数字仪表自动读取方法的研究开题报告

1. 研究目的与意义（文献综述）

随着计算机技术的飞速发展，机器视觉和图像处理也在不断发展与成熟。图像识别技术也应用到了生产生活的各个领域，利用人工智能和图像自动识别技术，可以利用机器代替人进行生产活动，将人从一些繁重、重复的工作中解放出来，大大提高了生产效率，给人们带来了极大的便利。比如已经投入使用的车牌自动识别、远程医疗和机械自动、半自动化等，这些无一不在方便人们的日常生活。[1]

随着现代社会经济与科学技术的快速发展,计算机视觉被越来越广泛地应用到人脸识别、工业产品外观测量、产品分拣、工业仪表识别等领域,以用来取代传统的人眼视觉识别。它显著缩短了人眼视觉识别的时间,提高了工业生产与人们日常生产生活的效率。[2]而在实际工业生产中,各式仪表诸如气压表、电力电表、噪声测量仪、等都有一个共同的特点:这些仪表通常位于一些人工不能久呆的极端环境中,或者位于使用人工读取数据成本偏高的偏远地区。如果采用人工读数的方式,不仅工作效率低,而且成本会很高,同时还容易产生不可控的误差。[6]因此采用计算机视觉代替人的肉眼的现实意义巨大。例如在电力系统中存在着大量的数字式仪表，这些仪表大多通过lcd或者led数码管进行显示数据。如果没有数据传送的接口，较难实现数据的自动采集。虽然现在电力系统中一般都装有遥视系统, 可以解决这个问题，但是在使用中需要依赖监控人员不停地监视，使监控人员长期处于繁重的工作状态，导致注意力下降。这样不仅容易丢失应有的报警，而且无法做到全方位的监控。利用图像识别技术实现系统监控对象的自动识别可进一步加强电力系统的自动化、智能化程度，为事故检测提供一种新的手段，实现故障预警等等。[5]

利用机器视觉和图像处理，可以对图像进行增强，增强图像的视觉效果，可以发掘出人类视觉中无法捕捉到的特征信息，实现图像准确识别。数字仪表自动识别技术就是利用python语言和opencv[3]结合起来的应用。利用仪表自动识别技术，自动获取仪表图像进行数字字符识别[4]，得到准确的仪表读数，将人从单一重复的读表工作中解放出来，不仅解放了劳动力，也保证读数的准确率，这在仪表广泛存在的当今社会无疑是具有重要的意义。[7]

2. 研究的基本内容与方案

（1）研究目标

根据毕业设计要求，通过python语言和opencv计算机视觉库等实现的识别数字的神经网络算法，整合对图像数据进行预处理的传统数字图像算法，完成基于要求的数字仪表识别设计。

（2）研究的基本内容

3. 研究计划与安排

第1 - 3周：收集、整理选题相关的文献资料，完成、完善方案论证，撰写开题报告；

第4 - 5周：认真学习选题相关的知识、理论和算法实现等，熟悉软硬件环境；

第6 - 8周：建立软硬件仿真模型、完成程序编写、仿真实验等，并做好相关记录及分析；

4. 参考文献（12篇以上）

[1]李素萍.基于图像处理的数字仪表识别技术[j].机电一体化,2013.06,84-86 90.

[2]肖佳.基于机器视觉的数字仪表自动读数方法研究[d].重庆：重庆大学,2017.

[3]林剑萍，廖一鹏.基于opencv和lssvm的数字仪表读数自动识别[j],微型机与应用,2017.02,37-40.