本方案共分为4层架构。最底层现场仪表是工厂已经有的,正常使用且需要采集示数的仪表。
第二层,拍照摄像头是专用的定时抓拍摄像头,针对恶劣工业环境而设计,可以定时拍照,并将图片上传到指定的FTP服务器,在本方案中,图片将上传到工厂本地内网服务器。
第三层,网络传输设备 是部署在工业现场的wifi路由器或交换机等网络传输设备。
最上层是仪表识别软件,定时读取仪表照片,并进行OCR图像识别,将识别后的数据存入指定数据库,例如MySQL SQLserver数据库。
关于识别识别算法简介:
针对采集的图像,一般采用先采用Gaussian Filtering进行图形降噪处理,针对预处理的图像采用Canny Edge Detection的方法做边缘检测,通过精确过滤各种非关键目标,找到仪表和面板的轮廓.通过Hough变换做仪表刻度和仪表指针检测,也可以通过Hough变换做液位的检测。对图像中需要做image classfition的目标,采用深度学习的方法,如数字识别,仪表样式识别还有自然场景下的文本位置检测等的。模型采用深度学习的中卷积神经网络模型CNN,根据图片的特征搭建不同的网络模型.
指针式仪表识别是主要针对指针式仪表,这是一个通过视频图像对工业仪表识别进行自动识别.
识别的流程是:采用一些特殊的方法来完成有效区域筛选以及仪表的指针定位,根据表盘中心到指针回转中心的连线与子表盘0刻度线的夹角等特征,计算出子表盘0刻度线与指针指向线段的夹角,进一步识别并判读出指针读数。实验结果表明,该定位及识别算法计算简单,具有较高的准确率,克服了表盘随机角度倾斜对读数识别算法的影响