1在传统的数字式仪表的采集与判读技术中，存在着采集方法通用性不强、判读自动化程度不高或精度较低的不足。首先，数据的采集大多是通过人工协作或设计硬件接口电路的方式得到各设备仪表的实时读数，在进行人工或自动化的解算。这种方法首先限制了数据采集工作的自动化程度；其次，硬件接口电路一般是针对某一设备进行设计，针对性很强，不具有通用性，在一定程度上增大了系统的成本，且使用不方便。其次，表盘数字或其他信息的判读技术需要人工干预，且精度难以达到令人满意的程度。针对这一问题，本文旨在利用视频输入设备的清晰成像和灵活通用性，设计一套基于视频采集技术的数字式仪表自动判读设备，通过计算机自动分析判读输入图像，进行各类仪表示值的判读。

在以往的数字式仪表自动判读技术中，主要研究的是指针式表盘的情形，可以根据二值化后的指针指向来判断表盘的读数，而对某些特殊类型的表盘，由于没有可判断读数的指针，只能通过表盘上的数字来读取表盘数据，这无疑增大了判读的难度。本文旨在针对这种类型的仪表表盘，结合实际应用背景，进行系统详细的分析。

2系统结构

系统结构主要包括数据采集设备、中心处理器、结果输出设备、数据存储设备等部分。

如所示。其中数据采集设备利用摄像头进行数据录取，可根据不同的应用需求选择不同分辨率的摄像头设备。对于需要多路数据采集的情况，该单元还应包含视频服务器。中心处理器负责整个算法的实现，以及摄像头云台控制等。处理结果输出设备主要由打印机、显示器等，可根据实际需要进行选择。数据存储设备用于存储处理前后的数据和图像信息。

3软件设计

在本研究中需要研究判读的数据仪表类型主要有：双表盘格式、指针式表盘格式、液晶显示器格式以及数码管格式。本文着重研究了双表盘固定指针仪表的自动判读算法，给出了该类型仪表示值自动判读的软件算法设计流程。如所示。需要注意的是，虽然算法流程图中左表盘和右表盘的处理方法大体一致，但在具体实现过程中，还是有所区别的，只是在原理上是一致的。

2中的图像二值化过程中，包含了图像二值化阈值的自适应取值操作。图像倾斜校正则是通过计算图像中左右两半部分的重心，两重心点之间连线的斜率即可看作图像的整体倾斜度，通过一定的坐标变换规则即可进行图像倾斜校正。为达到充分校正图像整体上下倾斜和左右倾斜的目的，在第一次校正图像上下倾斜后，将图像旋转90度，在进行一次上述的操作，即可完成对图像左右倾斜的校正，校正完毕后再旋转回来即可得到完全校正后的目标图像。为右边图像数据处理的详细流程。左半部分图像的数据处理方法类似。

4关键技术及算法特点

针对研究中遇到的具体问题，在仪表数字自动判读算法的研究与实现过程中，分别就不同的处理算法进行了适当的改进，实际的处理效果表明，这些算法可较好的满足本研究课题的需要。研究处理中所采用的主要技术及特点主要体现在以下几点：

4.1图像二值化阈值的自适应选取计算

本图像数据处理模块中，由于不能实时得到系统拍摄时的亮度信息或灰度信息，故从中心处理器的数据管理模块中读取的图像数据，在进行二值化操作时阈值的选取计算就显得非常必要。为保障和提高数据处理的自动化程度，本模块中采用自适应阈值计算的方法，利用改进的Ostu算法，快速实时地计算二值化阈值，取得了较好的效果。

4.2基于投影变换的数字提取技术

本数据处理模块是针对固定指针、双表盘的图像，两个表盘分别位于指针的两侧。如何快速有效地提取表盘上的数字就成为本算法模块的关键技术之一。首先考虑到摄像头视场为矩形区域，而表盘为圆形，而我们所关心的只是表盘中间部分的区域信息。

故通过设定一定的参数截取图像中间部分构成子图像，作为后续算法处理的基础。在该子图像的基础上，利用垂直投影算法将图像分割成左右两部分，以分别计算左右表盘的刻度数。通过交替运用水平投影和垂直投影技术，可将表盘上的数字分割提取出来，并在此基础上，进行数字的准确框化，以提高后续数字识别算法的准确性。

4.3指针坐标及表盘刻度线的确定

在实际条件下，指针并不是总指定在刻度线上，更多情况下，是位于表盘刻度线的间隔内，因此确定指针在表盘上的点同所识别刻度数字的刻度线之间的相对角度关系也是本算法模块中的关键所在。对于指针在表盘上的点的位置的确定可采用投影的方法，垂直投影可确定横坐标，水平投影可确定纵坐标。对于表盘刻度线的分布，本算法模块中提出了对圆环进行圆弧投影的方法，并且圆弧投影的半径和圆环的宽度均为自适应计算得到，无需人工干预。

4.4图像倾斜校正技术

在大多数情况下，待识别的表盘上的刻度数字并不是处于水平状态，这就需要进行数字区域图像的倾斜校正。在参阅相关文献资料的基础上，采用了斜率计算校正的方法。将待校正的数字区域图像划分为左右两部分，分别计算左半部分和右半部分的像素的重心，通过计算得到的两个中心点的坐标计算左右两半部分像素的斜率，根据此斜率进行相应的像素坐标变换，以得到校正后的图像。值得注意的是，在实际处理过程中，有时会出现校正后更加倾斜的情况，研究发现这种现象主要是由于数字区域图像存在着噪声干扰引起的，因此在进行倾斜校正前，进行必要的滤波处理（或进行更加准确的数字区域截取，当噪声干扰为较大块区域时）是必要的。

4.5基于协同神经网络识别算法的数字识别算法

数字识别技术一直是模式识别领域研究的热点，各种识别算法不断地被提出。在诸多算法当中，协同学识别算法是近年来得到广泛研究的方法之一，另外还有神经网络法、模板匹配法等。鉴于本算法模块中待识别的数字模式较少，数字的变形和模糊程度也相对较小，以及协同学模式识别算法中识别结果同序参量初始值相一致的特性，故选用协同神经网络模式识别算法作为本算法中数字识别模块的算法，并在研究过程中针对遇到的现有协同神经网络模式识别算法中存在的问题，提出了原型模式重构的改进算法，以满足计算的快速性和准确性的要求。实验研究表明，该方法取得了较为满意的识别效果，原型样本库较小，计算量较小、效率高。

5实验分析

利用前面介绍的系统结构设计和软件算法，进行了实验验证分析。实验条件为：采集的图像分辨率为；中心处理器采用P－III1.7G的PC机；算法实现采用Matlab7.01.

为采集到的实际图像。为进行二值化后截取中间表盘部分的图像。由图中可以看出经本文方法二值化得到的数字图像较为清晰，可以满足数字提取与识别得到需要。中给出了数字校正技术的应用结果。经过校正可减小模式识别算法中样本库中样本的个数，提高识别效率。采用圆弧投影技术得到的曲线中可以清晰的分辨出图像中刻度的标识情况和当前指针对应的位置。

利用基于协同神经网络的模式识别算法，得到的最终表盘刻度判读结果为：左边表盘为29.417，右边表盘为45.556.可见该识别结果的识别精度同表盘最小刻度相比要低1－2个数量级，完全可以满足实际应用的需要。通过多次实验，本文提出的算法在大多数情况下可以较好的判读数字式表盘，总的识别率可达到95％以上。

6结论

本文在设计了数字式仪表自动判读系统总体结构的基础上，详细分析了仪表示值自动判读算法的设计流程和特点。实验结果表明该算法在精确度上可优于仪表的最小刻度级，同时具有良好的实时性，可满足当前各领域中实际应用的需求。由于本文算法的实时性和准确度均较高，而且算法可推广到其它类型的表盘（如指针型表盘等），因此具有较高的推广应用价值。http://www.grainyq.com