|
Аннотация.
В статье рассмотрены способы и устройства, предназначенные для считывания и дистанционной передачи показаний стрелочных приборов. Рассмотрен спектр задач, решаемых при помощи инструментов машинного зрения, и оценена применимость их к поставленной задаче. Предложено использование алгоритма машинного зрения, интегрированного в мобильное приложение для считывания показаний стрелочных приборов.
Ключевые слова:
считывание показаний, стрелочные приборы, машинное зрение, machine vision, MV.
DOI 10.14357/20718632240408
EDN LVBJRI
Стр. 84-90.
Литература
1. Авторское свидетельство № 669193 A1 СССР, МПК G01D 18/00, G01D 5/39. Устройство для автоматического считывания показаний стрелочного прибора: № 2458853: заявл. 05.03.1977: опубл. 25.06.1979 / М. И. Белый, Е. В. Антонец, Г. А. Емельянов [и др.]; заявитель Ульяновский политехнический институт. – EDN JTWKME. 2. Патент № 2035746 C1 Российская Федерация, МПК G01R 35/00. Способ автоматического считывания показаний со шкал стрелочных измерительных приборов при их поверке: № 5021979/21: заявл. 02.12.1991: опубл. 20.05.1995 / С. К. Киселев, В. А. Мишин; заявитель Ульяновский политехнический институт. – EDN ZPJLOH. 3. Надвоцкая, В. В. разработка устройства считывания показаний бытовых приборов учета / В. В. Надвоцкая, А. А. Попов // Ползуновский альманах. – 2021. – № 4. – С. 113-115. – EDN HYCLVH. 4. Киселев, С. К. Использование тестового метода повышения точности измерений при автоматизированном оптическом считывании показаний щитовых стрелочных приборов / С. К. Киселев, Д. Г. Шабаев // Вестник Ульяновского государственного технического университета. – 2005. – № 1(29). – С. 44-46. – EDN REJVRL. 5. Machine Vision Based Traffic Sign Detection Methods: Review, Analyses and Perspectives / C. Liu, S. Li, F. Chang, Y. Wang // IEEE Access. – 2019. – Vol. 7. – P. 86578-86596. – DOI 10.1109/ACCESS.2019.2924947. – EDN RGDZSS. 6. S. Houben, J. Stallkamp, J. Salmen, M. Schlipsing, and C. Igel, ‘‘Detection of traffic signs in real-world images: The German traffic sign detection benchmark,’’ in Proc. Int. Joint Conf. Neural Netw., Dallas, TX, USA, Aug. 2013, pp. 1–8. 7. J. Greenhalgh and M. Mirmehdi, ‘‘Real-time detection and recognition of road traffic signs,’’ IEEE Trans. Intell. Transp. Syst., vol. 13, no. 4,pp. 1498–1506, Dec. 2012. 8. H. S. Lee and K. Kim, ‘‘Simultaneous traffic sign detection and boundary estimation using convolutional neural network,’’ IEEE Trans. Intell. Transp. Syst., vol. 19, no. 5, pp. 1652–1663, May 2018. 9. Манукян, Р. Л. Машинное зрение. Основные компоненты машинного зрения / Р. Л. Манукян, И. В. Петрашин // Современная наука: актуальные вопросы, достижения и инновации: сборник статей VII Международной научно-практической конференции: в 4 ч., Пенза, 05 июня 2019 года. Том Часть 2. – Пенза: “Наука и Просвещение” (ИП Гуляев Г.Ю.), 2019. – С. 295-297. – EDN HEJCRG. 10. P. Yakimov and V. Fursov, ‘‘Traffic signs detection and tracking usingmodified Hough transform,’’ in Proc. Conf. E-Bus. Telecommun., Colmar,France, Jul. 2015, pp. 1–7. 11. J. Greenhalgh and M. Mirmehdi, ‘‘Recognizing text-based traffic signs,’’ IEEE Trans. Intell. Transp. Syst., vol. 16, no. 3, pp. 1360–1369, Jun. 2015.
|
