Анализ возможностей считывания показаний стрелочных приборов при помощи алгоритмов машинного зрения

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

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.

Об авторах

Михаил Владимирович Шляхов

Московский государственный технический университет им. Н. Э. Баумана

Автор, ответственный за переписку.
Email: tog23@mail.ru

магистр

Россия, Москва

Елизавета Олеговна Петренко

Московский государственный технический университет им. Н. Э. Баумана

Email: arbuzov41@mail.ru

доцент, кандидат технических наук

Россия, Москва

Список литературы

  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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».