祝长生, 张成元, 徐亚超

(山东科技大学智能装备学院，泰安 271019)

计量是国民经济的一项重要技术基础，数字式温湿度计的计量检定是计量工作中的一项重要内容。目前，很多温湿度检定仪还没有计算机接口，需要人工读取仪表示数，做出检定结果。为了实现这类仪器的自动化监测，需要加装机器视觉设备，通过工业相机定时拍摄仪表数字显示区域，利用计算机进行图像采集和处理识别，实现仪表示数的自动读取，进而比较表盘示数与实际温湿度的误差，判定被检定仪表是否合格。在此过程中，数字式仪表示数的图像处理与识别算法是温湿度检定仪实现自动化监测的关键所在。数字式仪表示数读取主要包括数字分割和数字识别两个部分，其中数字识别的研究是最为关键的步骤。

目前，中外的研究人员已经提出了一些有较高实用价值的数字识别算法，如王荣本等[1]为了满足自动导引车(automated guided vehicle，AGV)对数字准确、快速识别的要求，提出了基于反向传播(back propagation，BP)神经网络的数字识别方法，该方法具有良好的自学习能力，但是需要大量的数据进行训练；宋晓茹等[2]提出了基于深度神经网络模型的手写体图像识别方法，让机器自动学习特征，通过改进成本函数，提高了手写数字识别的识别率，但深度学习算法对硬件配置要求较高；张艰等[3]利用水平和垂直投影方法对分时电表表盘数字实现了精确定位分割，但是该方法对拍摄的光照及亮度有较高的要求，容易受噪声影响；……