您现在的位置: 首页> 研究主题> 指针式仪表

指针式仪表

指针式仪表的相关文献在1991年到2023年内共计516篇,主要集中在自动化技术、计算机技术、电工技术、机械、仪表工业 等领域,其中期刊论文176篇、会议论文13篇、专利文献2425444篇;相关期刊118种,包括计量技术、计量学报、仪表技术与传感器等; 相关会议13种,包括第十二届沈阳科学学术会议、全国电工仪器仪表标准化技术委员会第五届第二次全体委员会议暨2014第二十九届电磁测量技术、标准、产品国际研讨会、第四届电磁测量与仪表学术发展方向主题研讨会等;指针式仪表的相关文献由1474位作者贡献,包括吴怀宇、周登科、喻汉等。

指针式仪表—发文量

期刊论文>

论文:176 占比:0.01%

会议论文>

论文:13 占比:0.00%

专利文献>

论文:2425444 占比:99.99%

总计:2425633篇

指针式仪表—发文趋势图

指针式仪表

-研究学者

  • 吴怀宇
  • 周登科
  • 喻汉
  • 孔明
  • 陈镜宇
  • 冯海萍
  • 蔡丽仪
  • 赵军
  • 叶开明
  • 吕慧媛
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 郭宇强; 易映萍
    • 摘要: 为对处于复杂环境中的变电站指针式仪表进行示数识别,提出一种基于深度学习的指针式仪表示数识别方法。首先使用目标检测算法YOLOv3检测图片中仪表和仪表刻度值的位置,并使用基于LeNet-5网络的字符识别算法识别刻度数值;然后使用语义分割算法DeepLabv3+分割出仪表指针区域;最后使用角度法读取仪表示数。实验结果表明,该算法在不同光照、天气、背景环境中均可高效准确地读取指针式仪表示数,平均读数误差率小于3.5%,可满足变电站巡检机器人的日常巡检需求。
    • 张森; 万吉林; 王慧芳; 管敏渊; 杨斌; 李凡
    • 摘要: 目前关于指针式仪表图像读数识别的研究大多建立在指针线段检测的基础上,然而该方法流程较多、读数识别效率低。并且仪表图像校准、指针线段拟合等中间过程积累的误差容易使指针倾角偏离真实值。因此从另一角度对基于图像特征映射仪表读数的方法进行了研究,该方法的优势是流程短、效率高。首先构建了融合卷积注意力模块的双路异构卷积神经网络,强化了对仪表图像特征的提取,改善了特征的类型和分布,提高了仪表读数识别的准确率;然后采取了软区间分级回归的策略,极大地简化了模型的体积,使得模型易于部署;最后通过算例对比了所提方法和基于指针线段检测的深度学习、机器学习模型识别仪表读数的准确率和效率。算例表明,所提方法在仪表图像读数识别准确率和效率之间取得了较好的平衡。
    • 王欣艺; 景超; 张浩宇; 杨襄龙; 张兴忠
    • 摘要: 本文针对指针式仪表识别过程复杂,智能读取普适性低、实时性差等问题,提出了一种基于计算机视觉技术的指针式仪表快速读取示数的方法。首先对输入图像进行均值偏移滤波,平滑色彩细节、降低后续计算量;再通过双边滤波保边去噪,最大类间方差法(Otsu)选取阈值,进而二值化图像,然后应用基于Hough梯度法的Hough圆检测定位仪表盘质心;其次通过CTPN+CRNN网络读取开始刻度和最大量程的数值与位置,并且基于区域选择的概率Hough直线检测算法提取指针;最后利用角度法得到仪表示数。实验表明,读数的最大相对误差低于0.6%,平均识别时间为0.385秒,证明了该方法的有效性。
    • 杨典; 李小燕; 刘培焱; 刘丰硕
    • 摘要: 机器视觉和图像处理的发展为工业仪表识别的自动化智能化提供了基础。该文基于OpenCV的图像处理功能分别对两种不同种类的仪表进行示数识别。对于数字式仪表,利用图像处理分割表盘单个数字图片后,运用卷积神经网络进行数字识别;对于指针式仪表,先进行透视变换,获得正规圆形表盘后通过直线拟合以确定指针旋转角度,进而计算仪表示数。实际测试表明,采用该文的方法对实际拍摄仪表照片进行识别,准确度高,速度快,在变电站等工业仪表识别方面具有一定的应用价值。
    • 江涛; 陶健成; 范旭
    • 摘要: 为了提高集气站仪表读数的信息化程度、减少人力资源成本,应用机器视觉和深度学习算法对指针式仪表的自动读数进行了研究。首先,对图像进行预处理,对白天采集的图像使用双边滤波进行降噪处理,对晚间采集的图像使用单尺度Retinex进行增强处理;接着,使用Mask基于区域的卷积神经网络(RCNN)获取采集图像中仪表的具体位置;然后,使用连通域算法确定指针区域,使用查表法和累计概率Hough变换进行了指针的拟合;最后,对仪表的表盘进行了建模,结合指针得到仪表指示的最终示数。创新性地提出了一套针对指针式仪表的算法流程。利用上述算法流程对测试图像进行处理,仪表的人工读数和算法读数误差在0.5%以内,误差率达到了工业应用的要求,可以极大地减少人工读数的工作量。
    • 毛同松; 王维; 金文杰
    • 摘要: 目前变电站内包括SF6密度继电器、温控器等在内的指针式仪表仍然未能实现自动化数据读取。本文针对这类指针式仪表提出了一种数据自动监测方案。首先分析了指针式仪表的主要类别,分析了SF6密度继电器、主变温控器、压力表的功能特点、技术参数等。然后针对这类指针式仪表的主要技术参数,提出了数据自动检定装置的设计思路和原理,最后针对不同的仪表分场景说明了自动检测的技术特性。
    • 黄思远; 樊绍胜; 王子扬
    • 摘要: 针对变电站巡检机器人在室外进行指针式仪表读数识别时存在检测精度低和读数误差大等问题,提出了一种基于CenterNet和DeepLabv3+的指针式仪表读数识别方法。ECA-Net是一种不降维的局部跨信道交互策略和自适应选择一维卷积核大小的方法,在CenterNet的主干网络引入ECA-Net轻量级注意力机制模块,加强了不同通道之间的特征联系;在DeepLabv3+的ASPP模块并行连接DAMM双注意力机制模块,DAMM模块中的位置注意力模块能够有效模拟出图像位置间的长期上下文依赖信息,将不同局部特征信息连贯起来,提高了语义分割能力;DAMM模块中的通道注意力模块利用不同通道的相关类别特征间的关联性进行不同类别特征强化,提升像素分类精度;利用基于线性变换理论的椭圆透视变换和仿射变换来矫正畸变仪表图像,获取仪表正立图像,提高指针直线拟合角度的精确度,从而减小读数误差。使用该方法进行了大量的仿真与现场测试,结果表明,在仪表检测阶段,所设计模型的mAP比原始模型提高了7.51%;在仪表读数识别阶段,矫正前仪表读数预测值和仪表真实值之间的标称误差为6.0%,平均误差为4.2%,矫正后仪表读数预测值和仪表真实值之间的标称误差为2.0%,平均误差为1.3%,从而验证了所提方法的有效性。
    • 陈从平; 王钦; 姚威
    • 摘要: 提出一种指针式仪表自动读数算法。首先,通过刻度线两两求交点定位指针转动中心和部分刻度线,进而确定仪表区,并对仪表区进行空间变换;然后,结合投影、细化和线段检测等方法识别指针,接着搜索刻度线并对其分类,再根据主刻度线定位刻度值,经神经网络识别刻度值;最后,根据指针在相邻刻度线中的相对位置计算仪表示数。实验结果表明:该算法提高了仪表读数自动化程度,仪表兼容性更广泛,满足精度需求的同时实时性高。
    • 韩震峰; 李尧; 于振中
    • 摘要: 运用模糊理论为图像增强技术开辟了一条新的途径,但Pal模糊增强算方法因模糊域反变换时出现无解像素而降低了图像增强效果的品质。针对Pal模糊增强算法的不足,该文设定了新的隶属度函数执行像素修正增强处理,并通过适应性调整阈值参数,避免模糊域出现反变换无解像素,从而建立了一种新的改进Pal模糊增强算法。实验结果表明,对指针式仪表图像来说,改进Pal算法的增强结果的信息熵更丰富、峰值信噪比更高、边缘细节特征更丰富且均方误差更低,效果明显比Pal算法好。
    • 滕艳松
    • 摘要: 针对以往指针式仪表识别技术的缺陷,提出一种基于数字图像处理技术的识别方法。该方法基于霍夫变换原理,采用双阈值设置简化计算过程,实现了高效的指针式仪表自动识别。识别过程共分为原始图像灰度化、滤波、图像分割与细化3个步骤,能够很好地识别出指针所在的颜色区域。以灭火器指针式仪表识别为例,对这一识别方法进行验证,结果表明该方法识别快速、识别精度高,具有广泛的应用前景。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号