平均灰度水平F(x,y);f(x,y)=(x+y)
ꢀꢀꢀꢀꢀꢀ1‑
1)3.根据权利要求1所述的工业设备表计识别的全天候图像分类方法,其特征在于,对f(x,y)按照式2)的规则进行频谱变换:其中u=0,1,2,
…
,M
‑
1;v=0,1,2,
…
,N
‑
1;u,v分别代表傅里叶频谱变换过程后,在频率域上x,y方向上的元素;j为傅里叶变换中采用欧拉变换的虚部;然后将频谱变换后的F(u,v)按照式3)进行功率谱分析:P(u,v)=|F(u,v)|2ꢀꢀꢀ
3)。4.根据权利要求1所述的工业设备表计识别的全天候图像分类方法,其特征在于,对所采集的图像进行逐点高斯模糊化处理,获取图像的高斯权重矩阵,所述图像的尺寸为M
×
N;设定用于处理的高斯核大小为3
×
3,则有核矩阵为式4):(
‑
1,1)(0,1)(1,1)(
‑
1,0)(0,0)(1,0)(
‑
1,
‑
1)(0...
【专利技术属性】
技术研发人员:时国瑜,陈伟,付文龙,秦锋,张袁旺,赵斌,练义虎,常磊,钱兴文,石正洋,郑书怀,李万军,汪洋,
申请(专利权)人:淮沪电力有限公司田集第二发电厂,
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。