項 導，林 歡

(億嘉和科技股份有限公司，江蘇 南京 210012)

指針式儀表作為一種測量儀器，由于其具有結(jié)構(gòu)簡單、維護方便、抗電磁干擾能力強、低成本低故障率、防塵防水性能強等優(yōu)點，被廣泛應用于冶金、石油化工、電力等行業(yè)[1-2]。近年來，我國的產(chǎn)業(yè)結(jié)構(gòu)正在從勞動密集型向以高科技為導向的智慧型快速轉(zhuǎn)變，對企業(yè)的生產(chǎn)效率提出越來越高的要求。作為在企業(yè)生產(chǎn)和環(huán)境監(jiān)測中應用廣泛的指針式儀表，其輸出結(jié)果為非數(shù)字信號，無法直接通過RS232、GPIB等接口進行數(shù)字化采集和存儲，而傳統(tǒng)的依賴人工讀數(shù)的方式已經(jīng)難以滿足實時化、智能化的監(jiān)控需求，需要依賴視頻采集、圖像處理和機器視覺技術(shù)對儀表進行智能識別[3]。

基于視覺的指針式儀表的自動識別問題，國內(nèi)外已經(jīng)有很多研究人員進行了深入研究，并提出了很多算法。一般而言，指針式儀表讀數(shù)識別方法由指針定位和讀數(shù)識別兩個關(guān)鍵部分構(gòu)成。指針定位主要是利用指針特征，通過圖像處理技術(shù)或者機器視覺技術(shù)對表盤上的刻度和指針位置進行定位，常見的算法包括Hough直線變換法、最小二乘法、差影法、閾值法等[4]；讀數(shù)識別主要是利用檢測到的指針與表盤刻度的相對關(guān)系來計算儀表示數(shù)，常見的方法包括基于指針相對于零刻度偏轉(zhuǎn)角度的角度法、基于指針與表盤刻度相對位置的距離法及其改進方法等[5]。朱海霞[6]采用Hough變換方法完成指針直線特征的識別，在表盤圓形特征的識別過程中通過減少累加像素數(shù)目結(jié)合灰度中心法來提高特征定位的效率和精度，并通過構(gòu)建一個三層的BP神經(jīng)網(wǎng)絡實現(xiàn)了字符的識別。基于Hough 直線變換的方法在指針邊界存在噪聲干擾或者光照不均勻引起指針圖像間斷的情況下，仍具有較好的容錯性和魯棒性。LIU等[7]利用小波變換提取指針與刻度邊緣點集合，然后基于最小二乘法擬合得到指針直線。施健等[8]利用差影法，即固定攝像頭與儀表表盤的位置，采集指針位置不同的兩幅圖像，根據(jù)兩幅圖像中指針所在區(qū)域的像素值差異明顯、而背景區(qū)域的像素值相似的先驗知識來定位指針位置，然后基于Hough變換計算指針的旋轉(zhuǎn)角度，進而得到指針指向的讀數(shù)。HAN等[9]在對圖像進行自適應中值濾波和二值化的基礎上，利用改進的Hough變換提取指針，再根據(jù)指針的偏轉(zhuǎn)角計算儀表讀數(shù)。YUE等[10]基于Hough變換檢測儀表指針，再通過指針對稱軸相對于零刻度直線的偏轉(zhuǎn)角來計算儀表讀數(shù)。薛建榮等[11]采用改進的最大熵法計算最優(yōu)分割閾值，實現(xiàn)指針區(qū)域和背景區(qū)域的判別。孫鳳杰等[12]選取指針所在區(qū)域的圓心與半徑，并按照預設的步長尋找指針與同心圓環(huán)的交點，再根據(jù)交點之間形成的線段的斜率計算指針相對于零刻度的偏轉(zhuǎn)角度，實現(xiàn)了較高的檢測精度，但是該方法需要人工將背景干擾比較小的指針部分區(qū)域選擇出來，當表盤存在較多文字干擾時，容易檢測失敗。

上述識別算法大多針對特定類型的指針型儀表，基于不同的圖像特征分析對指針所在的區(qū)域及其讀數(shù)進行定位和計算，并取得了較好的識別效果，但在算法適用性和魯棒性等方面仍然存在較多問題。例如，當受環(huán)境光線影響導致指針表的表盤區(qū)域存在過曝、欠曝、陰影等情況，或者受限于圖像采集設備的成像能力、拍攝角度，導致表盤刻度存在模糊或指針部分被遮擋等情況發(fā)生時，上述算法在定位指針區(qū)域時可能存在較大的誤差。指針型儀表在變電站設備狀態(tài)監(jiān)測中應用廣泛，受光照、遮擋等因素的影響，采用相機對此類儀表進行抓圖時經(jīng)常會出現(xiàn)模糊、過曝等問題，傳統(tǒng)算法的識別效果欠佳。

本文針對變電站指針型儀表讀數(shù)自動識別問題進行了深入研究，目的是提高儀表成像質(zhì)量不佳時指針定位的準確率和穩(wěn)定性。由于指針在此類儀表中均是圍繞固定點旋轉(zhuǎn)，并且具有對稱的邊緣結(jié)構(gòu)，基于此先驗信息，本文提出了一種新穎的指針識別算法：1) 首先在待識別圖像中提取對稱性特征，并在此基礎上處理得到被識別指針的一系列信息；2) 基于模板匹配在全景圖中確定感興趣區(qū)域，在指針轉(zhuǎn)角和參考距離的量化空間上進行累計矩陣投票，得到若干組候選指針對稱軸，在后續(xù)篩選中可以有效排除表盤符號光照等干擾因素；3) 通過指針邊緣像素點的共線性特征和指針對稱軸線段對應的圖像像素值近似一致性，對非指針邊緣像素點進行排除，使得最終的對稱像素點對基本上都屬于指針；4) 對候選指針進行合并，去除重疊的候選指針，并選擇邊緣像素點集最多的候選指針作為最終的指針識別結(jié)果。本文提出的基于對稱性特征的儀表指針自動識別方法，能夠更加精確地提取指針的偏轉(zhuǎn)方向，對不同大小的儀表指針具有較好的普適性，并且能夠克服表光照不均、表盤文字符號干擾、指針部分遮擋等因素的干擾，實現(xiàn)儀表指針穩(wěn)定、精確的識別。

1 算法設計

1.1 表盤區(qū)域定位

在變電站中拍攝到的指針式儀表圖像通常含有較豐富的背景信息，為了排除背景的干擾，提高指針定位準確率和穩(wěn)定性，首先對指針所在的表盤區(qū)域進行定位。本文采用模板匹配[13]的方法，利用事先標定好的表盤區(qū)域模板在梯度域中進行標準相關(guān)匹配，尋找指針儀表的感興趣(region of interesting,ROI)區(qū)域，記為Iyx(1≤y≤M,1≤x≤N)，其中M,N分別為ROI區(qū)域的高度與寬度，如圖1所示。

圖1 模板匹配定位表盤區(qū)域

1.2 候選指針提取

圖2給出了候選指針的提取流程。首先根據(jù)圖像邊緣的對稱性構(gòu)造累積矩陣Φ，計算累積矩陣Φ中前T個最大值；然后計算旋轉(zhuǎn)角與參考距離作為T個候選指針的對稱軸，并計算對稱軸對應的對稱邊緣像素點對。具體包含以下幾個步驟：

圖2 候選指針提取流程

Step1，將儀表ROI圖像由RGB顏色空間轉(zhuǎn)換到灰度空間，采用自適應Canny邊緣檢測算法[14]提取儀表ROI圖像的邊緣，同時計算每個邊緣像素點的梯度方向，記邊緣像素點集為Ω。Canny邊緣檢測的低閾值、高閾值分別設為(1-σ)μ、(1+σ)μ，其中μ為圖像灰度值的均值，σ為調(diào)節(jié)參數(shù)，參數(shù)σ過小會使得弱邊緣丟失，過大將產(chǎn)生許多偽邊緣，根據(jù)經(jīng)驗，這里設σ為0.33。

Step2，定義[θmin,θmax]為儀表指針的轉(zhuǎn)角范圍，[ρmin,ρmax]為儀表指針的對稱軸與事先標定參考點Pr(x,y)的參考距離范圍，將參數(shù)空間(θ,ρ)在[θmin,θmax]×[ρmin,ρmax]區(qū)域上進行等間隔量化，構(gòu)造累積矩陣Φ，并將其初始化為0，如式(1)所示。

Φij←0(θmin≤i≤θmax,ρmin≤j≤ρmax)

(1)

1)點對距離約束，即點pm與pn的距離滿足參數(shù)h的距離約束；

2)點對方向約束，即指針邊緣像素對的方向近似相對或者相背，且與指針對稱軸近似垂直；

3) 點對對稱軸參考距離約束，即點對對應的對稱軸必須與參考點滿足一定的距離約束。則置

Φij←Φij+1

(2)

圖3 累積矩陣累加策略

這里的行索引i=θ表示指針對稱軸的旋轉(zhuǎn)角索引，列索引j為像素點pm與pn的中點到參考點Pr(x,y)的距離，表示指針對稱軸的參考距離索引，據(jù)此完成累積矩陣的投票累加。

Step3，累積矩陣Φ的元素值表明了邊緣像素對的多少，Φ的最大值代表了最多的對稱邊緣像素對。計算累積矩陣Φ中前T個最大值，相應的行索引表明了對稱軸的旋轉(zhuǎn)角，列索引表明了指針對稱軸與參考點的參考距離，以此作為候選指針的對稱軸，記T個候選指針的對稱軸兩側(cè)邊緣像素點集分別為Lk與Rk(k=1,2,…,T)。

圖4給出了儀表ROI區(qū)域經(jīng)過上述步驟處理后得到的候選指針圖像。

1.3 候選指針提煉

如圖4所示，候選指針提取的結(jié)果通常存在許多偽指針邊緣像素對，需要對候選指針進行提煉，去除非指針邊緣的像素對，使得最終的像素對基本

圖4 候選指針提取的結(jié)果圖

上都屬于指針。對于指針而言，存在如下先驗信息：1)指針兩側(cè)的邊緣像素點基本上滿足共線性特性；2)指針對稱軸線段對應的圖像像素值近似一致，即滿足一致性。如圖5所示，候選指針提煉具體包括以下幾個子步驟：

圖5 候選指針提煉與合并

Step1，對候選指針的邊緣像素點集Lk進行RANSAC[15]共線性檢測，提取最多的共線性像素點，得到共線像素點的索引集，記為Lkdx。同理可以得到邊緣像素點集Rk的共線邊緣像素點的索引集，記為Rkdx。若索引kdx同時滿足kdx∈Lkdx∧kdx∈Rkdx，則說明該索引對應的邊緣像素對就是滿足共線性約束的邊緣對，記滿足共線性約束的邊緣像素點集為L1k與R1k，L1k與R1k點對對應的中點即為指針對稱軸上的點，記對稱軸像素點集為Mk。

Step2，對稱軸像素點集分裂與再組合。由于光線、條紋、符號等的干擾，導致提取到的指針對稱軸會存在斷開的情況，為了得到準確的指針信息，需要對對稱軸像素點集進行分裂與再組合處理。首先，當像素對距離在小范圍內(nèi)時理論上可以認為該像素對屬于同一目標，即對候選指針對稱軸點集Mk進行距離聚類，將距離較小的點對聚成一簇，記得到的聚類簇為Γkm，下標m為聚類簇的個數(shù)，不同的候選指針具有不同的聚類簇數(shù)目。其次，對聚類簇Γkt進行再組合，即設Γks與Γkt表示第k個候選指針對稱軸的任意兩個聚類簇，對應的聚類中心像素點坐標為Pks與Pkt，統(tǒng)計ROI區(qū)域圖像內(nèi)從像素點Pks到Pkt直線段對應的像素值變異系數(shù)CVst：

(3)

式中：σst，μst分別為直線段對應像素值的標準差與均值。若變異系數(shù)CVst小于事先指定的閾值，則將聚類簇Γks與Γkt對應的邊緣像素點集進行再組合，邊緣像素點集L1k與R1k經(jīng)過聚類簇再組合操作后的邊緣像素點集記為L2k與R2k。

侯選指針提煉結(jié)果如圖所示。

圖6 候選指針提煉結(jié)果圖

1.4 指針合并與選擇

指針合并的目的是去除重疊的候選指針。首先，根據(jù)對稱邊緣像素點集L2k與R2k計算候選指針的最小和最大寬度、指針夾角、對稱軸首尾端點與轉(zhuǎn)角方向等信息；然后，若兩候選指針同時滿足轉(zhuǎn)角方向近似一致、指針夾角近似一致、最小和最大寬度符合形態(tài)一致性要求，則將兩候選指針進行合并，形成新的候選指針；最后選擇邊緣像素點集最多的候選指針作為最終的指針識別結(jié)果。圖7為最終識別的指針結(jié)果圖，給出了指針兩側(cè)邊緣以及中間的對稱軸。

提取指針的對稱軸之后，再根據(jù)對稱軸相對于零刻度的旋轉(zhuǎn)角度，即能計算指針指向的刻度的示數(shù)。

2 實驗與結(jié)果分析

為了驗證所提出的基于對稱性的指針檢測算法的有效性，本文開展了實驗研究。實驗所用的計算機硬件配置：Intel Core I7-6560U CPU、主頻2.2GHz，內(nèi)存8GB。軟件配置：操作系統(tǒng)Windows 1064bit，采用Visual C++編程實現(xiàn)。實驗在變電站實際采集的20 000張指針式儀表樣本集上進行，樣本包含多個拍攝角度、清晰度、光照等，圖8給出了部分圖片示例。

圖7 最終識別的指針結(jié)果圖

圖8 指針式儀表樣本集圖片示例

以指針當前讀數(shù)的 10%作為誤差限，若算法識別結(jié)果在誤差限范圍內(nèi)即判定為讀數(shù)正確，否則為錯誤。算法識別準確率見表1。從表中可以看出，19 748張圖片的算法識別結(jié)果在10%的誤差限范圍內(nèi)，準確率為98.74%。識別錯誤的圖像中，其誤差大部分集中在10%～20%的誤差范圍內(nèi)。單張圖像的算法檢測時間平均為0.352s。這表明本文提出的算法在識別準確率和識別速度上均取得了較好的效果，能夠滿足實用的需求。

表1 識別結(jié)果統(tǒng)計

3 結(jié)束語

本文針對變電站指針型儀表圖像在過曝、欠曝、遮擋、模糊等情況下的準確識別展開了深入研究，所提算法的主要創(chuàng)新之處在于提取待識別指針圖像中的對稱性特征，在角度和距離空間中進行投票，得到候選指針對稱軸，再結(jié)合指針邊緣像素點的共線性和指針對稱軸線段對應的像素值近似一致性等先驗信息，對候選指針進行篩選，并根據(jù)指針對稱軸的旋轉(zhuǎn)角度計算得到儀表的最終讀數(shù)。實驗結(jié)果表明，本文方法能夠準確定位指針區(qū)域并識別儀表示數(shù)，并且算法耗時很短，能夠滿足指針式儀表的實時巡檢需求。本文提出的算法主要是識別刻度均勻的單指針式儀表，未來將對刻度不均勻或者多指針的儀表讀數(shù)識別問題進行研究，進一步提高算法的普適性。

參考文獻：

[1] 李治瑋, 郭戈. 一種新型指針儀表識別方法研究[J]. 微計算機信息, 2007 (31): 113-114.

[2] PARK Tae-hyoung, KIM Hwa-jung. Path planning of automatic optical inspection machines for PCB assembly systems[C]//IEEE International Symposium on Computational Intelligence in Robotics and Automation. Espoo, Finland: IEEE Computer Society Press. 2005: 249-254.

[3] 金京犬, 劉清. 基于嵌入式 ARM 的指針式儀表讀數(shù)的識別研究[J]. 南京師范大學學報 (工程技術(shù)版), 2009, 9(1): 23-27.

[4] 宋人杰, 趙立亞. Hough 變換的改進及其在電廠指針式儀表自動識別中的應用[J]. 東北電力大學學報, 2011, 31(3): 42-46.

[5] ALEGRIA E C,SERRA A C. Automatic calibration of analog and digital measuring instruments using computer vision[J]. IEEE Transactions on Instrumentation and Measurement, 2000, 49(1): 94-99.

[6] 朱海霞. 基于改進Hough變換和BP網(wǎng)絡的指針儀表識別[J]. 電測與儀表, 2015, 52(5): 11-14.

[7] LIU S G,LIU M Y,HE Y. Checking on the quality of gauge panel based on wavelet analysis[C]//Machine Learning and Cybernetics, 2002. Proceedings. 2002 International Conference on. Beijing： IEEE, 2002:763-767.

[8] 施健, 張冬, 何建國, 等. 一種指針式化工儀表的遠程抄表設計方法[J]. 自動化儀表, 2014, 35(5): 77-79.

[9] HAN Jiale, LI En,TAO Bingjie,et al. Reading recognition method of analog measuring instruments based on improved hough transform[C]//Electronic Measurement & Instruments (ICEMI), 2011 10th International Conference on. Chengdu：IEEE, 2011: 337-340.

[10] YUE Xiaofeng , ZHANG Min,ZHOU Xiaodong, et al. The research on auto-recognition method for analogy measuring instruments[C]//Computer, Mechatronics, Control and Electronic Engineering (CMCE), 2010 International Conference on. Changchun：IEEE, 2010: 207-210.

[11] 薛建榮, 楊明. 基于圖象處理的復雜指針式儀表的識別[J]. 中國儀器儀表, 2005 (10): 73-74.

[12] 孫鳳杰, 郭鳳順, 范杰清, 等. 基于圖像處理技術(shù)的表盤指針角度識別研究[J]. 中國電機工程學報, 2005, 25(16): 73-78.

[13] ROBERTO Brunelli. Template Matching Techniques In Computer Vision[M].New York：Wiley,2009.

[14] CANNY J. A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1986,8(6)：679-698.

[15] CHOI S,KIM T,YU W. Performance evaluation of RANSAC family[J]. Journal of Computer Vision, 1997, 24(3): 271-300.