郁 飛 黨曉鵬 張建華

（國網(wǎng)江蘇省電力公司檢修分公司 南京 222004）

1 引言

指針式儀表由于讀取簡單、防水、環(huán)境適應性強，因此廣泛運用在變壓器油位指示儀中。在電網(wǎng)運維巡檢中，以人工巡檢、手動抄表、人工記錄模式對變壓器的油位進行檢定，存在耗時耗力、自動化水平低以及誤差率高等問題。因此在現(xiàn)有變壓器油位儀表的基礎(chǔ)上，采用機器視覺技術(shù)實現(xiàn)儀表讀數(shù)的自動判別具有極強的現(xiàn)實意義［1～3］。

將機器視覺技術(shù)應用到指針式儀表識別的研究已經(jīng)取得豐碩的成果。文獻［4］在LabVIEW 軟件平臺上應用中值濾波算法進行濾波，并采用線性濾波和不變矩的圖像分割算法提取感興趣的指針目標，實現(xiàn)了指針式儀表實時讀數(shù)系統(tǒng)的設(shè)計。文獻［5］提出一種面向百分表的自動識別算法，通過攝像頭將百分表圖像提取出來，利用區(qū)域分割的方法將儀表表盤各個部分特征提取出來，基于百分表的特征將數(shù)字和刻度分別標記，最后完成儀表讀數(shù)的識別。文獻［6］針對機器識別算法容易受環(huán)境和儀表形狀影響而導致識別準確率難以達到預期的問題，提出一種基于儀表讀數(shù)區(qū)域劃分的識別思路，并通過實驗驗證了這種方法具有較好的對識別準確率。

本文在上述研究成果的基礎(chǔ)上，針對變壓器油位儀的結(jié)構(gòu)特點，提出一種優(yōu)化的指示儀表機器識別方法。該方法通過采集指針式油位儀表的圖像，在對儀表邊緣檢測的基礎(chǔ)上進行二值化處理，得到完整清楚的儀表圖像后利用霍夫變換計算出指針的方向，實現(xiàn)儀表讀數(shù)的自動識別。

2 圖像預處理

2.1 圖像二值化

為消除由于采集過程環(huán)境因素形成的儀表圖像的噪聲和圖像亮度偏差，最大限度凸顯出儀表圖像的整體和局部特許，為圖像識別提供良好的素材，本文在基于類間方差最大化的閾值優(yōu)化選擇基礎(chǔ)上，對儀表圖像的像素點的灰度值全部設(shè)置為0或255，使圖像呈現(xiàn)出黑白效果［7～10］。

假設(shè)圖像 f(X,Y)的大小為M×N 。假設(shè)圖像的灰度閾值為T，平均灰度為η，類間方差為δ。儀表輪廓像素的圖像占比為ω0，儀表輪廓像素的平均灰度為η0。儀表輪廓外圖像像素占比為ω1，儀表輪廓外圖像的平均灰度為η1。如果采集圖像中灰度低于閾值T的像素數(shù)量為P0，大于閾值T的為 P1，那么就有如下關(guān)系［11］:

聯(lián)立式（2）和式（3），可得出:

當類間方差δ 取得最大值，儀表圖像和儀表輪廓外圖像之間的灰度差異最大，此時灰度閾值T 獲得最優(yōu)取值［14～16］。設(shè)黑白化的采集圖像為δ( )x,y ，則圖像的灰度分布滿足下式［17］:

2.2 二值化圖像的邏輯運算

二值化圖像邏輯運算的目的是提取有效的儀表指針的邊界圖像分量，對指針圖像進行形態(tài)學過濾、細化和修剪。圖像形態(tài)處理的算法包括膨脹和腐蝕［18］。

膨脹算法的目的是使得指針圖像更加完整，不至于出現(xiàn)間斷［19］。在Z圖像集合中有A和B兩個結(jié)構(gòu)元素，A被B膨脹的過程為:首先用結(jié)構(gòu)B對結(jié)構(gòu)A 的進行逐像素掃描，然后對重復區(qū)域的二值化圖像進行邏輯與運算，如果運算結(jié)果為0，則該點像素灰度設(shè)置為0，否則設(shè)為255。

腐蝕算法是對指針圖像邊界多余像素進行刪除，使得指針輪廓變得更加精簡和清晰［20］。最Z 圖像集合中的A 和B 兩個結(jié)構(gòu)元素，B 對A 進行腐蝕的過程為:首先用結(jié)構(gòu)B 對結(jié)構(gòu)A 的進行逐像素掃描，然后對重復區(qū)域的二值化圖像進行邏輯與運算，如果運算結(jié)果為1，則該點像素灰度設(shè)置為255，否則設(shè)為0。

經(jīng)過膨脹和腐蝕處理后的儀表指針圖像輪廓清晰，沒有間斷處和突兀點。

2.3 指針邊緣處理

由于Canny 算子具有濾波、增強、多階段優(yōu)化檢測的突出優(yōu)勢，因此采用該算子對指針圖像的邊緣進行檢測［21］。檢測步驟:1）利用高斯濾波器實現(xiàn)對油位指針的邊緣平滑；2）通過差分法對圖像灰度值的梯度幅值和方向一階偏導方程進行求解；3）結(jié)合梯度方向和梯度幅值對較粗的邊緣進行最大值的抑制，去除偽邊緣；4）通過設(shè)置強、弱雙閾值對真邊緣進行連接，得到最終的指針輪廓圖像。

3 油位指針讀數(shù)識別

3.1 油位表中心確定

采用霍夫變換算法定位油位表的中心。首先進行直線的直角坐標變換成參數(shù)表達式。設(shè)直線方程表達式為

將式（6）轉(zhuǎn)換成基于參數(shù)的表達式為

式（7）中 ρ 為原點投影至直線的長度。θ 為直線與x軸的夾角。

把直線轉(zhuǎn)換成參數(shù)表達形式后，油位表輪廓內(nèi)部的所有點所對應的直線會在表中心點相交，其中最長的直線顯然就是油位表指針。

通過對指針不在同一位置的油位表的兩個采集圖像進行比對，可以實現(xiàn)對圓心的定位。儀表圖像背景為灰度值為0，指針灰度值為255，對兩個不同指針位置的圖像進行邏輯異或運算。由式（7）延伸出兩個圖像的指針參數(shù)表達式為

式（8）中兩條直線的交點為油位表中心位置，由此推導出表中心的直角坐標為

3.2 指針方向判定

依據(jù)式（7）和最長直線判據(jù)確定油位表指針后，對指針和-30°刻度線的夾角進行識別。設(shè)指針和-30°刻度線的夾角為α，則識別的夾角可能為α或α+180°，因此需要對指針方向進行明確。由于油位表的中心位置已經(jīng)確定，由-30°刻度線和表中心組成的直角坐標系對指針的兩個端點進行定位，指針的方向由離表中心較近的端點指向離表中心較遠的端點。

3.3 讀數(shù)計算

根據(jù)輸入的最大量程，對指針讀數(shù)進行自動計算。設(shè)最大量程為Q，-30°刻度線和指針夾角為θ，-30°刻度線和最大量程的夾角為θmax，則讀數(shù)q為

4 實驗分析

選取UZF2-140 型油位計進行實驗，對上述機器識別技術(shù)的效果進行分析和驗證。對上文所述的識別思路進行總結(jié)，得出實驗中應用于油位計讀數(shù)自動判斷的算法如圖1示。

圖1 機器識別算法流程

4.1 圖像預處理

通過手持式圖像采集裝置對變壓器油位計進行圖像采集，獲取初始狀態(tài)圖像和指針偏置圖像分別如圖2（a）和圖3（a）所示。對圖2（a）和圖3（a）進行二值化處理，分別得到黑白化效果圖如圖2（b）和圖3（b）所示。最后對圖像進行膨脹、腐蝕處理和邊緣處理，得到圖2（c）和圖3（c）。

4.2 指針中心定位

對圖2 和圖3 所示的指針圖像進行提取，通過對兩個指向不同的指針進行像素邏輯異或運算，得到只包含2 個指針的灰度圖像，對兩個指針進行圖像處理，其重疊部分的交點就是表中心，如圖4示。

圖2 指針處于初始狀態(tài)下的圖像

圖3 指針處于偏置狀態(tài)下的圖像

圖4 表中心的定位

4.3 讀數(shù)識別結(jié)果分析

實驗分為8 組，每組中油位計的指針分別設(shè)置于不同位置，每組進行6 次機器識別，識別結(jié)果如

表1 所示。通過對實驗數(shù)據(jù)進行分析，可以發(fā)現(xiàn)本文所提出的基于機器視覺的油位計識別技術(shù)與實際值平均誤差為1.78%。

5 結(jié)語

本文通過對油位計的采集圖像進行二值化處理得到油位計的黑白圖像，基于膨脹腐蝕處理、邊緣輪廓檢測獲得油位計的指針清晰圖像，最后結(jié)合指針方向判定和指針中心定位完成指針式油位計讀數(shù)的機器識別。將本文所提出的儀表機器識別方法應用于實際的油位計，并進行反復實驗，通過對實驗結(jié)果進行分析，證明了本文提出了基于機器視覺的儀表識別技術(shù)在對指針式油位計的識別平均相對誤差為1.78%，具有良好的識別精確，具備推廣應用的價值。