一種基于SVM的數字儀表顯示值識別方法

數字儀表結構簡單，使用方便，已廣泛應用于科學實驗和生產中。為了提高檢定效率、檢定精度，實現自動化檢定是十分必要的。由于數字儀表的檢定是一項大批量、重復性的檢測過程，其操作過程簡單、規范，外界環境要求不高，這為其實現檢定自動化提供了有利條件。近年來計算機視覺技術和數字圖像處理技術的不斷發展，為滿足上述要求提供了可能。利用攝像機完成表盤及背景圖像的采集，并將其轉換成數字信號，然后利用數字圖像處理技術實現關鍵操作，實現數字儀表的自動檢定，提高了檢定精度、生產效率、降低了生產成本。本文開發的儀表顯示值自動實時識別系統主要包括：圖像預處理、特征提取和數字識別3部分。其中數字識別是關鍵一環，主要采用了學習理論中的支持向量機方法。學習理論是一種研究有限樣本情況下機器學習性質和規律的理論。在這一理論下發展出的一種通用的模式分類器——支持向量機，由于與傳統的模式識別方法相比，具有推廣能力強，能保證全局最優等優點，這使得支持向量機技術在數字識別系統中有很好的應用前景，因而引起了國內外學者的極大興趣。支持向量機通過結構風險最小化準則和核函數方法，較好地解決了模式分類器復雜性與推廣性之間的矛盾，因而也引起了模式識別領域學者的極大關注。