一种座舱仪表自动识别和检测方法及装置制造方法
【专利摘要】本发明公开了一种座舱仪表自动识别和检测方法，包括以下步骤：读入仪表图像；对图像进行采样；采用非线性矢量中值滤波对图像进行降噪处理；采用全局与局部阈值法相结合，将仪表图像二值化，获得二值化图像；对图像进行细化，准确检测出指针,经细化处理后的指针成单像素宽度指针；本发明利用改进的交叉视觉模型，提取仪表边缘；根据先验知识，进行学习训练，寻找相似特征，对仪表进行分类比对；利用梯度法，计算指针的角度；通过角度，并结合先验知识，计算数值，并进行存储显示。完全自动识别和检测座舱仪表，无须人工干预，可大大减轻人力资源，避免主观因素引入的误差，提供了一种性能优良的座舱仪表自动识别和检测方法。
【专利说明】一种座舱仪表自动识别和检测方法及装置
【技术领域】
[0001]本发明属于仪表检测【技术领域】，尤其涉及一种座舱仪表自动识别和检测方法及装置。
【背景技术】
[0002]在人类科学探索和生产实践活动中，仪器仪表是认识世界的重要工具和手段，其主要依据被测量的不同，采用一定的转换关系，通过测量机构把被测量转换为数字显示或者角位移量的大小，实现读数，仪表具有结构简单，使用方便，价格低廉等特性，在民用、军用等诸多领域中应用极其广泛，尤其对机载设备而言，从设备现场调试、使用、计量和告警，至IJ电压、电流、功率、功率因数、频率等参数的监测，都要以仪表为基准，因此，仪表的准确与否对机载设备的可靠运行起着至关重要的作用，传统上人们采用目测的方法来判读和检定指针式仪表，这种判别方法受人的主观因素如人的观测角度，观测距离及疲劳强度等影响，具有劳动强度大等不利因素，无法实现自动数据读取和自动定检的需求，首先，人眼的分辨能力有限，当指针位于两个分度线之间时，只能粗略估计指针位置，不能准确读取仪表的示值，其次，整个工作过程繁琐，重复性工作很多，操作员责任心和视觉疲劳也严重影响了校验的准确程度，更为重要的是，座舱仪表的存有量较大，大量的仪表操作需要匹配使用，操作人员就必须做到一目了然，因此，这就对传统的仪表读取和校验方式提出了严峻的挑战。
[0003]目前，通用的仪表校验方法基本可归为三类，一类可称为“以表检表”法，一类称为“以源检表”法，最新的应用称为“机器视觉法”，“以表检表”法主要以人工操作为主，通过第三方来观测表的准确度，“以源检表”法是在引入了微机程序控制后，采用标准源输出，人工读取被校仪表示数后，从而计算各个分度线的误差，“机器视觉法”主要是应用计算机辅助手段，对仪表进行识别，判读，从而计算仪表指针的读数。
[0004]前者检测仪器虽具有便捷、快速优点，但检测主要依靠人力，其准确度、精确度受主观因素影响较大；后者虽使标准量调节变得更为方便、准确，但其亦依赖人工判读，纠正错误，故而也不能广泛使用，因此，设计开发一种具有性能良好的仪表自动识别和检测的方法显得尤为重要。
[0005]以表检表”法主要根据国家标准GB/T7676.1-1998,按照规定对仪表进行校验，该方法的特点是利用准确度等级更高的仪表作为第三方校准工具，作为校验过程中“标准”，模拟指示直接作用的电压表和电流表的准确度等级分为:0.05，0.1,0.2,0.3,0.5,1,1.5，2,2.5，3和5共十一个等级，例如，按规定的工作方式下，0.2级的仪表的最大引用误差在±0.1%?±0.2%之间，同理，0.5级的仪表的最大引用误差在±0.2%?±0.5%之间，校验仪表就是确定仪表最大引用误差所属范围的过程，对于0.05级,0.1级和0.2级的仪表一般作为标准表使用，0.5?2.5级的仪表一般是实验室所用，2.5级以下的仪表，一般是现场监视所用。
[0006]一般通过手动调节来控制电量输出，同时注视被检仪表的指针位置，观察并记录数据，然后计算误差、得出校验结论。[0007]以源检表”实际上是一种“半自动仪表校验”方法，它使标准量调节更方便、更准确，通过采用明确已知的标准源，来观测仪表的动态范围，检测仪表的误差能否符合误差标准的要求，通过调整标准源的精确值，来检测仪表的准确误差值，此外，随着光电技术的发展，在“以源检表”基础上，有人尝试在指针式仪表盘上放置光电敏感器件，根据指针通过被校表盘的受检点时该点的反射光强度的变化，利用光电效应来产生触发信号，从而获取指针在某一瞬间的位置，如日本三丰公司百分表检查仪和成都科技大学BJY-1百分表自动检查仪，基于重合点数字测量法原理，用光学系统将表盘影像成像在影屏上，在影屏固定位置开有光缝，以便光电元件接收扫描信号，从而测出针对与各校验点空间的重合信号，由后续电路测出各校验点的误差。
[0008]“机器视觉法”是当前指针仪表质量检测的重要技术和手段，其识别技术主要是利用数字图像处理技术，完成该检测过程中图像采集、图像转换与存储、指针定位与检出、偏差检测等关键操作，利用自动控制技术实现指针判读、模拟量施加和不合格产品剔除，同时，利用计算机优越的数据处理功能，完成检测结果的显示、存储、查询和报表打印，实现检测过程的自动化，
[0009]现有的技术问题有:1、测量过程的不能全自动；2、测量的耗时量大；3、测量精度低；4、研制成本高。
【发明内容】
[0010]本发明实施例的目的在于提供一种座舱仪表自动识别和检测方法及装置，旨在解决现有的技术存在的测量过程的不能全自动、测量的耗时量大、测量精度低、研制成本高的问题。
[0011]本发明实施例是这样实现的，一种座舱仪表自动识别和检测方法，所述座舱仪表自动识别和检测方法包括以下步骤:
[0012]读入仪表图像；
[0013]对图像进行采样；
[0014]采用非线性矢量中值滤波对图像进行降噪处理；
[0015]采用全局与局部阈值法相结合，将仪表图像二值化，获得二值化图像；
[0016]对图像进行细化，准确检测出指针，经细化处理后的指针成单像素宽度指针；
[0017]利用改进的交叉视觉模型，提取仪表边缘；
[0018]根据先验知识，进行学习训练，寻找相似特征，对仪表进行分类比对；
[0019]利用梯度法，计算指针的角度；
[0020]通过角度，并结合先验知识，计算数值，并进行存储显示。
[0021]进一步，图像二值化采用改进的OSTU方法对图像进行二值化处理。
[0022]进一步，OSTU方法对图像进行二值化处理具体流程为:
[0023]第一步，读取图像，并根据图像行列的具体大小，将图像自动分割为一系列可变的rXr的子图像，方便对图像进行区块的划分；
[0024]第二步，在邻域内，根据仪表特性，分为目标和背景，统计各像素点的灰度分布，将灰度范围较为接近的归为一类，并算出两类特征点的数学期望和方差，根据经典OTSU准贝U，找出局部阈值T1(i)；[0025]第三步，对窗口进行二值化处理，后进行循环流程第二步操作，直至搜索图像完毕；
[0026]第四步，为避免对区域边缘的点产生误判，将每个区域视为一个像素点，灰度值为阈值T1(i)，对整幅进行求解期望、协方差，找出全局阈值，对误判点进行修复。
[0027]进一步，细化处理采用3x3模板来提取座舱仪表的骨架。
[0028]进一步，3x3模板来提取座舱仪表的骨架具体方法为:
[0029]步骤I，找到一个像素(i，j)，使图像中的像素和模板A中的像素匹配；
[0030]步骤2，如果中心像素不是一个端点，令连通数为1，后将像素标记为删除；
[0031]步骤3，对所有匹配模板A的像素做步骤(1)和(2)；
[0032]步骤4，依次对模板B、C和D重复(I)和(3);
[0033]步骤5，如果有像素被标记删除，将像素设置为白色并删除；
[0034]步骤6，重复步骤(1)至(5)，否则，停止；
[0035]进一步，提取边缘采用交叉视觉皮质模型对座舱仪表进行分割提取。
[0036]进一步，交叉视觉皮质模型中每一个神经元对于上一个状态FijEn-1]具有记忆功能且状态Fij随着时间的变化其记忆内容会发生衰减，衰减速度受到衰减因子f(f>l)的影响，交叉视觉皮质模型的数学表达如下:
[0037]Fij [n+1] =H^ij [n] +Sij^ffij {Y}
【权利要求】
1.一种座舱仪表自动识别和检测方法，其特征在于，所述座舱仪表自动识别和检测方法包括以下步骤: 读入仪表图像； 对图像进行采样； 采用非线性矢量中值滤波对图像进行降噪处理； 采用全局与局部阈值法相结合，将仪表图像二值化，获得二值化图像； 对图像进行细化，准确检测出指针，经细化处理后的指针成单像素宽度指针； 利用改进的交叉视觉模型，提取仪表边缘； 根据先验知识，进行学习训练，寻找相似特征，对仪表进行分类比对； 利用梯度法，计算指 针的角度； 通过角度，并结合先验知识，计算数值，并进行存储显示。
2.如权利要求1所述的座舱仪表自动识别和检测方法，其特征在于，图像二值化采用改进的OSTU方法对图像进行二值化处理。
3.如权利要求2所述的座舱仪表自动识别和检测方法，其特征在于，OSTU方法对图像进行二值化处理具体流程为: 第一步，读取图像，并根据图像行列的具体大小，将图像自动分割为一系列可变的rXr的子图像，方便对图像进行区块的划分； 第二步，在邻域内，根据仪表特性，分为目标和背景，统计各像素点的灰度分布，将灰度范围较为接近的归为一类，并算出两类特征点的数学期望和方差，根据经典OTSU准则，找出局部阈值T1(i)； 第三步，对窗口进行二值化处理，后进行循环流程第二步操作，直至搜索图像完毕；第四步，为避免对区域边缘的点产生误判，将每个区域视为一个像素点，灰度值为阈值Τιω，对整幅进行求解期望、协方差，找出全局阈值，对误判点进行修复。
4.如权利要求1所述的座舱仪表自动识别和检测方法，其特征在于，细化处理采用3x3模板来提取座舱仪表的骨架。
5.如权利要求4所述的座舱仪表自动识别和检测方法，其特征在于，3x3模板来提取座舱仪表的骨架具体方法为: 步骤I，找到一个像素(i，j)，使图像中的像素和模板A中的像素匹配； 步骤2,如果中心像素不是一个端点,令连通数为I,后将像素标记为删除； 步骤3，对所有匹配模板A的像素做步骤(1)和(2); 步骤4，依次对模板B、C和D重复⑴和(3); 步骤5,如果有像素被标记删除,将像素设置为白色并删除； 步骤6，重复步骤(1)至(5)，否则，停止。
6.如权利要求1所述的座舱仪表自动识别和检测方法，其特征在于，提取边缘采用交叉视觉皮质模型对座舱仪表进行分割提取。
7.如权利要求6所述的座舱仪表自动识别和检测方法，其特征在于，交叉视觉皮质模型中每一个神经元对于上一个状态FijLn-1]具有记忆功能且状态Fij随着时间的变化其记忆内容会发生衰减，衰减速度受到衰减因子f(f>l)的影响，交叉视觉皮质模型的数学表达如下:
8.如权利要求6所述的座舱仪表自动识别和检测方法，其特征在于，交叉视觉皮质模型分割后的仪表图像，包括以下步骤: 步骤一、设定参数f=2，g=0.8，h=1000，初始阈值θ=125，将图像送出模型进行点火； 步骤二、完成初始分割后，确定隶属度函数，令背景灰度期望为μ (|，目标的灰度期望为UijC为最大灰度值和最小灰度值的差值，任意像素X的灰度值和这一类像素的数学期望之间差别越小，那么成员函数Ux(X)的值就越大，给定阈值Τ，成员函数定义如下；
9.如权利要求1所述的座舱仪表自动识别和检测方法，其特征在于，计算角度利用sobel梯度算子；具体算法为: 第一步，将模板看成某一个像素上的梯度，该像素对应模板的中心位置，特别的是，对角线上的元素的权重值比水平方向和垂直方向的元素权重值要小，X分量为sx，Y分量为Sy,将这些分量看成梯度； 第二步，利用=J(兰)?:，相当于在3x3区域中的每一个2x2区域应用算子，然
10.一种座舱仪表自动识别和检测装置，其特征在于，所述座舱仪表自动识别和检测装置包括:被测仪表、摄像头、图像处理设备、硬盘、显示器； 所述座舱仪表自动识别和检测装置采用S3C2440作为平台处理器，所述被测仪表连接所述摄像头，所述摄像头连接所述图像处理设备，所述图像处理设备连接所述硬盘和显示器。
【文档编号】G01D18/00GK103528617SQ201310455647
【公开日】2014年1月22日 申请日期:2013年9月27日 优先权日:2013年9月27日
【发明者】何林远, 许悦雷, 马时平, 毕笃彦, 熊磊 申请人:中国人民解放军空军工程大学