您的当前位置: 首页 > 产品中心 > 温度仪表

产品参数

产品名称:一种依据SVM的数字外表显现值辨认办法

发布时间:2022-09-04 15:39:50

来源:华体会网页登录入口

产品型号:温度仪表

产品介绍

  数字外表辨认在工业中使用广泛,但各种外表不同较大,办法也不同许多。在此提出了一种数字外表显现值的快速辨认办法,该办法首要由核算机主动定位切开图画中的数字区域,并完结了单个数字的切分,然后依据数字特色,立异性地改进了特征提取办法,对每个数字图画提取了一组具有较高区分度,且核算简略的典型特征。终究,依据SVM辨认,结构了一种数字辨认器,完结了外表显现值的实时辨认。

  结构简略,使用方便,已广泛使用于科学实验和出产中。为了进步检定功率、检定精度,完结主动化检定是十分必要的。因为数字外表的检定是一项大批量、重复性的检测进程,其操作进程简略、标准,外界环境要求不高,这为其完结检定主动化供给了有利条件。近年来核算机视觉技能和数字图画处理技能的不断发展,为满意上述要求供给了或许。使用摄像机完结表盘及布景图画的收集,并将其转换成数字信号,然后使用数字图画处理技能完结要害操作,完结数字外表的主动检定,进步了检定精度、出产功率、降低了出产成本。本文开发的外表显现值主动实时辨认系统首要包含:图画预处理、特征提取和数字辨认3部分。其间数字辨认是要害一环,首要选用了学习理论中的支撑向量机办法。学习理论是一种研讨有限样本状况下机器学习性质和规矩的理论。在这一理论下发展出的一种通用的形式分类器支撑向量机,因为与传统的形式辨认办法比较,具有推行能力强,能确保大局最优等长处,这使得支撑向量机技能在数字辨认系统中有很好的使用远景,因此引起了国内外学者的极大爱好。支撑向量机通过结构危险最小化原则和核函数办法,较好地处理了形式分类器复杂性与推行性之间的对立,因此也引起了形式辨认范畴学者的极大重视。

  外表显现值主动实时辨认系统的流程:首要,由摄像头获取外表显现的视频帧;然后,将视频帧进行灰度变换,二值化得到二值图画;再通过边际检测,操作微分直方图,核算表盘水平缓笔直投影,进行峰谷剖析定位出数字区域,并切分出单个数字的二值图画;对单个数字的图画进行特征提取,得到一组特征;终究,将特征送入辨认器进行辨认。

  数字外表在检定进程中,首要要定位表盘区域,然后确认数字方位。摄像头提取图画后,通过灰度变换(见图1)和二值化(见图2),其作用将对后续的数字切分和特征提取发生直接的影响,其间二值化是图画预处理的要害环节,在实践使用中受室内灯火及外表屏幕本身亮度等要素影响,图画中往往存在灰度散布不均和灰度骤变的状况。本文选用了OTSU算法,依据最大方差二值化取得杰出的二值图画,这儿首要为了提取表盘区域。通过标识连通区域,连通区域的外接矩形,然后依据外接矩形的长与宽定位数字外表的显现区域。本文选用了一个8连通区域提取算法。首要依照必定的标号规矩扫描图画,得到必定数量的连通区域;然后针对同一区域内标号不一致的状况进行处理,即得到终究处理成果。

  表盘区域切开之后,持续切开数字区域。在实践使用中,摄像头是固定的,数字的显现区域在图画中的方位、巨细等是根本类似的。本文依据数字外表显现屏幕的特色,选用投影法找到显现屏的边框。图画中数字区域的精确认位切开是完结外表显现值辨认的重要条件。在表盘的二值图内,先通过边际检测,使用微分直方图进行数字切开,图3为水平投影后的直方图。

  通过水平投影将图画切开成上、中、下3部分。对中部数字区域的二值图画从上到下逐行扫描;获取到图画的水平投影图。使用行间间隔构成的水平投影空隙,即可将各数字行切开开来,如图4所示,然后提取中部截图,再对中部数字区域做笔直投影,如图5所示,核算峰谷能够将单个数字切开出来。字切开是从行切分后,得到的图画中将每一个数字切开出来,使用每行字符的笔直投影中字符之间的空隙即可将各个数字切开出来。

  因为数字具有显着的部分结构特征,因此本文选用一种非对称分块核算特征,作为表征数字的特征向量。办法如下:

  (2)将图片等分为35块,每块子图为10×10巨细,按式(1)核算每一块中布景点的散布特征;

  (3)将每一块子图的布景点核算特征作为一维特征向量,结构35维向量[a1 a2 a34 a35]作为支撑向量机的输入特征向量。

  依据支撑向量机的数字辨认支撑向量机(Support Vector Machines,SVM)依据结构危险最小化原则作业,能在练习差错和分类器容量间到达较好平衡,因此具有更好的功能,在形式辨认范畴有着广泛的使用。关于两类形式辨认问题,假定给定n个样本作为练习集:

  这儿yi=+1或-1,要找到一个最优超平面,使练习会集的点间隔分类面尽或许的远,也便是使M=2/‖‖最大的分类面便是最优分类面。关于线性可分的状况,要找到最优超平面:

  设[a1 a2 a3]为二次优化问题的解,能够证明解中只要小部分ai不为0,称对应的xi为支撑向量,ai是对应的Lagrange系数,b是常数(阈值)。所以最优超平面方程为:

  找出的支撑向量充沛描绘了整个练习数据集的特征,使得对SV集的线性分类等价于对整个数据集的分类,检测流程图如图6。所示。

  实验中选取了3组典型的样本,每组样本数200个,在PC机上进行了实验,成果如表1所示。每个样本有6或5个数字,其间3或4个是表明小时和分钟,2个表明秒钟。

  从表1能够看出,在二值化较好,数字明晰的状况下,辨认率到达了100%,对有细微点状噪声和细微断痕的样本,辨认率也很高,但对存在数字残损的样本,辨认率有所下降。就辨认时刻而言,整屏数字(6或5个数字)的识跗时刻小于200 ms,显着低于外表数字的最快改变时刻1 000 ms。

  首要研讨了数字式外表的主动判读办法,为外表盘上的外表完结主动辨认打下根底。首要对收集到的数字式外表进行预处理,首要包含图画灰度化、二值化、噪声消除等。参阅现有的数字辨认算法,本文首要选用笔直投影法来切开各个字符,然后对切开后的每个字符提取分块核算特征。终究用SVM练习样本完结相应数字字符辨认,终究判读出数字外表的读数。该办法算法简略,实时性高,可靠性好,是一种比较抱负且具有必定使用价值的辨认算法。

上一篇:现场外表日常巡检规程关键 下一篇:常用外表设备标准

Copyright ©2019 华体会网页登录入口版权所有  

技术支持:华体会网页登录入口