基于协同稀疏表示的仪器仪表识别方法.pdfVIP

ELECTRONICS WORLD 探 索与观察 ・ 基于协同稀疏表示的仪器仪表识别方法 国家电网陕西省电力公司检修公司 李小刚 山东鲁能智能技术有限公司 周 昊 国家电网陕西省电力公司检修公司 谭敏戈 任 海 国家电网宁夏省电力公司检修公司 李君宏 国家电网陕西省电力公司检修公司 张 辉 山东鲁能智能技术有限公司 房 桦 【摘要】 工业仪器仪表识别工作是工业自动化领域的一个重要项目内容，目前常见的识别方法主要有特征点匹配和模板逐像素比对 (模板匹配)，在实际应用中因仪表的种类繁多、场景复杂多变造成识别错误，误差较大；因此引入人脸识别领域中识别率较好的协同 稀疏表示分类方法，而协同稀疏表示分类方法相比传统稀疏表示分类方式，其速度得到大大提高并继承了稀疏表示分类效果好的特 点，经实验证明该方法能够有效提高仪表的识别正确率。 【关键词】 仪表识别；稀疏表示；协同稀疏表示；模板匹配；特征点匹配 性的表示，该线性组合包含了信号的绝大部分信息，即从一个 0 引言 “字典” 中选择某些基础信号来对输入信号进行线性表示。其扩 展到人脸识别领域，“字典”就是所有训练样本的集合，在每一 机械仪表相比电子仪表具有准确性高、耐用性好、适用条 类的训练样本充足的情况下，那么某个待测样本就可以用存于 件广的特点，被广泛应用于室外的检测场景。这导致相关工作 “字典” 内的与待测样本同类的训练样本进行线性表示。 人员需要利用人眼去现场进行仪表的巡查记录，耗时耗力，并 将算法推广到仪表识别领域可改写为：假设共有K类仪表 且在一些特殊天气会导致巡检困难，随着工业 自动化的发展， 参与了训练，读取每一个样本图像的二维信息并进行处理后， 更多的计算机技术被利用到更多行业，其中数字图像处理对于 将二维图像转化为一维的列向量形式。将第i类所有训练样本图 仪器仪表的自动巡检工作有着重大的推动作用。由此原先机器 像经拉伸处理组成矩阵的形式，就得到了下式： 视觉领域中的算法被应用到工业巡检的方案中。 (1) 在仪器仪表的识别问题上，应用最广泛的是逐像素模板匹配 式中， 表示第i类训练样本中的第j 个样本，其是由二维图 方法，该方法采用模板与现场图像进行逐像素的比对后得到一个 像转换的一维列向量， 表示第i类样本的总数，训练样本总数 [1] 最相似的区域，从而识别并定位出仪表 ；另一个方式是采用特征 为K ，因此转换的列向量大小是K维。那么我们称 为第i 点匹配的方式，首先对现场图像和模板图像的特征点进行计算并 类所有训练样本构成的一个训练字典，假设第i类训练样本足够 统计，分别对两组特征点进行匹配计算，最终得出最匹配的特征 多的话，那么任意一个来 自于第i类样本中的测试样本 ，都 点集，继而识别出途