一种基于计算机视觉的特种设备仪表识别系统的制作方法

本发明涉及特种设备仪表视觉识别的，公开了一种基于计算机视觉的特种设备仪表识别系统。

背景技术：

1、目前，特种设备仪表识别系统在工业领域得到了广泛应用，并且取得了一定的发展。以下是目前的一些发展情况：随着计算机视觉和图像处理技术的不断进步，特种设备仪表识别系统的准确性和稳定性得到了显著提升。通过深度学习算法和大规模数据训练，系统可以准确地检测和识别各种类型的仪表，并实时监测其状态，特种设备仪表识别系统广泛用于电力、石化、冶金等行业，对锅炉、压力容器、起重机械等特种设备的仪表进行监测和识别。它可以实时监测设备的压力、温度、液位等参数，并在异常情况下发出预警，特种设备仪表识别系统还可以与自动化控制系统相结合，实现对特种设备的智能控制。通过对仪表数据的分析和处理，系统可以自动调节设备的工作参数，提高设备的运行效率和安全性，随着互联网技术的发展，特种设备仪表识别系统可以实现对设备的远程监测和管理。用户可以通过网络平台，实时查看设备的运行状态和参数，及时进行故障诊断和维修。

2、例如现有的授权公告号为cn103034838b的专利公开了一种基于图像特征的特种车辆仪表类型识别与标定方法。该发明属于图像处理、模式识别领域。首先对每种类型的特种车辆仪表，采集一些特种车辆仪表图像，经过人工判断，把有代表性的图像留下当作训练样本；针对每个训练样本，通过图像预处理方法对图像质量进行归一化；然后提取出仪表图像的圆盘，根据圆盘半径对仪表图像进行大小归一化；归一化后分别对特种车辆仪表图像提取颜色特征和gabor纹理特征；最后针对所有的训练样本，分别以颜色特征和gabor纹理特征为向量为每种类型建立模型；每种类型的仪表的训练样本库的特征模型建立好后，对于采集到的实时图像，同样经过图像预处理进行图像质量归一化，对这两种特征与各个类型的仪表训练样本的特征模板分别进行模式匹配，用最近邻法则得到仪表分类结果。

3、但是上述专利中存在：仪表采集图像未进行初步处理，且用彩色图像处理通道多，计算量大，需要的图像滤波器也多，计算机在进行识别时，存在大量的无用信息和误导信息，这些信息不仅会占用大量的资源，而且会降低识别准确率，调参需要大量的时间且参数也较多，其次在训练模型时并未确定采集图像内容的准确性，这样会造成算法模型偏差教大，未对图像进行噪声处理，采集的图像容易受到干扰，尤其是边缘化处理精度不足，同样会造成算法模型不准确。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、为解决上述技术问题，本发明的主要目的在于提供一种基于计算机视觉的特种设备仪表识别系统，包括：

3、图像数据采集模块，包括用于采集图像的图像采集单元，用于对光线进行补偿和削弱的光线处理单元，用于对采集的图像数据进行汇总和存储的数据存储单元；

4、图像区域识别与定位模块，包括用于对图像特征值进行初步处理的特征值计算单元，用于接收处理好的图像特征值并对图像识别区域进行定位的定位单元；

5、图像处理模块，包括用于对定位完成的图像进行预处理的预处理与补偿校正单元，用于对图像边缘进行检测的边缘处理单元，用于对仪表内字符进行提取的内容提取单元；

6、场景拟合模块，用于对提取的内容与环境进行拟合；

7、设备图像输出模块，用于将采集并处理好的数据进行输出；

8、图像预测模块，用于对仪表图像处理进行预测。

9、作为本发明一种基于计算机视觉的特种设备仪表识别系统的一种优选方案，其中：

10、通过所述图像采集单元对特种设备仪表整体图像进行采集；

11、通过所述光线处理单元对图像光线进行光线补偿和光线削弱；

12、所述光线削弱对光线进行降噪作为高频信号；

13、所述光线补偿为图像增强作为低频信号；

14、通过改进的同态滤波器对高低频信号进行处理，表达式如下所示：

15、

16、其中，为同态滤波器函数，为频率信号增益参数且可调，e为指数常数，为相频域μ轴系数，μ为实时采集的相频域轴信号，为相频域轴系数，为实时采集的相频域轴信号；

17、所述数据存储单元用于存储图像数据，用作图像预测模块建立仪表识别内容算法模型的数据基础。

18、作为本发明一种基于计算机视觉的特种设备仪表识别系统的一种优选方案，其中：

19、所述图像区域识别与定位模块接收经过图像数据采集模块采集并处理的图像，通过对处理后的图像的特征提取，对处理后的图像特征值进行计算；

20、所述特征值计算，表达式如下所示：

21、

22、其中，为特征值计算函数，e为指数常数，i为序数表示卷积核横向大小，j为序数表示卷积核纵向大小，b为误差补偿，为权重值，x为输入图像数据，n为序数取1,2,3...；

23、通过特征值计算汇总特征，统计并输出图像特征值平均值，进而得到整体图像的确定识别区域；

24、所述特征值平均值，计算表达式如下所示：

25、

26、其中，为特征值平均值函数，为第m个特征值，n为序数取1,2,3,...；

27、将确定识别区域作为候选区域，通过随机选取图像样本作为数据增强的样本输入，进而对候选区域进行进一步确定；

28、将图像进行旋转、位移、复频域转换计算得到同一图像不同状态的特征值，对特征值进行平均值计算，进而得到确定识别区域定位。

29、作为本发明一种基于计算机视觉的特种设备仪表识别系统的一种优选方案，其中：

30、所述预处理与补偿校正单元包括对图像数据进行灰度转换、高斯滤波；

31、所述边缘处理单元用于对图像边缘进行检测和处理；

32、所述对图像边缘进行处理包括图像降噪、灰度梯度整合、极小值抑制和三阈值筛选；

33、所述图像降噪通过高斯变换对输入参数进行变换，表达式如下所示：

34、

35、其中，为高斯变换矩阵，k为k个元素，n为序数取1,2,3,...，z为有数个元素的向量；

36、所述z的表达式如下所示：

37、

38、其中，x为输入图像数据，k为k个元素，为第k+2个输入向量，n为序数取1,2,3,...。

39、作为本发明一种基于计算机视觉的特种设备仪表识别系统的一种优选方案，其中：所述灰度梯度整合包括灰度提取和灰度整合；

40、所述灰度提取即找出图像灰度变化明显的地方，灰度变化明显的地方为图像边缘；

41、所述灰度整合即通过整合灰度变化明显的地方进而确定出图像边缘信息；

42、极小值抑制寻求像素点的局部最小值，并将极小值抑制所对应的灰度值设置为0；

43、所述三阈值筛选为选取3个阈值，若图像边缘信息小于低阈值的点，则为假边缘点，图像边缘信息强制抑制为0，若图像边缘信息等于中阈值点，则为弱边缘点，图像边缘信息置为非0非1的值，若图像边缘信息大于高阈值点，则图像边缘信息强制抑制为1，最终通过不断寻找新的边缘对边缘进行筛选，直至图像边缘点闭合；

44、所述弱边缘点通过边缘点补偿灰度对图像部分边缘进行清晰处理。

45、作为本发明一种基于计算机视觉的特种设备仪表识别系统的一种优选方案，其中：所述内容提取单元包括对边缘处理后的图像轮廓提取和轮廓遍历；

46、所述图像轮廓提取包括将处理后的图像轮廓进行轮廓从小到大排序并通过图形相似化对处理后的图像轮廓进行多边形逼近；

47、所述图形相似化计算表达式如下所示：

48、

49、其中，d为图像边缘到图像内任意一点的距离，为图像内任意一点横坐标，为图像内任意一点纵坐标，为图像边缘一点横坐标，为图像边缘一点纵坐标，n为序数取1,2,3,...；

50、通过设置阈值对图像轮廓进行筛选限制，进而确定特种设备识别仪表内容。

51、作为本发明一种基于计算机视觉的特种设备仪表识别系统的一种优选方案，其中：

52、所述对提取的内容与环境进行拟合，即根据数据存储单元存储的历史数据，对采集的仪表内容与环境进行比对；

53、对所述历史数据进行比对包括：若识别出的设备数据在历史数据阈值内，则输出至设备图像输出模块，若在历史数据阈值范围外则进行重新识别，若重复出现在历史数据阈值范围外，则进行报警。

54、作为本发明一种基于计算机视觉的特种设备仪表识别系统的一种优选方案，其中：

55、所述设备图像输出模块接收所述图像处理模块输出的提取的内容；

56、所述图像预测模块，通过可提取图像内容的数据库提取图像数据建立仪表识别内容算法模型，通过实时采集的图像内容对仪表识别内容算法模型进行修剪训练，并预测仪表图像处理。

57、一种基于计算机视觉的特种设备仪表识别方法，包括：

58、s1、采集仪表整体图像并对图像进行初步处理；

59、s2、对图像进行提取内容区域识别和定位，确保识别出提取内容的图像区域；

60、s3、对提取内容区域图像进行处理，得到提取的内容；

61、s4、对提取的内容进行环境比对，出错的内容进行重新识别，非正常的内容进行报警；

62、s5、对提取的仪表内容进行输出；

63、s6、通过实时采集提取图像内容对仪表图像处理进行预测。

64、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时，实现一种基于计算机视觉的特种设备仪表识别方法。

65、一种电子设备，包括：存储器，用于存储指令；

66、处理器，用于执行所述指令，使得所述设备执行实现一种基于计算机视觉的特种设备仪表识别方法。

67、本发明的有益效果：

68、采用改进高斯换边降噪可有效滤除图像中的高频噪声，通过设置图像轮廓相似多边形拟合可以实现多角度多姿态仪表设备内容识别提取，设置筛选阈值可以对不同值域进行分类处理，提高仪表识别精确度，通过建立图像处理预测模型，大大简化处理过程，增快图像处理进度，设置仪表提取内容检测单元，提高采集仪表内容的准确度，并通过场景拟合对异常数据进行报警，大大节约了人工成本且降低了人工处理的出错率。