OE  >> Vol. 7 No. 2 (June 2017)

    基于金字塔匹配的智能电表屏幕缺陷自动检测
    Pyramid Matching Based Automatic Screen Defect Detection for Smart Meter

  • 全文下载: PDF(1006KB) HTML   XML   PP.77-85   DOI: 10.12677/OE.2017.72012  
  • 下载量: 556  浏览量: 920   国家自然科学基金支持

作者:  

隋晨红,王中训,张骏,贺鹏飞,范文强:烟台大学光电信息科学技术学院,山东 烟台

关键词:
屏幕缺陷字符检测高斯金字塔匹配多尺度Screen Defect Character Detection Gaussian Pyramid Matching Multi-Scale

摘要:

自动检测具有成本低、效率高的优势,逐步成为智能电表字符缺陷检测领域的主要趋势。然而,目前的自动检测方法依赖于字符分割的准确性,极易受屏幕倾斜、背景噪声或亮度不均的影响。为此,本文提出基于高斯金字塔匹配的自动检测方法。该方法无需字符分割过程,而是首先对模板图像中每个字符,线下提取其多尺度金字塔模板,然后对待检测的屏幕图像,利用快速模板匹配搜索其中的字符,最后依据字符个数判断屏幕是否残缺。研究结果表明:该方法能够避免图像质量的影响,快速、准确地检测屏幕缺陷。

Due to the advantages of low cost and high efficiency, automatic detection, instead of manual de-tection, will become the major trend for smart meter character defect detection. However, current automatic detection methods heavily rely on the accuracy of character segmentation. Moreover, they are easily influenced by the image quality, e.g., inclination, noise, and non-uniform intensity of the screen. To this end, this paper proposes a Gaussian pyramid matching based on automatic method without character segmentation. This method first proposes the multi-scale pyramid temples of the standard image. Then, the fast template matching is used to search the characters in the image. Finally, according to the number of characters detected, we can determine whether the meter has defection. Experiments on real meters show that the proposed method is not sensitive to the image quality, and can achieve fast and accurate detection of the screen defects.

文章引用:
隋晨红, 王中训, 张骏, 贺鹏飞, 范文强. 基于金字塔匹配的智能电表屏幕缺陷自动检测[J]. 光电子, 2017, 7(2): 77-85. https://doi.org/10.12677/OE.2017.72012

参考文献

[1] 王沛, 黄帅. 智能电表质量监控仍是关键[J]. 进出口经理人, 2012(6): 48-50.
[2] 李萌, 孙铁波. 基于机器视觉的食品包装缺陷检测研究[J]. 食品研究与开发, 2016, 37(24): 125-127.
[3] 管经纬. 基于机器视觉的工件自动分拣系统研究[D]: [硕士学位论文]. 上海: 东华大学, 2015.
[4] 白菲. 基于机器视觉的柑橘水果外形识别方法研究[D]: [硕士学位论文]. 北京: 中国农业大学,2005.
[5] Reid, J.F. and Litchfield, J.B. (1993) Machine Vision for the Detection of Defects in Foil Packages: Report on a Student Project. American Society of Agricultural Engineers.
[6] Sonka, M., Hlavac, V., Boyle, R., et al. 图像处理、分析与机器视觉[M]. 北京: 清华大学出版社, 2016.
[7] 梁伟建, 洪涛, 林笃盛, 等. 基于机器视觉的智能电表外观缺陷检测系统设计[J]. 电测与仪表, 2013, 50(10): 64- 68.
[8] 张慧. 电表视觉检测的图像预处理技术研究[J]. 科技信息, 2011(13): 33-34.
[9] 梁伟建, 洪涛, 林笃盛, 等. 基于机器视觉的智能电表外观缺陷检测系统设计[J]. 电测与仪表, 2013, 50(10): 64- 68.
[10] 阮春雷, 姚明海, 黄磊. 基于计算机视觉的电能表检测系统[J]. 计算机系统应用, 2013, 22(2): 57-60.
[11] 谢钢. 基于机器视觉的智能电表自动化检测技术研究[D]: [硕士学位论文]. 绵阳: 西南科技大学, 2013.
[12] 王舒憬, 陈凯. 基于图像处理的智能电表显示缺陷自动检测系统设计[J]. 电测与仪表, 2016, 53(4): 63-68.
[13] 安博文, 胡春暖, 刘杰, 等. 基于Hough变换的海天线检测算法研究[J]. 红外技术, 2015, 37(3): 196-199.
[14] 杨振亚, 白治江, 王成道. 自适应Canny边缘检测算法[J]. 上海海事大学学报, 2003, 24(4): 373-377.
[15] 谢钢, 林茂松, 代彦辉. 低对比度下的智能电表液晶屏外观检测研究[J]. 计算机工程与应用, 2014, 50(2): 247- 251.
[16] Watson, A.B. (1989) A Hexagonal Orthogonal-Oriented Pyramid as a Model of Image Representation in Visual Cortex. IEEE Transactions on Biomedical Engineering, 36, 97-106. https://doi.org/10.1109/10.16453
[17] Yan, L., Wang, R., Zhen, C., et al. (2016) Spatial Pyramid Covariance-Based Compact Video Code for Robust Face Retrieval in TV-Series. IEEE Transactions on Image Processing, 25, 5905-5919. https://doi.org/10.1109/TIP.2016.2616297
[18] 南颖. 交通安全地理信息系统的开发[J]. 延边大学学报: 自然科学版, 1997(2): 39-44.
[19] 桑农, 张天序, 曹治国. 基于神经网络的边缘强度互相关匹配可信度分析[J]. 中国图象图形学报, 2000, 5(7): 580-584.
[20] 邢藏菊, 温兰兰, 何苏勤. 基于序贯相似性检测的NCC目标跟踪快速匹配方法[J]. 电子设计工程, 2015(3): 187- 190.
[21] 程良伦, 江伟欢. SMD缺陷检测中快速图像匹配算法研究[J]. 计算机应用与软件, 2010, 27(11): 117-120.
[22] 朱里, 李乔亮, 张婷, 等. 基于结构相似性的图像质量评价方法[J]. 光电工程, 2007, 34(11): 108-113.