论文部分内容阅读
机器视觉技术已经被广泛应用于工业生产、科学研究、生活服务等领域中。为了判断公司生产的仪表是否满足行业标准,需要将仪表送入计量院进行检测,并将送检的衡器的数字识别结果按照该行业的技术要求和标准读数进行对比,以判断衡器仪表数字读数是否准确。而数字采集过程一般是在电磁干扰、极端湿度和温度的情况下进行的,人如果靠近测量,会对人体产生一定程度的伤害,而且人在持续观察批量数据的时候易产生疲劳,从而影响对仪表数据准确性的判断。因此,开发出一套机器视觉衡器计量数据识别系统具有重要的现实研究意义和应用价值。本文重点研究了衡器计量数据的识别方法,开发了一套衡器计量数据识别系统,以验证衡器仪表图像处理和识别算法的可行性。主要工作有:设计了数据识别的软件流程,分别实现了对衡器仪表数字图像的采集,ROI选取,图像的预处理,倾斜数字垂直校正,数字分割和归一化的操作。其中图像预处理包括灰度化、二值化、反色、滤波和形态学处理操作。通过寻找数字最小外接矩形确定一张图片中所有数字的平均倾斜角度,对图片中所有数字逆向旋转该平均角度完成倾斜数字的垂直校正。对分割归一化后的字符进行识别。分别设计实现了基于穿线法和BP神经网络法的字符识别。其中穿线法用两条穿过数字的直线将数字平均分成上中下三个部分,用第三条穿过数字的直线将数字平均分成左右两个部分,通过数字与三条直线的交点个数来判断该数字的数值。穿线法虽然识别速度快,但其只能识别LED七段数码管数字。BP神经网络算法首先设计了网络,然后对设计好的网络进行批量样本训练,直到该神经网络进入到应用成熟阶段。BP神经网络算法能识别LED七段数码管数字和LCD显示屏两种数字,具有较好的适用性。小数点一般处在数字右下角的位置,本文还通过数字中小数点的位置特性对小数点进行了判断与识别。设计开发出一套基于机器视觉的衡器计量数据识别系统,并通过采集到的三种衡器数字图片验证了系统的识别效果和算法的可行性。实验结果显示,系统能实现LED七段数码管数字和LCD显示屏数字识别,表明所设计的机器视觉衡器仪表计量数据识别系统是有效的、可行的。