随着国内外智能监控行业和安防产业的发展,机器视觉越来越多地应用在人体行为及表情识别、PCB印刷电路检测、数字和指针仪表识别、产品外观检测、物流物品分类等诸多方面,机器视觉取代人工视觉进入各种领域,大大提高了人们的生产生活效率。在工业领域中,各类仪表如声级计、噪声剂量计、震动测量仪、压力表等在生产中发挥着重大的作用,这些仪表的示值读取通常采用人工方式,效率低、受主观影响比较大,极易产生误读,利用机器视觉来识别仪表示值非常有应用价值。基于上述形势和问题,本论文研究了机器视觉在仪表监控识别系统中的应用。论文首先介绍了机器视觉和仪表监控识别系统的研究意义和发展现状,接着对机器视觉各个组成部分做了详细的介绍和选型方法总结,然后分别介绍了本课题的硬件组成和软件平台,最后通过软件设计完成了对数字和指针式仪表识别的读数识别,并对识别的效果做了总结。通过研究工业应用中的几种数字式和指针式仪表的监控识别,本课题采用了具有优质性能的德国Basler工业摄像头获取图像,借助于微软的MFC、OpenCV、 pylon SDK开发工具实现系统的软件设计。其中本课题的重点是仪表识别的算法设计。系统首先使用机器视觉方法采集仪表的图像,然后利用数字图像处理技术对图像进行预处理操作(使用加权平均法进行灰度化、使用直方图均衡化进行图像增强、进行局部自适应二值化、用开闭操作进行形态学处理)；进而根据数字仪表表盘上的位置、长度、宽高比、轮廓等外观特征信息提取示值区域,对指针仪表使用霍夫变换提取圆形轮廓、定位出指针区域；最后使用图像分割技术将数字和指针分割出来,采用自定义模板匹配方法识别出字符、霍夫线变换检测出指针并计算读数。通过实际场景下的测试,本系统的识别速度和识别准确度均能够达到应用的要求,具有良好的应用价值。本课题所取得的突破和创新部分有如下几点：1.严格按照机器视觉的方法,提出了在仪表监控识别系统中选用照明光源、光学镜头、工业相机的规则或选型指南；2.通过研究和分析Basler工业相机的视频存储格式,成功找到将YUV422格式转换为OpenCV中使用的Mat格式的方法,奠定了使用OpenCV进行数字图像处理的基础；3.设计出一种特征提取方法——基于相对位置、局部长度、宽高比、区域面积的目标轮廓提取方法,实现了感兴趣区域的定位。4.在指针仪表的识别中采用了角度法来读取指针指向位置的示数,即根据指针两端点坐标的连线与水平方向的角度、表盘的最小值和最大值来识别读数。