论文摘要
为解决变电站中自动化监控仪表读数的问题,提出基于机器学习和图像处理算法的指针式仪表自动读数方法,由仪表检测和指针识别两个阶段组成。使用全卷积网络(fully convolutional networks,FCN)对输入图像进行语义分割,以检测仪表的位置并提取仪表部分的图像。利用直方图均衡化、中值滤波和双边滤波减小光照和阴影对指针识别的干扰,并利用仿射变换矫正拍摄时的倾斜,再结合改进的霍夫变换识别仪表中指针的位置,从而计算指针角度获取读数。结果表明,对于自然场景中变电站中的指针式仪表,本研究能很好地检测出仪表并识别出指针的读数,对于光照和阴影等干扰具有良好的鲁棒性,可以显著减少变电站巡检人员的工作量,提高工作效率。
论文目录
文章来源
类型: 期刊论文
作者: 周杨浩,刘一帆,李瑮
关键词: 指针仪表,语义分割,全卷积网络,仿射变换,霍夫变换
来源: 山东大学学报(工学版) 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,计算机软件及计算机应用
单位: 南京大学南京大学软件新技术国家重点实验室
基金: 国家自然科学基金面上项目(61673204),国家电网公司科技项目(SGLNXT00DKJS1700166)
分类号: TM63;TP391.41
页码: 1-7
总页数: 7
文件大小: 1299K
下载量: 346