导读:本文包含了指针式仪表论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,仪表,指针式,指针,读数,样本,卷积。
指针式仪表论文文献综述
王涛,刘思邦[1]（2019）在《指针式仪表数值识别方法》一文中研究指出针对目前指针式仪表读数精度不高、易受外界因素影响等问题,提出了一种指针式仪表数值识别方法.该方法首先利用灰度化、滤波和增强等算法对待测图像进行预处理,消除外界环境因素对仪表数值识别的影响,并突出指针区域;为了解决待测图像的倾斜问题,结合仪表表盘指针区域的特性,提出了图像矫正算法,实现了将待测倾斜图像矫正为标准图像,便于对其数值进行识别;然后使用二值化、形态学处理等算法对矫正后的图像进一步处理,得到指针;接着提出了像素投影法和基于Hough变换的旋转投影法,用于识别指针的方向及角度,并且可以提高指针识别的速度及精度,同时推导出仪表指针角度与其对应数值之间的函数关系,得出仪表读数,最后实验验证结果表明,本方法可正确识别出指针仪表的数值,与实际数值的误差较小,并且该方法对外界复杂因素的影响具有较好的鲁棒性.(本文来源于《周口师范学院学报》期刊2019年05期）
马波,蔡伟东,郑凡帆[2]（2019）在《先验知识指导生成虚拟样本在指针式仪表识别上的应用》一文中研究指出为解决现有指针式仪表识别方法依赖于预处理的有效性且泛化能力不足的问题,提出一种基于深度卷积神经网络与虚拟样本结合的识别方法.该方法利用深度卷积神经网络自适应地提取仪表图像关键特征,避免无关信息的干扰;采用先验知识构建指针式仪表虚拟样本生成模型,解决深度卷积神经网络面临的小样本难题.仿真数据、实验数据和现场实际应用结果表明,文中方法是可行有效的,且比传统的指针定位方法识别效果更好,尤其在更换仪表、局部信息缺失等复杂情况下具有很好的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期）
吴杰,吴怀宇,陈洋[3]（2019）在《基于轮廓拟合与径向分割的指针式仪表自动读数方法》一文中研究指出针对指针式仪表人工读数劳动强度较大的问题,本文提出了一种基于轮廓拟合与径向分割的指针式仪表自动读数方法。该方法利用仪表的轮廓图像,结合常见的仪表盘刻度分布特性,提出轮廓分离法得到仪表盘刻度像素集,并采用最小二乘法拟合出表盘圆。在此基础上,通过分析指针的像素特性,提出径向指针分割算法,实现了仪表盘内指针区域的提取。根据指针偏转角度、零刻度和量程精度进行自动读数。为了验证算法的有效性,设计多组测试实验,结果表明本方法在读数误差允许范围内,能够克服宽窄指针、拍摄距离和表盘背景等因素的干扰,具有较强的自适应能力。(本文来源于《高技术通讯》期刊2019年09期）
刘杨,刘俊,柯奕辰[4]（2019）在《基于变电站巡检机器人的指针式仪表读数识别》一文中研究指出针对无人值守变电站这一发展趋势,结合巡检机器人技术,论述了变电站指针式仪表读数的数字图像处理和识别的实现过程。分析并研究了图像复原、图像滤波及图像分割等运算方法,特别针对室外环境下读数识别易受水雾干扰这一问题,提出运用基于暗原色先验图像去雾技术。针对机器人采集图像易抖动,提出采用Lucy-Richardson复原修复图像。预处理后,运用同心圆环搜索法识别指针角度。经实验证明:这种方法对实现指针式仪表识别是十分有效的。(本文来源于《化工自动化及仪表》期刊2019年08期）
喻汉,吴怀宇,陈镜宇,徐发兵[5]（2019）在《基于ELSD的指针式仪表自动识别算法研究》一文中研究指出为实现指针式仪表自动识别,本文提出一种基于直线椭圆检测器(ELSD)的指针仪表自动识别策略。整个策略包括刻度线粗识别、仪表圆弧边界拟合、刻度线重识别和排序、仪表指针识别以及仪表示数计算等5个模块。首先,使用本文设计的自动迭代算法将检测到的线段匹配成对,并结合K-means聚类算法得到粗识别的刻度线;接着,根据粗识别出的刻度线与检测出的仪表圆弧位置关系确定仪表圆弧边界;然后,根据仪表刻度线与圆弧边界相交重新确定刻度线并进行插值补全、排序,构建出整个仪表刻度线坐标系;最后,根据仪表指针自身结构特征得到指针在坐标系中的位置并计算出仪表示数。通过实验结果可知,本文提出的算法可减少对模板图像和人工标定的依赖,在保证准确率的情况下能简化并加快整个仪表自动识别过程。(本文来源于《高技术通讯》期刊2019年07期）
李晓冬,吕阳,金键,梁万来,何杰[6]（2019）在《指针式仪表自动读数动态识别方法》一文中研究指出指针式仪表自动识别读数技术是当前计算机视觉研究的热点,也是模式识别领域一项重要的研究内容和前沿技术。针对传统减影法存在的不足,提出了一种指针式仪表自动读数动态识别方法,可自动识别不同拍摄角度的指针式仪表读数。该方法采用了Hu矩特征相似度匹配、循环腐蚀等数字图像处理算法,经过实例验证,证明了该方法的实用性和有效性。(本文来源于《工业控制计算机》期刊2019年06期）
周丽娜,康俊峰[7]（2019）在《基于机器视觉的指针式仪表识别系统设计》一文中研究指出指针式仪表在工业生产中应用广泛,但人工检测和维护耗时耗力、精度低;人工智能的不断发展,要求工业应用要不断融入新技术,机器视觉的使用可克服人工检测的不足。本文设计的指针式仪表识别系统,使用CCD摄像头作为图片采集设备,使用方便、精度高;采用图像处理技术自动识别指针刻度,灵活性高、准确度高、实时性好。(本文来源于《智库时代》期刊2019年26期）
王迪[8]（2019）在《线性指针式仪表识别方法的研究》一文中研究指出指针式仪表因其结构简单、使用便利、示数识别可靠性高、成本低且易于用在各类环境恶劣的场合等优点而被广泛应用在军事、医疗、教育、工业生产和生活之中。虽然数显仪表技术发展十分迅猛,但是指针式仪表在工业生产过程中仍占据主要地位。目前指针式仪表数据的获取大多数是由人手工抄表,手动记录并分析数据,在处理数据时劳动强度大、效率低,容易受到外界因素的影响,这些因素都会对识别得到的指针式仪表示数准确性产生影响。相比于传统的人工获取仪表信息的方式,计算机视觉技术的应用,极大地降低了劳动成本、提高了仪表检测的自动化水平,具有广阔的应用前景。目前,实现指针式仪表的自动识别任务是图像处理与模式识别领域研究的重点,其识别的关键在于如何快速准确对指针直线进行特征提取。因此,为避免上述问题的发生和提高线性指针式仪表识别的自动化水平,本文提出一种新的指针检测与示数识别方法,具体完成如下工作:首先,图像预处理。在进行图像识别工作之前要对待识别图像进行灰度化处理、图像滤波以及边缘检测等预处理操作,详细分析各部分完成的内容和相应的实现效果,通过对比分析确定合适的算法进行线性指针式仪表自动识别的预处理过程。其次,仪表指针提取与示数识别工作。分析现有识别算法中存在的不足,综合考虑图像特征提取过程中,无法高效地提取图像中的仪表指针,导致识别算法效率过低。因此本文提出一种基于阈值处理的Freeman链码仪表指针提取方法。通过对预处理后得到的图像进行Freeman链码操作,经过阈值筛选,获得图像中的仪表指针特征,根据链码方向参数计算指针偏转角度,采用角度法进行指针示数的识别工作。经比较分析验证本文提出的算法具有准确性、通用性和高效性。最后,倾斜线性指针仪表图像的校正和识别。图像获取过程中会由于某些外界条件的限制而无法获取正视图,导致出现图像倾斜的问题。分析倾斜的各种类型,针对图像发生畸变倾斜情况下,获取图像的特征点和匹配点,利用透视变换进行一次校正,使图像变为水平倾斜;再根据仪表倾斜特点计算出新一组特征点和匹配点,利用透视变换进行二次校正,从而完成指针式仪表倾斜校正的过程。通过不同的仪表图像和相关参数验证本文提出的方法能快速地校正倾斜图像后准确地得到对应的示数。(本文来源于《东北石油大学》期刊2019-06-17）
吴杰[9]（2019）在《变电站巡检机器人的指针式仪表智能读数系统研究》一文中研究指出随着变电站向智能化、无人化的不断发展,越来越多的变电站巡检机器人投入使用,其主要工作是读表和测温。目前巡检机器人对仪表的巡检大多停留在图像采集阶段,在读数过程中仍需要人工参与,工作效率较低。当巡检机器人拍摄位置出现偏差时,以固定角度拍摄的仪表图像质量会下降,对仪表的自动读数产生较大的影响。为此,本文以变电站中指针式仪表为研究对象,系统地研究了仪表的检测、仪表图像的自主采集和仪表的自动读数算法,实现了一种应用性强的巡检机器人智能读表方法。本文的主要工作有:(1)由于仪表的多尺度变化特性导致传统模板匹配法出现较多误检测,提出了一种多尺度模板匹配的仪表检测算法,能使巡检机器人检测不同距离下的仪表位置,克服了仪表大小变化的影响。(2)针对仪表位置不居中和面积占较小导致图像质量较低的问题,设计了基于双自由度云台的仪表搜寻方法,并结合机器人搭载的高清变倍相机,能够让巡检机器人自主采集到位置居中、大小合适的高质量仪表图像,。(3)鉴于仪表读数识别易受指针宽窄不同、拍摄距离远近和表盘背景等因素的干扰,提出了一种基于轮廓拟合与径向分割的指针式仪表读数算法。该算法在读数误差允许范围内,能够克服宽窄指针、拍摄距离和表盘背景等因素的干扰,具有较强的自适应能力。(4)开发了一套巡检机器人的指针式仪表读数系统。通过巡检机器人搭载的高清摄像头、相机云台等硬件设备,自主设计一款指针式仪表读数软件,实现了巡检机器人的指针式仪表自动读数,并通过实验验证了系统识别效果和整体的性能。(本文来源于《武汉科技大学》期刊2019-05-22）
徐发兵[10]（2019）在《刻度均匀的圆形指针式仪表检测与识别方法研究》一文中研究指出在过去的几十年中,随着计算机技术的发展,计算机视觉和数字图像处理技术已被广泛应用于指针式仪表的检测与识别。本文针对巡检机器人采集的刻度分布均匀的圆形指针式仪表图像,提出了一种基于计算机视觉的指针式仪表自动检测与识别方法,该方法主要包含仪表目标检测、仪表图像配准和仪表读数识别叁个步骤:首先,利用改进的YOLO算法训练自制的指针式仪表数据集,得到卷积神经网络模型,通过训练的卷积神经网络模型检测当前视野下仪表目标的包围框位置,得到仪表目标的感兴趣区域,完成仪表目标的检测。然后,使用ORB算法对检测到的仪表目标图像以及预先获取的高质量仪表模板图像进行特征点提取,利用快速最近邻匹配(FLANN)算法对提取到的特征点进行特征点匹配,通过随机抽样一致(RANSAC)算法结合改进的特征匹配策略对错误的匹配对进行剔除,进而得到透视变换参数模型的参数矩阵,通过对待配准的仪表图像进行透视变换得到正对的高质量仪表图像,完成仪表图像的配准。最后,利用改进EAST算法对配准后的高质量仪表图像进行文本检测,检测出仪表图像中的所有文本,利用设计的印刷体数字识别模型对检测到的文本图像进行识别,筛选出仪表刻度数字,得到仪表刻度数字的位置信息与数值,通过仪表刻度数字的位置与数值信息提取出仪表刻度线轮廓、表盘中心以及仪表指针直线,结合角度法和距离法,完成仪表读数识别。通过大量实验对所提出的指针式仪表读数判别方法进行验证,实验结果表明,本文所提出的仪表识别方法的平均准确率高于97.5%,对于复杂背景下刻度均线的圆形指针式仪表的自动检测与识别任务具有良好的准确性与稳定性,可满足智能变电站的实际应用需求。(本文来源于《武汉科技大学》期刊2019-05-01）
指针式仪表论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决现有指针式仪表识别方法依赖于预处理的有效性且泛化能力不足的问题,提出一种基于深度卷积神经网络与虚拟样本结合的识别方法.该方法利用深度卷积神经网络自适应地提取仪表图像关键特征,避免无关信息的干扰;采用先验知识构建指针式仪表虚拟样本生成模型,解决深度卷积神经网络面临的小样本难题.仿真数据、实验数据和现场实际应用结果表明,文中方法是可行有效的,且比传统的指针定位方法识别效果更好,尤其在更换仪表、局部信息缺失等复杂情况下具有很好的鲁棒性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
指针式仪表论文参考文献
[1].王涛,刘思邦.指针式仪表数值识别方法[J].周口师范学院学报.2019
[2].马波,蔡伟东,郑凡帆.先验知识指导生成虚拟样本在指针式仪表识别上的应用[J].计算机辅助设计与图形学学报.2019
[3].吴杰,吴怀宇,陈洋.基于轮廓拟合与径向分割的指针式仪表自动读数方法[J].高技术通讯.2019
[4].刘杨,刘俊,柯奕辰.基于变电站巡检机器人的指针式仪表读数识别[J].化工自动化及仪表.2019
[5].喻汉,吴怀宇,陈镜宇,徐发兵.基于ELSD的指针式仪表自动识别算法研究[J].高技术通讯.2019
[6].李晓冬,吕阳,金键,梁万来,何杰.指针式仪表自动读数动态识别方法[J].工业控制计算机.2019
[7].周丽娜,康俊峰.基于机器视觉的指针式仪表识别系统设计[J].智库时代.2019
[8].王迪.线性指针式仪表识别方法的研究[D].东北石油大学.2019
[9].吴杰.变电站巡检机器人的指针式仪表智能读数系统研究[D].武汉科技大学.2019
[10].徐发兵.刻度均匀的圆形指针式仪表检测与识别方法研究[D].武汉科技大学.2019
论文知识图
