留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

全智能化压力表检定系统研究与实现

邓芋蓝 林飞振 林雁波 孙涛 黄锋

邓芋蓝,林飞振,林雁波,等. 全智能化压力表检定系统研究与实现[J]. 计量科学与技术,待出版 doi: 10.12338/j.issn.2096-9015.2024.0233
引用本文: 邓芋蓝,林飞振,林雁波,等. 全智能化压力表检定系统研究与实现[J]. 计量科学与技术,待出版 doi: 10.12338/j.issn.2096-9015.2024.0233
DENG Yulan, LIN Feizhen, LIN Yanbo, SUN Tao, HUANG Feng. Research and Implementation of a Fully Intelligent Pressure Gauge Calibration System[J]. Metrology Science and Technology. doi: 10.12338/j.issn.2096-9015.2024.0233
Citation: DENG Yulan, LIN Feizhen, LIN Yanbo, SUN Tao, HUANG Feng. Research and Implementation of a Fully Intelligent Pressure Gauge Calibration System[J]. Metrology Science and Technology. doi: 10.12338/j.issn.2096-9015.2024.0233

全智能化压力表检定系统研究与实现

doi: 10.12338/j.issn.2096-9015.2024.0233
基金项目: 广东省市场监督管理局科技项目(2023CJ04)。
详细信息
    作者简介:

    邓芋蓝(1996-),广州计量检测技术研究院工程师,研究方向:力学计量、机器视觉、自动化控制,邮箱:dengyl0913@163.com

    通讯作者:

    林飞振(1982-),广州计量检测技术研究院正高级工程师,研究方向:力学计量、自动化控制,邮箱:linfeizhen1314@163.com

  • 中图分类号: TB935

Research and Implementation of a Fully Intelligent Pressure Gauge Calibration System

  • 摘要: 为提升压力表的检定效率并减少读数误差,研制了一套全智能化压力表检定系统,该系统由一体化AI识别模型、控制软件和检定装置组成,实现了压力表检定流程的全智能化、自动化。系统的识别模型是基于深度学习网络框架,融合YOLO检测模型、 Paddle OCR模型、文本分类器以及相邻角度读数算法组成的一体化AI模型,不仅可识别压力表图像中指针的读数信息,还可识别压力表的生产厂家、生产编号、精确度等级和单位等基本信息;控制软件基于多线程、异步通信的结构而设计,支持同时与检定装置的多个硬件通信,控制多个压力表同时检定,且支持检定图像和数据的保存,便于后期复核和追溯,还支持将检定结果同步至OA系统,自动化打印检定证书。通过实验验证,结果表明该系统能够准确可靠地同时检定1~6台压力表,相比于人工检定和其他自动化检定系统,该系统智能化程度更大、检定效率更高、读数误差更小,具有实际应用和推广意义。
  • 图  1  压力表示值检定连接示意图

    Figure  1.  Schematic diagram of the pressure indication value calibration connection

    图  2  全智能压力表检定系统整体框架设计图

    Figure  2.  Design diagram of the overall framework of the fully intelligent pressure gauge calibration system

    图  3  全智能压力表检定装置

    Figure  3.  Fully intelligent pressure gauge calibration device

    图  4  控制软件架构图

    Figure  4.  Control software architecture diagram

    图  5  压力表全智能检定系统控制软件的查询界面

    Figure  5.  The query interface of the control software for the fully intelligent calibration system of pressure gauges

    图  6  一体化AI模型的整体框架图

    Figure  6.  The overall framework diagram of the integrated AI model

    图  7  相邻角刻度线赋值方法

    Figure  7.  Adjacent corner scale line assignment method

    图  8  不同光照强度下压力表的图像

    Figure  8.  Images of pressure gauges under different light intensities

    表  1  一体化AI模型在不同光照强度下的实验结果

    Table  1.   Experimental results of integrated AI model under different lighting intensities

    型号 光照强度 生产厂家 生产编号 单位 精确度等级 示值 准确率
    弱光95.78%
    正常光97.43%
    强光96.89%
    弱光96.33%
    正常光98.56%
    强光96.57%
    弱光95.06%
    正常光96.12%
    强光×××84.25%
    弱光82.63%
    正常光95.32%
    强光×××93.94%
    下载: 导出CSV

    表  2  本文所提出的系统与其他自动检定系统相比结果

    Table  2.   Comparison of the proposed system with other automatic calibration systems

    检定系统 功能特性 识别
    准确率
    检测
    速率
    是否
    自动装卸
    是否
    自动检定
    是否
    保存数据
    是否
    自动出证
    同时
    检定个数
    系统①[1] × × 1 93.77% 12.4 min
    系统②[4] × × 2~10 91.49% 8.2 min
    本文系统 1~6 96.51% 6.8 min
    下载: 导出CSV
  • [1] 连兆杰. 基于机器视觉技术的指针式压力表检定系统的研究[D]. 沈阳: 沈阳工业大学, 2016.
    [2] 石孟曦. 基于机器视觉的指针式压力表读数识别算法研究[D]. 兰州: 兰州交通大学, 2022.
    [3] 杜静. 指针式压力表视觉识别技术研究[D]. 大连: 大连工业大学, 2020.
    [4] 伍开宇, 朱海清, 沈晓东, 等. 基于机器视觉的指针式压力表智能检定系统研究[J]. 计量学报, 2022, 43(11): 1450-1455.
    [5] 林鸿正, 张斌, 赵成龙, 等. 基于深度学习的指针式压力表读数方法研究[J]. 现代电子技术, 2024, 47(7): 165-169.
    [6] 卢建. 基于视觉检测与相机定位的指针式压力表自动检定系统研究[D]. 镇江: 江苏大学, 2023.
    [7] 熊伟丽, 周寰, 徐保国. 指针式压力表自动检定系统的设计与实现[J]. 传感器与微系统, 2009, 28(8): 105-107.
    [8] 李祖贺, 刘嘉, 薛冰, 等. 面向自动校验系统的指针式压力表读数识别[J]. 计算机工程与应用, 2016, 52(23): 213-219. doi: 10.3778/j.issn.1002-8331.1606-0079
    [9] 杜静, 魏鸿磊, 樊双蛟, 等. 基于HOUGH变换的指针式压力表自动识别算法[J]. 机床与液压, 2020, 48(11): 70-75. doi: 10.3969/j.issn.1001-3881.2020.11.014
    [10] 吴苓芝, 李天赋, 王传钦, 等. 指针式仪表通用读数识别方法及系统[J]. 工业控制计算机, 2024, 37(3): 10-12.
    [11] 李倩. 计算机视觉识别技术在压力表检定中的应用[J]. 计量技术, 2017(11): 58-60.
    [12] 吕张成, 张建业, 陈哲钥, 等. 基于深度学习的工业零件识别与抓取实时检测算法[J]. 机床与液压, 2023, 51(24): 33-38.
    [13] 王鹏. 弹性元件式一般压力表检定规程剖析要点研究[J]. 中国质量监管, 2024(2): 108-109.
    [14] 盛哲, 陈安德, 刘峰, 等. 机器视觉识别系统在空气呼吸器压力表检测中的应用[J]. 石油工业技术监督, 2018, 34(9): 30-34. doi: 10.3969/j.issn.1004-1346.2018.09.010
    [15] 刘晓洲, 龚演平. 基于图像处理的断路器压力表计识别技术研究[J]. 技术与市场, 2019, 26(11): 102-104.
    [16] 屠岩. 高压多工位指针压力表智能检测系统研究[D]. 无锡: 江南大学, 2023.
    [17] 高华宙. 指针式仪表读数自动识别算法及系统研究[J]. 机械管理开发, 2023, 38(1): 93-95.
    [18] 韦桂樱. 基于机器视觉与检定软件的压力表自动检定装置[J]. 轻工标准与质量, 2022(5): 63-65.
    [19] 苏一鸣, 杨水旺, 张琦, 等. 基于LabVIEW机器视觉的压力表自动化检定装置设计[J]. 计测技术, 2020, 40(1): 57-60.
    [20] 卓海波. 基于刻度线特征的指示表读数智能识别方法[D]. 呼和浩特: 内蒙古工业大学, 2020.
    [21] 林飞振, 梁伟龙. 20MN双泵液压控制系统的研究[J]. 机床与液压, 2021, 49(8): 104-107.
    [22] 钟文斌, 林飞振. 机动车制动试验台动态校准装置[J]. 自动化与信息工程, 2019, 40(3): 12-15.
    [23] 白俊卿, 常文文, 程国建, 等. 基于改进的YOLOv7油田井场压力表小目标识别[J]. 西安石油大学学报(自然科学版), 2024, 39(2): 120-127.
    [24] 石孟曦, 张文红, 张磊, 等. 基于LSD和改进YOLOv2的压力表识读方法[J]. 计算机仿真, 2023, 40(5): 284-288,294. doi: 10.3969/j.issn.1006-9348.2023.05.052
    [25] 张倬, 汤灏, 罗高, 等. 基于深度学习的自校准雷达测速系统的研究[J]. 计量科学与技术, 2023, 67(10): 8-18,76.
    [26] Hussain M. Yolov1 to v8: Unveiling each variant–a comprehensive review of yolo[J]. IEEE Access, 2024, 12: 42816-42833. doi: 10.1109/ACCESS.2024.3378568
    [27] Kang L, Lu Z, Meng L, et al. YOLO-FA: Type-1 fuzzy attention based YOLO detector for vehicle detection[J]. Expert Systems with Applications, 2024, 237: 121209. doi: 10.1016/j.eswa.2023.121209
    [28] Deng Y, Teng S, Fei L, et al. A multifeature learning and fusion network for facial age estimation[J]. Sensors, 2021, 21(13): 4597. doi: 10.3390/s21134597
    [29] Lu Z, Du C, Jiang Y, et al. Quantitative evaluation of deep learning frameworks in heterogeneous computing environment[J]. CCF Transactions on High Performance Computing, 2024, 6(1): 94-111. doi: 10.1007/s42514-023-00168-6
    [30] 张善华. 基于PaddlePaddle的钢板侧喷码识别技术研究与应用[D]. 济南: 山东大学, 2023.
  • 加载中
图(8) / 表(2)
计量
  • 文章访问数:  75
  • HTML全文浏览量:  48
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-07-03
  • 录用日期:  2024-07-22
  • 修回日期:  2024-08-26
  • 网络出版日期:  2024-09-04

目录

    /

    返回文章
    返回