摘要：

本研究提出了一種創新的圖像處理技術，旨在實現對傳統模擬儀表的數字讀取。研究過程涵蓋了多個關鍵步驟：圖像預處理、表盤區域的精確提取、指針的精確定位、刻度線的準確識別，以及示數計算算法的精心設計和驗證。

研究的第一步是對原始圖像進行一系列預處理操作，包括灰度化、濾波、二值化和邊緣檢測，這些步驟為后續的指針和刻度識別奠定了基礎。接著，運用隨機霍夫變換技術對表盤區域進行精確定位，并進行裁剪處理。裁剪后的圖像再次經過預處理，利用形態學操作和霍夫變換技術提取出指針和表盤的主刻度線。

進一步地，通過K-means聚類算法對主刻度線的交點進行分析，以確定表盤的圓心位置。基于圓心的位置信息，識別出表盤的起始和終止刻度線。最終，利用角度測量法計算指針相對于起始和終止刻度線的位置，從而得出儀表的讀數。

在算法設計階段，首先在Matlab編輯中進行仿真模擬，確保算法的準確性和穩定性。仿真成功后，進一步使用Matlab的APP Designer工具對系統進行界面化開發，使其用戶友好且易于操作。開發完成后，將系統打包成可執行文件（.exe），以便于在不同平臺上使用。

本系統能夠實現對圓形指針式儀表的半自動化讀數，與人工讀數相比，系統的讀數結果具有較小的誤差，且在可接受的范圍內，這表明了該系統的有效性和實用性。

關鍵詞：機器學習、圖像處理、模擬儀表、數字讀取、APP Designer

1. 研究背景及意義

工業化與數據獲取：在工業化進程中，準確的數據獲取和分析對于提高生產效率和確保運行安全至關重要。指針式儀表的傳統作用：指針式儀表作為傳統測量工具，在現代化工業生產中仍具有其獨特的優勢，并在極端環境或電磁干擾等特定條件下不可替代。人工讀數的局限性：隨著生產自動化和智能化的發展，人工讀數方式的效率低下、數據準確性差和安全風險等問題逐漸顯現。

圖像處理技術的進步：圖像處理技術的發展為自動化捕獲儀表影像和精確定位指針位置提供了技術支持，有助于實現讀數自動化。提高效率與準確性：自動化的圖像處理技術可以顯著提升數據收集的速度和精確度，減少人為誤差。降低安全風險：通過減少人工干預，自動化讀數系統降低了因人工操作可能引發的安全風險。應用領域的廣泛性：該技術在電力、石油化工、城市管理和環境監測等多個領域具有廣泛的應用前景。推動技術發展：將深度學習等人工智能技術應用于示數讀取，可以顯著提升圖像識別的自動化和準確度。物聯網技術的結合：隨著物聯網技術的發展，結合圖像處理技術可以實現更加智能和靈活的數據采集與分析系統。

綜上所述，本研究旨在設計并實現一種基于圖像處理的模擬儀表示數讀取系統，以應對傳統人工讀數方式的不足，并利用現代技術推動工業自動化和智能化的進一步發展。

圖1 基于機器學習圖像處理的傳統模擬儀表數字讀取系統

1. 指針提取算法

指針提取算法是本研究的核心部分之一，其設計詳細步驟如下：

圖2 儀表指針提取方法流程

1. 圖像預處理：

RGB灰度化：將彩色圖像轉換為灰度圖像，通過特定的加權求和方法（如使用0.299R + 0.578G + 0.114B）來保留圖像的亮度信息，簡化后續處理。

圖像濾波：結合高斯濾波和中值濾波來去除圖像中的高斯噪聲和椒鹽噪聲，保留圖像特征的同時減少噪聲干擾。

1. 邊緣檢測：

用Canny邊緣檢測算法來識別圖像中的邊緣點，該算法通過多階段處理，包括梯度計算、非極大值抑制和雙閾值邊緣連接，以準確提取圖像中的邊緣特征。

1. 表盤區域提取：

利用隨機霍夫變換（Random Hough Transform）檢測圖像中的圓形特征，通過隨機抽樣和概率技術提高圓形檢測的效率，確定表盤的位置和范圍。

1. 指針骨架提取：

對表盤區域進行裁剪后，再次進行Canny邊緣檢測，然后使用形態學操作中的骨架提取技術（skel操作）來提取指針的中心線。

1. 形態學處理：

使用bwmorph函數中的spur操作去除骨架上的細小分支（毛刺），通過閉運算填補小孔洞和斷裂點，改善圖像連通性，然后去除長度小于指定值的毛刺，清理圖像噪聲。

1. 指針直線檢測：

應用霍夫變換檢測圖像中的直線，將每個點映射到參數空間，并找到參數空間中投票數最多的點，這些點代表了圖像中的直線。

1. 指針定位：

根據指針是表盤中最長直線的特征，從檢測到的直線中篩選出指針。通過比較直線的長度，選擇最長的直線作為指針的位置。

1. 算法實現與驗證：

在Matlab環境中實現上述算法，并通過仿真結果驗證指針提取的準確性。確保指針提取結果與實際指針高度擬合，滿足系統的識別要求。

指針提取算法的設計考慮了實際生產中圖像的復雜性，通過一系列圖像處理技術，有效地從背景中提取出指針，為準確讀取儀表的示數提供了基礎。

圖3 指針提取與識別結果圖

1. 示數讀取算法設計

示數讀取算法是本研究中將圖像信息轉換為可讀數值的核心部分。以下是對示數讀取算法設計的概述：

1. 起始、終止刻度線的提取：

主刻度線的初步提取：利用霍夫變換檢測直線，初步確定表盤上的主刻度線，這些刻度線是識別起始和終止刻度線的基礎。

1. 表盤圓心的確定：

K-means聚類算法：通過計算所有檢測到的線段的延長線交點，使用K-means聚類算法對交點進行分類，找出數量最多的簇中心，以此確定表盤的圓心。

1. 起始、終止刻度線的確定：

根據圓心和主刻度線的位置，通過計算角度和距離，篩選出起始和終止刻度線。這通常通過測量線段相對于圓心的角度，并找出角度差最大的線段來實現。

1. 角度法計算儀表示數：

極坐標轉換：將表盤圓心、指針位置、起始刻度和終止刻度的坐標轉換為極坐標系統下的角度值。

角度范圍計算：計算起始刻度、終止刻度和指針位置之間的角度差，確定指針覆蓋的總角度范圍。

指針偏移量計算：計算指針位置相對于起始刻度的角度偏移量。

最終示數計算：根據指針的偏移量和總角度范圍的比例，結合儀表的量程，計算出指針的實際示數。

1. 算法實現與驗證：

在Matlab環境中實現上述算法，并通過仿真結果驗證算法的準確性。與人工讀數結果進行比較，確保算法的讀數精度。

1. 用戶界面集成：

將示數讀取算法集成到用戶界面中，使用戶能夠通過簡單的操作，如點擊按鈕，來獲取儀表的讀數。

1. 系統測試：

對系統進行綜合測試，包括各個組件的功能性測試和整體流程的準確性測試，確保系統在各種條件下都能穩定運行并提供準確的讀數。

圖5 示數讀取結果

示數讀取算法設計通過結合圖像處理技術和幾何計算方法，實現了從圖像中自動提取和計算模擬儀表讀數的目標，為工業自動化和智能化提供了技術支持。

1. 系統開發與識別試驗

系統開發與實驗是將理論研究轉化為實際應用的關鍵步驟，以下是對系統開發與實驗的介紹：

1. 系統開發目標：

開發一個用戶友好的系統，該系統能夠實現對傳統模擬儀表的數字讀取，提供高準確度和高效率的自動化解決方案。

1. 代碼移植：

將Matlab編輯器中的仿真代碼移植到Matlab的APP Designer中，以創建圖形用戶界面（GUI），使得系統更易于操作和使用。

1. 用戶界面設計：

設計直觀易用的界面，包括必要的輸入控件、按鈕、文本框和顯示區域，使用戶能夠輕松地加載圖像、設置參數并啟動讀數過程。

1. 功能實現與封裝：

利用APP Designer的回調函數，將圖像預處理、表盤提取、指針定位、刻度線識別和示數計算等關鍵功能封裝成獨立的模塊。

1. 系統測試：

對每個功能模塊進行單獨測試，確保它們在集成到用戶界面后能夠正常工作。測試包括圖像加載、參數設置、一鍵識別等功能。

1. 性能驗證：

通過實際圖像的測試，驗證系統的識別準確性和響應速度。比較系統讀數結果與人工讀數，確保誤差在可接受范圍內。

1. 用戶交互優化：

根據測試反饋，調整用戶界面布局和交互邏輯，提高用戶體驗。確保系統提示信息清晰，操作流程直觀。

1. 打包與部署：

在APP Designer中將應用程序打包成可執行文件（.exe），以便在不同平臺上部署和使用，無需用戶安裝Matlab環境。

1. 擴展功能測試：

除了一鍵識別功能外，還提供了一系列輔助功能，如圖像預處理、表盤提取、指針識別等單獨步驟的測試，以便用戶在識別失敗時進行問題診斷。

1. 實驗結果分析：

分析實驗結果，評估系統的整體性能，包括識別準確率、處理速度和用戶滿意度，并根據結果進行必要的調整和優化。

系統開發與實驗階段是確保研究成果能夠轉化為實際可用技術的重要環節，通過這一階段的工作，研究者能夠提供一個成熟的產品，為工業自動化和智能化做出貢獻。

最后，有相關需求歡迎通過公眾號“320科技工作室”與我們聯絡。