[发明专利]一种自动读取指针式仪表读数的方法

说明书

本发明公开了一种自动读取指针式仪表读数的方法，包括：图像采集，利用拍照设备拍摄含有仪表正面的图像作为训练样本；样本制作，将采集的图像通过人为标定制作出仪表部分的图像作为正样本，并随机生成背景部分的图像作为负样本；图像特征提取，从正负样本中提取出数字特征作为训练集；训练分类器，基于训练集得到训练后的分类器，对于新输入的图像，利用分类器SVM预测仪表最可能的位置并提取出仪表图像；图像预处理，将提取到的仪表图像通过图像处理的方法去除掉阴影等干扰；识别仪表的指针和表盘，获取指针的角度和位置信息；利用指针的信息获取读数值。

技术领域

本发明属于机器学习和计算机视觉技术领域，尤其涉及一种自动读取指针式仪表读数的方法。

背景技术

随着机器学习和机器视觉的快速发展，如今计算机理解图像内容变得越来越重要。2016年，图像数据占据了整个互联网的85％。而庞大的信息量依靠人力去处理无疑是一项花费大而收益小的工作，让计算机自己能够识别图像内容才是合理的处理方式。在电力设备中，对仪表读数的监控很重要，仪器如果处于非正常状态会产生严重后果。但是如果单单靠人员去巡检、读数则在效率上和人力消耗上都很成问题。如果能找到一种方法能够通过计算机直接识别含有仪表的照片中仪表的读数，那么巡检人员只需要拍摄到含有仪表的照片就可以自动获取读数，而不需要走到近处再人工去读数。

指针仪表的结构简单，方便维修，精度较高，且可抗电磁等干扰，在如今的测试和控制系统中广泛应用，因为其没有数据接口功能，所以一般都使用人工读数的方法，但是这样无疑是一种劳神费力的工作，人工读数的方式效率低下，而且长时间读数会产生视觉疲劳，容易产生误判，所以对于指针式仪表的自动读数识别一直是一个被长期研究的问题。目前很多方法都逃脱不了对仪表图像要求的严格，首先是要求图像清晰度高，而且没有要有合适的光照以及很少的背景干扰，可以很容易将指针和表盘分开，并且可以获取刻度，但是实际应用中很难达到这种条件。但是目前很多研究都是基于精心准备的实验数据，而很少有研究在真实现场的指针式仪表读数识别问题。

所以为了实用性，减轻指针式仪表读数的人力消耗，急需一种能够应用在现实场景中的自动读取指针式仪表读数的方法。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种自动读取指针式仪表读数的方法。

通过本发明方法构建的指针式仪表读数方法，旨在通过一种自动化的手段，将传统的人工读取指针式仪表读数转化为采集包含仪表的图像，并基于特征提取、SVM(支持向量机)分类和图像处理的方法进行自动读数的问题。

技术方案：一种自动读取指针式仪表读数的方法，提出了一种在采集到包含仪表正面部分的图像的情况下通过机器学习和机器视觉方法自动化读数的解决方案，具体包括以下步骤：

步骤1，图像采集及预处理：采集含有仪表正面的图像作为输入图像，读取图像中仪表的示数，并对图像进行颜色空间转换和尺寸变换；

步骤2，分类器的训练：通过预先采集的含有仪表正面部分的图像，人工选取正好含有完整仪表的窗口为正样本，再随机生成若干不含仪表部分的背景窗口作为负样本，由于图像是由庞大的像素点信息构成，为了利用图像进行训练和对图像分类，需要对图像提取数字特征。将正负样本尺寸归一化并提取梯度方向直方图HOG(Histogram of Gradient)特征，作为输入向量，使用线性支持向量机C-SVM(Support Vector Machine，支持向量机)进行训练获得分类器；

步骤3，获取仪表部分图像：对步骤1中采集的图像使用滑动窗口，提取每个窗口的梯度方向直方图HOG特征，并使用训练完成的分类器评估每个窗口的得分，选择最优的窗口作为仪表部分的窗口输出，从而得到仪表部分图像；

步骤4，图像的预处理：从步骤3获取的仪表部分的图受到光照、阴影等干扰因素影响，增加了读数的困难，对步骤3得到的仪表部分图像进行直方图均衡化和滤波等操作，得到灰度图，获取更加容易读数的图像；