简论液晶显示数字仪表液晶显示识别设计

摘 要：随着生产智能化的发展，自动化设备广泛应用于工业控制、交通、生产领域。由于技术的进步以及成本的降低，液晶显示屏逐渐取代数码管，成为自动化仪表的关键显示设备，显示包括温度、湿度、指标、参数等重要数据。为了实现生产和监控的自动化，往往需要对仪表液晶显示屏的值进行识别。由于各类仪表液晶显示数值差别较大，数值识别方法各异，导致识别的成功率较低。本文研究自动化仪表液晶显示识别的技术现状，分析自动化仪表液晶显示识别的原理。研究中，根据自动化仪表液晶显示的特定字符，利用定位数字区域、数字特征提取和神经网络识别算法设计判定识别的方法。经实验仿真能够准确识别仪表的液晶显示区域的数字。
关键词：数字仪表；液晶；图象处理；数字识别；特征提取
中图分类号：TP391
随着生产智能化的发展，自动化设备广泛应用于工业控制、交通、生产领域。由于技术的进步以及成

论文大全www.udooo.com

本的降低，液晶显示屏逐渐取代数码管，成为自动化仪表的关键显示设备，显示包括温度、湿度、指标、参数等重要数据。为了实现生产和监控的自动化，往往需要对仪表液晶显示屏的值进行识别。由于各类仪表液晶显示屏显示差别较大，数值识别方法各异，导致识别的成功率较低。
近年来计算机视觉技术和数字图像处理技术的不断发展，提高了数值识别效率和精度。利用摄像机完成表盘及背景图像的采集，并将其转换成数字信号，然后利用数字图像处理技术实现关键操作，实现自动化仪表的数值自动识别，提高了数值识别效率和精度，大大降低了生产成本。

1 课题背景与技术简介

1.1 液晶显示识别概念。液晶显示识别是对自动化仪表中的液晶显示数值进行计算机识别，通过减背景、色泽分析方法进行字符的提取，用投影方法进行单个字符的分割，利用认知模型，分析采集的图像的数值信息。
1.2 液晶显示识别技术现状。自动化仪表液晶显示的广泛应用，使得液晶数值显示识别方法也逐步发展和进步。本文将对常用的液晶数值显示识别方法进行分析，常用的液晶显示识别技术有统计模式识别技术、结构模式识别技术与模糊模式识别技术。（1）液晶显示统计模式识别技术。该方法利用液晶数值显示属于同一类别的各个模式之间的差异来实现识别，主要的识别误差由环境噪声和传感器的性质所引起的，部分是模式本身所具有的随机性质。该方法利用液晶数值识别来表示液晶显示形状上稍有差异的字符时，不仅是由分布选中液晶数值识别对应的特征空间的值点，而是分布在特征空间的某个区域。该区域能够表示液晶显示点随机向量实现的集合。从直观上看在液晶数值识别中规定某种距离度量，两点之间的距离越小，它们所对应的模式就越相似。（2）液晶显示结构模式识别技术。该方法利用液晶数值显示的基本组成元素（基元）及其相互间的结构关系对液晶数值进行描述和识别的方法。该方法有效地图像特征信息表示液晶显示的结构信息，因此也常称为液晶显示结构模式识别。（3）液晶显示模糊模式识别技术。该方法主要对利用人工智能的理念，用思维现象对抽象事物进行识别主。当对液晶显示数值进行识别时，利用人脑思维认识模型，分析其在人脑中感官液晶显示的数值，并使机器能够学习这种认知方法。

2 仪表液晶显示识别原理设计

本文针对目前仪表液晶显示识别存在识别效率低、实现难度大的缺点，在上述识别方法的基础上，提出一种高识别率的仪表液晶显示值自动实时识别方法。该方法主要包括：定位特征区域、字符提取方法、数字识别算法。
2.1 定位数字区域。本文提出的方法首先对液晶屏的数字区域进行定位，定位过程包括粗定位与细定位。
（1）粗定位。首先把从液晶显示屏中采集的原始图像转换为灰度图，再求取其灰度能量图，依据直方图中的峰值能量，前后放宽5个能量级。
图1 采集的原始图与灰度图
图2 灰度能量图
再对比生成的灰度图与能量映射图。若特定灰度图中图点的能量值在液晶屏灰度级的范围内，则看作是显示数值区域，由此类推把映射图中相应的图点赋黑色值；否则看作字段区域，赋予白色值。根据能量映射图与灰度图对比效果，采用图像投影法，对液晶显示屏字段区域进行粗定位。
（2）细定位。在完成液晶显示数字区域粗定位后，对识别的数字区域进行从上到下的数字的按行统计。当能量映射图的水平投影有效图点的总数超过数字区域的1/2 宽度时，将记录此操作数字为起始行。通常为减少误判字段的开始位置的几率，再尝试向下操作若干行，检测设选定的特定行也有足够的图点总数，则可认为记录的行为数字区域的有效起始行，否则清除之前的操作，并选择向下查找起始行。确定起始行后，对于第二行、第三行直至边界区的行也可使用相同的方法。检测定每行的图点足够判定时，即可保障判定的判定记录的鲁棒性。完成横向方向的查找后，即可使用类似方法对数字区域进行局部垂直投影，从数字区域的垂直中线开始查找左右边界。
2.2 字符提取。本文采用的字符提取方法是基于减背景方法的字符提取。该方法首先提取数字区域中的前背景信息，把数字区域中的每个图点与背景模板中的图点作差运算，若灰度能量对比相对较少时，则判定选定的图点为背景区域，把该图点赋予白色值，灰度能量对比相对较大的图点保留原来的灰度。将数字区域中每个图点都与背景模板中对应的图点进行差值运算操作，得出的数字区域能够保留重要的判别信息。
2.3 数字识别。本文采用的数字识别技术是基于神经网络的数字识别技术，该技术对预先设定的每种输入参数组合都设定一个预期值。根据输入的参数组合，向构造的神经网络输入实际的识别模型，并由Input层经消息处理层向Output层传播。实际Output与预期输出之差即为误差。参照平方误差最小的认知规则，由Output层往消息处理层逐层修正连接加权。在送入神经训练网络前，对单个数值作归一化处理，并把数值存贮在一个16*16 的数组中，作为网络的Input层。

3 仿真及结果分析

本文在实验中采用分辨率为640×480的摄像头采集图像，其中分别采取了大量不同亮度，不同对比度的图像。
本文使用3层神经网络模型，对液晶显示的数字0-9进行识别。网络的Input为56维；隐含层为8个神经元；允许的Output误差在0.01-0.1之间。利用神经网络进行液晶显示数字的识别分2步完成。首先通过对液晶显示屏数字采集大量带有噪声的数字区域图，同时，构造神经网络，采集数字区域图所需时间较长。通过神经网络，将认知过程中得到的信息存储在矩阵中。进行数字识别时，直接调用这些连接权值，以此缩短识别周期。该方法具有很强的容错性。
自动化仪表液晶数字自动识别系统测试结果如下：考察样本集字符数为100；训练样本集字符数为600；识别率为94.58%；拒识率为5.42%。可以看出，系统实现了很高的识别率和较强的稳定性，证明了该算法对自动化仪表液晶数字符识别的可行性。
参考文献：
李衍忠，蔡英杰，姒强.DDS谱质分析及其杂散抑制研究综述[J].现代雷达，2000，22（4）：33-38.
申小阳，唐轶峻，姜柏军.仪表的数字字符识别系统[J].仪表技术与传感器，2005，6：55-57.
[3]严义，包健.一种实用视觉识别的仪表自动检定系统[J].计算机应用，2002，1：28-30.
[4]章毓晋.图像分割[M].北京：科学出版社，2001：67-70.
[5]周长发.精通VisualC++图像编程[M].北京：电子工业出版社，2000：31-118.
作者单位：四川师范大学成都学院，成都 611745