高雨翔，黃奇峰，蔡奇新

(1.江蘇省電力公司 電力科學(xué)研究院， 南京　211103; 2.國家電網(wǎng)公司 電能計量重點實驗室，南京　211103)

?

基于圖像處理技術(shù)的電能表外觀檢測系統(tǒng)

高雨翔1,2，黃奇峰1,2，蔡奇新1,2

(1.江蘇省電力公司 電力科學(xué)研究院， 南京211103; 2.國家電網(wǎng)公司 電能計量重點實驗室，南京211103)

為適應(yīng)智能電能表自動化檢定的要求，設(shè)計了由圖像處理技術(shù)完成外觀檢測功能的系統(tǒng)，實現(xiàn)了外觀檢查的自動化，解決了人工檢測方法工作量大、效果不佳的問題;系統(tǒng)采用高性能CCD相機完成圖像采集，確保圖像信息豐富完整；利用圖像平滑去噪、形態(tài)學(xué)處理等技術(shù)完成圖像的預(yù)處理，大幅降低后續(xù)比對的難度；運用基于高斯金字塔的混合配準(zhǔn)算法完成圖像配準(zhǔn)，最終實現(xiàn)待檢圖像與模板圖像之間匹配程度的檢測；該方法檢測時間短，正確率高，已成功應(yīng)用于省級計量中心電能表自動化檢定線，滿足生產(chǎn)需求。

圖像處理；外觀檢測；預(yù)處理；圖像配準(zhǔn)；金字塔

0　引言

為保證計量器具的準(zhǔn)確性與可靠性，電能表在用于計量之前都必須經(jīng)過一整套檢定項目的測試[1]，其中外觀檢查是檢定中不可或缺的一項。對于日益普及的智能電能表，其顯示用的液晶屏內(nèi)的展示內(nèi)容日趨復(fù)雜[2]，對液晶顯示屏是否合格的檢測成為外觀檢查中關(guān)鍵的一環(huán)[3]。傳統(tǒng)檢定流程中，采用人工肉眼觀察顯示頻是否完好、顯示是否正常、有無壞點等。由于人眼的識別率有限，主觀判別標(biāo)準(zhǔn)有差異等因素，這種方式勞動強度大，檢測正確率低[4]，不利于大規(guī)模集中化高效率檢定的實現(xiàn)[5]，因此電能表外觀檢查的自動化實現(xiàn)成為當(dāng)下最為可行的解決方法[6]。

本文設(shè)計實現(xiàn)了一種適用于電能表自動化檢定線的外觀檢測系統(tǒng)，采用圖像處理技術(shù)完成對智能電能表的外觀檢查。該系統(tǒng)采用中值濾波、灰度形態(tài)學(xué)的圖像預(yù)處理技術(shù)明顯地突出待檢區(qū)域的特征[7]，弱化干擾因素影響，將原始圖像變?yōu)楦m合機器處理的計算機圖像，運用基于高斯金字塔的混合配準(zhǔn)算法完成圖像配準(zhǔn)以快速并準(zhǔn)確地實現(xiàn)待檢圖像與模板圖像的空間對準(zhǔn)，確保了檢測的準(zhǔn)確性與效率。

1　系統(tǒng)組成及原理

執(zhí)行外觀檢查檢定項目時，首先對待測電能表外觀拍照成像，經(jīng)過預(yù)處理與圖像配準(zhǔn)，最后與預(yù)設(shè)的模板圖像對比判定是否符合要求并給出結(jié)果(見圖1)。

圖1　檢測流程圖

2　圖像處理技術(shù)

2.1圖像采集

待檢電能表被裝在工裝板上，經(jīng)由輸送線送進外觀檢查裝置，插針模塊插入電能表接線柱對其通電使指示燈與液晶顯示屏全部亮起，此時逐行掃描CCD相機對外觀進行拍照并將圖像存入采集卡中。

2.2圖像預(yù)處理

2.2.1濾波

系統(tǒng)采用CCD相機采集圖像，工作時，周圍的光照強度等環(huán)境因素?zé)o法保證完全穩(wěn)定，環(huán)境的變化或CCD傳感器自身的問題都難免會使圖像在采集和傳輸?shù)臅r候受到干擾，給圖像帶來噪聲，直觀的表現(xiàn)就是圖像中存在一些相對周邊圖像較為突出不協(xié)調(diào)的點塊[8]。為了圖像特征分析的順利進行，必須對圖像進行濾波以去噪。

常用的濾波方法包括均值濾波、雙邊濾波、中值濾波、維納濾波、高斯濾波、小波濾波等[9]，這些方法較為成熟并已得到廣泛應(yīng)用。其中，中值濾波對于濾除圖像中孤立的噪聲點如椒鹽噪聲非常有效，而且計算的復(fù)雜性也很低[10]。從系統(tǒng)采集到的大量圖片來看，椒鹽類噪聲是本系統(tǒng)圖像噪聲的主要組成部分，為削弱噪聲影響并且不增加過多程序運行處理時間，采用中值濾波對圖像進行平滑去噪。

中值濾波是一種非線性平滑濾波方式，其對圖像濾波的基本原理是把圖像中的點的灰度值用該點的一個鄰域中各點灰度值依次排序后的中值替換[8]，這里選取長3像素寬3像素的十字形區(qū)域作為鄰域(其中區(qū)域中心點為目標(biāo)像素點)，遍歷所有目標(biāo)像素進行排序替換得到濾波后的圖像(見圖2)，算法的數(shù)學(xué)意義如(1)式：

(1)

R表示鄰域區(qū)域，(u,v)為鄰域內(nèi)的點。

圖2　中值濾波效果

2.2.2灰度形態(tài)學(xué)

常用的形態(tài)學(xué)運算有4種：腐蝕，膨脹，開運算和閉運算。在實際用途中，邊界提取，空洞填充，圖像細(xì)化，連通分量提取，圖像骨架提取等都是形態(tài)學(xué)處理可解決范疇[11]。本文采用差影法做待測圖像與模板圖像的比對，因此將圖像轉(zhuǎn)化為灰度圖像進行操作，故采用灰度形態(tài)學(xué)處理灰度圖像(見圖3)。

設(shè)Q(x,y)是結(jié)構(gòu)元(在灰度形態(tài)學(xué)處理中一般要求結(jié)構(gòu)元是平坦的)，P(x,y)是待處理灰度圖像，遍歷圖像P(x,y)，在圖像中每一個像素(x,y)處計算以此像素為中心的結(jié)構(gòu)元的范圍類像素灰度最小值，并以這個最小值作為圖像P(x,y)在(x,y)點新的灰度值，稱為灰度圖像腐蝕：

(2)

如果在圖像中每一個像素(x,y)處計算以此像素為中心的結(jié)構(gòu)元的范圍類像素灰度最大值，并以這個最大值作為圖像P(x,y)在(x,y)點新的灰度值，則稱為灰度圖像膨脹：

(3)

圖3　灰度形態(tài)學(xué)處理效果

類似地，先灰度腐蝕再灰度膨脹就是灰度開運算，先灰度膨脹再灰度腐蝕就是灰度閉運算，本文采用灰度形態(tài)學(xué)處理容差模板。

設(shè)有n張標(biāo)準(zhǔn)灰度圖像f1(x,y)，f2(x,y)，……，fn(x,y)，則參考模板圖像r(x,y)可以表示為：

(4)

令容差模板每一點像素為n個標(biāo)準(zhǔn)圖像在該點處的均方差，即容差模板s(x,y)為：

(5)

保證統(tǒng)一的檢測環(huán)境并對待檢圖像采取預(yù)處理與配準(zhǔn)等技術(shù)操作后，合格圖像在大部分區(qū)域與模板圖像不會有太大差異，灰度差異主要集中在待檢區(qū)域的邊緣上，故對容差模板進行灰度膨脹，使得容差模板邊緣得到擴展，提高了邊緣偏差容許范圍，而其他區(qū)域容差范圍幾乎不變。

2.3圖像配準(zhǔn)

由于振動與機械定位精度等因素的影響，每次采集到的圖像在空間位置上多少存在一定的差異，主要表現(xiàn)為平移和旋轉(zhuǎn)，這對最終檢測帶來了一定的影響。為了消除這種影響，必須對圖像進行配準(zhǔn)[12]，即在空間上進行對準(zhǔn)，需要配準(zhǔn)的領(lǐng)域涉及兩個方面：一是生成標(biāo)準(zhǔn)模板圖像的多張標(biāo)準(zhǔn)圖像之間的配準(zhǔn)，而是待檢圖像與標(biāo)準(zhǔn)模板圖像之間的配準(zhǔn)。

常用的配準(zhǔn)方法包括基于特征的圖像配準(zhǔn)法、基于變換域的配準(zhǔn)方法、基于灰度的配準(zhǔn)方法等。其中基于點特征的圖像配準(zhǔn)算法中，點特征反映了圖像信息的本質(zhì)特征，同時易于操作和表示，得到了廣泛的應(yīng)用，但過少的點不能充分表示出圖像特征，而過多的點又難以保證配準(zhǔn)算法的效率。本文設(shè)計了一種基于高斯金字塔的混合配準(zhǔn)算法，首先選取較少的點計算簡單仿射變換快速完成粗略的預(yù)配準(zhǔn)，消除大尺度的幾何差異，而后運用高斯金字塔實現(xiàn)精確配準(zhǔn)。由于金字塔的快速收斂性，在配準(zhǔn)精度較高的情況下效率優(yōu)于單一的特征配準(zhǔn)方式，此法兼顧了配準(zhǔn)的精度和速度。

首先在模板圖像中選取兩個定位點，設(shè)坐標(biāo)為(x1,y1)，(x2,y2)，設(shè)待測圖像中對應(yīng)兩點的坐標(biāo)為(x3,y3)，(x4,y4)，則有：

(6)

求解矩陣參數(shù)即可求得簡單的仿射變換對圖像進行粗略的預(yù)配準(zhǔn)。下一步采用金字塔策略進行精細(xì)配準(zhǔn)。為了進一步提高特征匹配的速度，可以選取特征明顯的區(qū)域進行配準(zhǔn)取代全圖匹配以節(jié)省時間；配準(zhǔn)區(qū)域選擇遵循邊緣特征明顯且在原圖中不重復(fù)出現(xiàn)的原則。以選取的區(qū)域為原始圖像，采用二維空間上1/n的亞采樣，即在X、Y方向上每間隔n-1個像素取出一個像素組成一幅尺寸縮減的原圖的縮略圖，這些圖像自下而上依次排列就形成一個金字塔結(jié)構(gòu)[13](見圖4)。本文采用在二維空間上1/2的亞采樣，并結(jié)合高斯平滑濾波構(gòu)建金字塔，得到高斯金字塔，其各層圖像稱為高斯圖像。設(shè)原始圖像為H0，將其作為高斯圖像的第0層，第k+1層的高斯圖像用第k層的高斯圖像來計算，過程為：將k層的圖像和一個具有低通特性的窗口函數(shù)w(m,n)進行卷積，再將卷積的結(jié)果進行隔行隔列的降采樣，即：

(7)

其中，N為高斯金字塔的層數(shù)；A為第k+1 層圖像的列數(shù)；B為第k+1層圖像的行數(shù)。窗口函數(shù)w(m,n)大小取5 × 5，為：

(8)

圖4　金字塔結(jié)構(gòu)圖

然后使用圖像金字塔搜索策略，首先對金字塔的最上層低分辨率圖像中對匹配位置粗匹配，得到最佳變化系數(shù)后。記錄下當(dāng)前搜索結(jié)果，在對下一層圖像進行搜索時以這個結(jié)果為中心進行搜索，同時不停修正前一層高斯圖像的結(jié)構(gòu)，重復(fù)該步驟至金字塔底層原始高分辨率圖像實現(xiàn)精確匹配。

2.4一致性判斷

圖像配準(zhǔn)之后，就可以將待測圖像與參考模板圖像進行差影法圖像相減。對于二維平面直角坐標(biāo)系，設(shè)待測圖像為f(x,y)，參考圖像為r(x,y)，則對應(yīng)位置像素點(x,y)處相減得到的差值e(x,y)為：

(9)

如果待檢電能表外觀是合格的，則在理想狀態(tài)下，e(x,y)全都為零。而在實際情況下，考慮到光源等外部因素對圖像采集帶來的不確定性以及圖像配準(zhǔn)不可能使仿射變換得到的圖像與模板圖像做到百分之百對齊，e(x,y)全部為一些絕對值很小(低于閾值)的數(shù)時，外觀就是合格的。將e(x,y)與一定倍率的容差模板s(x,y)比較就可以確定待測圖像與模板圖像的一致性程度，對于超出范圍的e(x,y)，可以綜合分析e(x,y)的值與位置判斷出缺陷位置與種類，得到最終結(jié)果。

3　實驗結(jié)果與分析

根據(jù)原理研制開發(fā)了一套完整的電能表自動化外觀檢查機(見圖5)，應(yīng)用于省級計量中心電能表自動化檢定線，主要設(shè)備參數(shù)如下：相機采用型號為DMK 23G274 的1/1.8-type逐行掃描IT CCD，200萬像素。選取了3種品規(guī)的電能表分別作了測試，每種均包含良品與缺陷品，其中A型為單相電能表，B型為直接式三項電能表，C型為經(jīng)互感器式三相電能表，拍照結(jié)果如圖6，檢測結(jié)果如表1。所有缺陷品均能被挑出，錯檢率為0，良品大部分能被檢定合格，誤檢率低于0.8%，單個表計檢測時間不足2 s。

圖5　外觀檢查機軟硬件設(shè)備

圖6　外觀成像圖

品規(guī)檢測數(shù)量檢出數(shù)量正檢率A型電能表良品280002784799.4%A型電能表缺陷品6363100%B型電能表良品4800476499.2%B型電能表缺陷品2121100%C型電能表良品100099399.3%C型電能表缺陷品1515100%

4　結(jié)束語

文中設(shè)計了一種基于圖像處理技術(shù)的智能電能表外觀自動檢測系統(tǒng)，該系統(tǒng)以對外觀拍照成像的方式將待檢表與模板進行對比實現(xiàn)檢定，采用圖像預(yù)處理與配準(zhǔn)技術(shù)削弱了干擾因素影響，實現(xiàn)了外觀檢查過程的自動化及準(zhǔn)確高效。

實驗結(jié)果表明，外觀不合格的電能表均能被自動識別檢出，外觀合格的表計絕大多數(shù)被判定合格，誤檢率低，檢測過程非常快，符合電能表自動化檢定線的檢定需求。

[1]何志強, 丁濤, 徐二強. PatMax和PatQuick算法在智能電能表LCD屏檢測中的應(yīng)用[J]. 自動化與儀表, 2012(5): 54-56.

[2] 趙麗娜. 液晶顯示器缺陷自動識別系統(tǒng)研究與應(yīng)用[D]. 蘇州: 蘇州大學(xué), 2010.

[3] 張宏剛. STNLCD外觀缺陷檢測方法研究[D]. 杭州: 浙江大學(xué), 2008.

[4] 段錚昱, 文生平. 基于機器視覺的電子產(chǎn)品外觀表面缺陷檢測方法研究[J]. 計算機測量與控制, 2014, 22(4): 1009-1011.

[5] 梁偉建, 洪濤, 林篤盛, 等. 基于機器視覺的智能電表外觀缺陷檢測系統(tǒng)設(shè)計[J]. 電測與儀表, 2013, 50(10): 65-68.

[6] 謝鋼, 林茂松, 代彥輝. 低對比度下的智能電表液晶屏外觀檢測研究[J]. 計算機工程與應(yīng)用, 2014, 50(2): 247-251.

[7] 曹天揚, 申莉. 基于交通遙感圖像處理的車輛目標(biāo)識別方法[J]. 計算機測量與控制, 2014, 22(1): 222-224.

[8] 徐偉. LCD外觀缺陷檢測與識別系統(tǒng)設(shè)計[D]. 成都: 電子科技大學(xué), 2013.

[9] Sree P S J, Kumar P, Siddavatam R. Salt-and-pepper noise removal by adaptive median-based lifting filter using second-generation wavelets[J]. Signal Image and Video Processing, 2013, 7(1): 111-118.

[10] Qatawneh M, Massad Y. A Uniform Noise median filter Based on a New Type of Filtering Window[J]. Information International Interdisciplinary Journal, 2012, 15(2): 699-705.

[11] 葉涵. LCD顯示缺陷自動光學(xué)檢測關(guān)鍵技術(shù)研究[D]. 成都: 電子科技大學(xué), 2013.

[12] Lin T K, Chien S Y. Support Vector Machines on GPU with Sparse Matrix Format. Machine Learning and Applications[J]. CMLA, 2010, 53: 313-318.

[13] Wiegand T, Sullivan G. J, etc. Overview of the H.264/AVC Video Coding Standard[J]. Transactions on Circuits and Systems for Video Technology, 2003, 13(7): 560-576.

Electricity Meter Visual Inspection System Based on Image Processing

Gao Yuxiang1,2,Huang Qifeng1,2, Cai Qixin1,2

(1.State Grid Jiangsu Electric Power Research Institute, Nanjing211103, China;2.State Grid Key Laboratory of Electric Energy Measurement, Nanjing211103, China)

To meet the demand of smart electricity meter automatic calibration, a visual inspection system based on image processing is designed, which achieves automatic visual examination and solves the problems of high labor intensity and low efficiency in manual inspecting method. The system uses high-performance CCD camera to collect photos to ensure the plenty and wholeness of images information. Besides, it adopts image preprocessing such as smoothing and morphological technology to decrease degree of difficulty in follow-up comparison. Also, mixed registering algorithm based on Gauss pyramid is employed in image registration, which finally serves for the inspection of matching degree between sensed image and template image. This method costs short inspecting time and has high accurate rate, which has been successfully applied in electricity meter automatically calibrating line of provincial-level measurement center and meets producing need.

image processing; visual inspection; preprocessing; image registration; pyramid

2015-07-31；

2015-09-11。

高雨翔(1989-)，男，江蘇南京市人，碩士，工程師，主要從事電氣測量與自動控制技術(shù)研究。

1671-4598(2016)01-0071-03

10.16526/j.cnki.11-4762/tp.2016.01.019

TM93

A