基于智能機(jī)器人的儀表示數(shù)識(shí)別技術(shù)與系統(tǒng)研制.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，越來越多的領(lǐng)域開始使用智能系統(tǒng)。儀表識(shí)別技術(shù)作為一種智能處理技術(shù)，已被廣泛地應(yīng)用在工業(yè)領(lǐng)域上，且越來越受到人們的關(guān)注。
　　雖然國內(nèi)外學(xué)者對(duì)固定式儀表識(shí)別已經(jīng)有了大量的研究，但是對(duì)于非固定式儀表識(shí)別的研究還非常少。本文研發(fā)了基于智能機(jī)器人的非固定式儀表示數(shù)識(shí)別系統(tǒng)，它通過機(jī)器人搭載的攝像頭獲得儀表圖像，并實(shí)現(xiàn)多類儀表的示數(shù)識(shí)別。
　　本文主要工作包括儀表識(shí)別的算法研究和面向電力領(lǐng)域中非固定儀表識(shí)別的多類別

2、儀表示數(shù)識(shí)別系統(tǒng)的研發(fā)。
　　為解決非固定儀表識(shí)別中存在的儀表位置的隨機(jī)性問題，同時(shí)降低儀表識(shí)別難度，提高識(shí)別率，本文提出了基于儀表檢測(cè)、儀表配準(zhǔn)和儀表識(shí)別的計(jì)算模型。對(duì)于多類型的儀表識(shí)別難題，本文設(shè)計(jì)了基于儀表建模的識(shí)別方法，降低了識(shí)別算法的復(fù)雜性，提高了識(shí)別算法的精度和魯棒性，并實(shí)現(xiàn)了系統(tǒng)的通用性和兼容性。同時(shí)本文還對(duì)儀表識(shí)別算法中的若干方法做了相應(yīng)的改進(jìn)。
　　本文首先提出了一種基于結(jié)構(gòu)化支持向量機(jī)的儀表檢測(cè)算法。該算

3、法使用結(jié)構(gòu)化支持向量機(jī)作為分類器，充分利用了目標(biāo)與背景中其他物體的幾何關(guān)系，提高了檢測(cè)準(zhǔn)確率。同時(shí)算法使用限制對(duì)比度自適應(yīng)直方圖均衡的方法進(jìn)行圖像預(yù)處理，有利于減少光照等環(huán)境因素對(duì)圖像的影響。
　　其次，本文提出了基于SURF特征的圖像配準(zhǔn)算法。該算法通過SURF特征和BF算法進(jìn)行特征匹配，使用PROSAC算法進(jìn)行匹配對(duì)篩選。同時(shí)本文在特征點(diǎn)匹配算法上做了一定的改進(jìn)，包括限制配準(zhǔn)區(qū)域和對(duì)匹配對(duì)的預(yù)篩選。圖像配準(zhǔn)算法是后續(xù)識(shí)別算法的

4、依賴，對(duì)降低識(shí)別難度，提高識(shí)別精確度有較大的幫助。
　　接著，本文針對(duì)兩類常用的儀表類型提出了識(shí)別算法。其中指針式儀表識(shí)別基于預(yù)建模算法和圖像旋轉(zhuǎn)法。預(yù)建模算法充分利用了儀表模板的先驗(yàn)信息，降低了指針檢測(cè)的難度。圖像旋轉(zhuǎn)法通過旋轉(zhuǎn)圖像后在水平區(qū)域提取匹配樣本，相比直接旋轉(zhuǎn)搜索窗口，降低了難度和計(jì)算量。數(shù)顯式儀表識(shí)別算法通過KNN分類器識(shí)別數(shù)字。該算法充分利用先驗(yàn)信息進(jìn)行數(shù)顯區(qū)域的傾斜矯正和數(shù)字粗略定位，提高了數(shù)字分割的準(zhǔn)確性。算法