-
题名基于DHNN的化工厂数显式仪表的数值识别
被引量：2
- 1
-
-
作者
蔡佩征
牟星辰
-
机构
青岛科技大学自动化与电子工程学院
-
出处
《电子测量技术》
2020年第19期107-111,共5页
-
文摘
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。
-
关键词
HOPFIELD神经网络
图像处理
数显式仪表识别
机器视觉
MATLAB
-
Keywords
Hopfield neural network
image processing
digital display instrument recognition
machine vision
MATLAB
-
分类号
TP2
[自动化与计算机技术—检测技术与自动化装置]
-
