基于DHNN的化工厂数显式仪表的数值识别

• 作者: 蔡佩征 牟星辰
• 来源期刊: 电子测量技术
• 关键词: Hopfield神经网络 图像处理 数显式仪表识别 机器视觉 MATLAB
• 年，卷（期）: 2020,（19）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 107-111
• 页数: 5页
• 分类号: TP2
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004667

摘要

为了保障化工厂数显式仪器设备的正常运行及故障及时检测、减少人力巡检的工作量,达到化工厂安全生产的要求,需要对带有数显式仪表的设备进行准确的读数检测.但化工厂仪表盘表面颗粒粗糙、灰尘堆积造成采集到的图像存在大量噪点,加之由于巡检机器人采集图像过程中的位置偏移,造成图像扭曲,对仪表数值的读取产生很大的影响,因此需要提高数显式仪表的数值识别精度.通过构建Hopfield三神经元网络模型进行仿真,并进行随机噪声检验,发现噪声水平在0.1及以下的识别效果最佳.通过对图像进行灰度化、降噪等预处理操作消除噪声,然后对仪表盘的数值区域进行定位、分割、校正、识别,实验结果表明,数值区域的平均识别准确率为90.15％,满足化工厂巡检机器人对数显式仪表的识别要求.