趙建利，耿 茜，馮海燕，包小千

(國(guó)網(wǎng)河北省電力有限公司電力科學(xué)研究院，石家莊 050021)

1 概述

國(guó)家電網(wǎng)公司自2016年啟動(dòng)電網(wǎng)實(shí)物資產(chǎn)身份ID建設(shè)[1]，以實(shí)物ID[2]為核心關(guān)聯(lián)貫通業(yè)務(wù)編碼，集成資產(chǎn)規(guī)劃設(shè)計(jì)、采購(gòu)建設(shè)、運(yùn)行維護(hù)以及報(bào)廢處置各階段信息，以實(shí)現(xiàn)資產(chǎn)信息全維度收集、全過(guò)程追蹤、全方位共享。目前實(shí)物ID的2種實(shí)現(xiàn)方式分別為二維碼標(biāo)簽[3]和RFID標(biāo)簽[4-5]，而RFID標(biāo)簽以其靈敏度高、距離遠(yuǎn)、多目標(biāo)識(shí)別等特點(diǎn)，能夠更好的適應(yīng)電網(wǎng)資產(chǎn)種類龐雜、分布較廣的特殊工作環(huán)境，得到了較多的應(yīng)用。

常用RFID標(biāo)簽樣式如圖1所示，芯片內(nèi)部存儲(chǔ)了一定位數(shù)的實(shí)物ID編碼，在芯片外殼表面附著數(shù)字編碼及其對(duì)應(yīng)的二維碼，現(xiàn)場(chǎng)業(yè)務(wù)執(zhí)行過(guò)程中，由于實(shí)物ID的RFID識(shí)別與標(biāo)簽表面二維碼掃碼識(shí)別并行應(yīng)用，若芯片內(nèi)碼與二維碼不一致，將直接造成實(shí)物ID關(guān)聯(lián)業(yè)務(wù)信息的混亂，影響后期資產(chǎn)全壽命關(guān)聯(lián)信息追溯[6-8]的成效。

圖1 RFID標(biāo)簽樣式

2 圖像處理與二維碼識(shí)別

因本文所研究的RFID標(biāo)簽表面二維碼與數(shù)字編碼是相鄰排放，所以采用一次取像技術(shù)，具體流程如圖2所示。

2.1 圖像預(yù)處理

圖2 RFID標(biāo)簽表面二維碼和數(shù)字編碼的識(shí)別流程

為提高圖像特征提取、分割、匹配與識(shí)別的可靠性，系統(tǒng)采用了灰度化和基于灰度直方圖的多閾值法的二值化等方法進(jìn)行圖像預(yù)處理[9-11]。

2.1.1 灰度化

fk(i，j)(k=1，2，3)為轉(zhuǎn)換后的灰度圖像在(i，j)處的灰度值，即將彩色圖像中的三分量的亮度作為3個(gè)灰度圖像的灰度值，分別為 R(i，j)、G(i，j)、B(i，j)，根據(jù)實(shí)際應(yīng)用需要選取一種灰度圖。

接著求出原圖的直方圖h={xi}(i=0，1，…，255)，計(jì)算灰度分布概率。設(shè)圖像總體像素N=lw，每個(gè)灰度的像素個(gè)數(shù)在整個(gè)圖像中的占比為:

則灰度級(jí)的累計(jì)分布hp的計(jì)算方法如下:

式中:i=0，1，…，255。然后計(jì)算新圖像的灰度值，如式(3)所示。

式中:hp(k)為f(i，j)的累計(jì)概率分布。

2.1.2 二值化

由于該裝置主要應(yīng)用在變電站中，現(xiàn)場(chǎng)光線環(huán)境復(fù)雜，系統(tǒng)根據(jù)圖像直方圖的形狀選取不同的二值化處理過(guò)程，可有效去除光線不均的影響。

若灰度直方圖呈現(xiàn)雙峰結(jié)構(gòu)(正常光照)，則直接對(duì)圖像進(jìn)行二值化；若呈現(xiàn)單峰或弱雙峰結(jié)構(gòu)(偏暗或偏亮)，則應(yīng)用動(dòng)態(tài)Otsu算法[12]計(jì)算最大類間方差作為全局閾值，將圖像進(jìn)行二值化；若直方圖呈現(xiàn)N峰結(jié)構(gòu)(光照不均)，則對(duì)圖像進(jìn)行分塊直方圖均衡化后再用動(dòng)態(tài)Otsu算法進(jìn)行二值化處理。

2.2 圖像畸變校正及二維碼解碼

因?yàn)楸狙b置處理的二維碼和數(shù)字編碼都是附著在RFID標(biāo)簽外殼表面，不存在攝取到曲面圖像的情況，所以為簡(jiǎn)化處理過(guò)程，先對(duì)畸變圖像進(jìn)行透視變換，然后使用線性插值對(duì)透視變換后的圖像進(jìn)行插值，完成圖像的畸變校正。

設(shè)(x，y)為非畸變的圖像，(u，v)是斜視畸變的圖像，M為變換矩陣，通用變換公式為:

對(duì)上式進(jìn)行求解并進(jìn)行歸一化可得:

由于校正后的圖像中有些區(qū)域在畸變圖像中無(wú)對(duì)應(yīng)像素點(diǎn)，為了消除對(duì)應(yīng)灰度值的縫隙，提高校正后圖像識(shí)別的準(zhǔn)確度，應(yīng)用雙線性插值法[13]對(duì)灰度值進(jìn)行插值，即根據(jù)待插像素點(diǎn)近鄰域內(nèi)的4個(gè)已知像素點(diǎn)的加權(quán)平均來(lái)求得最終像素值，該算法保證了像素點(diǎn)的灰度連續(xù)性。定位3個(gè)或者3個(gè)以上的位置探測(cè)圖形進(jìn)行二維碼區(qū)域定位，應(yīng)用Zbar開源庫(kù)對(duì)校正后的二維碼進(jìn)行解碼，獲取實(shí)物ID編碼。

3 基于卷積神經(jīng)網(wǎng)絡(luò)的數(shù)字編碼識(shí)別

3.1 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是一種帶有卷積運(yùn)算的前饋神經(jīng)網(wǎng)絡(luò)，主要由輸入層、卷積層、池化層和全連接輸出層構(gòu)成[14]，其采用局部感知域和權(quán)值共享的方法，不僅降低了網(wǎng)絡(luò)模型的復(fù)雜度，而且緩解了網(wǎng)絡(luò)模型過(guò)擬合問(wèn)題，近年來(lái)被廣泛應(yīng)用于人臉識(shí)別、目標(biāo)檢測(cè)等圖像識(shí)別領(lǐng)域。采用LeNet-5模型的卷積神經(jīng)網(wǎng)絡(luò)對(duì)RFID標(biāo)簽表面數(shù)字編碼進(jìn)行識(shí)別，其結(jié)構(gòu)示意如圖3所示，使用MNIST數(shù)據(jù)集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

圖3 LeNet-5模型結(jié)構(gòu)示意

3.2 RFID標(biāo)簽表面數(shù)字編碼識(shí)別

3.2.1 數(shù)字編碼區(qū)域定位

根據(jù)RFID標(biāo)簽表面數(shù)字編碼的特點(diǎn)(數(shù)字編碼在二維碼下方，都包含“ID:”，且為一長(zhǎng)條區(qū)域)，定義小模板“ID:”，利用基于灰度的匹配方法在獲取圖像的二維碼下方區(qū)域，移動(dòng)小魔板進(jìn)行圖像匹配，定位“ID:”的起始坐標(biāo)ST、以及高度h、寬度w。根據(jù)要系統(tǒng)設(shè)置的數(shù)字編碼長(zhǎng)度N，計(jì)算數(shù)字編碼區(qū)的總體長(zhǎng)度w*N/3，從而獲得數(shù)字編碼區(qū)域圖像A，長(zhǎng)度為Wa，高度為Ha。

3.2.2 數(shù)字分割

由于RFID標(biāo)簽表面數(shù)字編碼位數(shù)較多，為降低學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練復(fù)雜度，可將一連串編碼進(jìn)行分割，然后對(duì)分割后的單個(gè)數(shù)字圖像進(jìn)行識(shí)別。

設(shè)A為定位后的數(shù)字編碼區(qū)域圖像，A[i，j]表示像素點(diǎn)(i，j)的值，為0表示黑色，為1表示白色。計(jì)算一維分割向量:j](j=1，2，…，Wa)。

X[j]為1表示該位置為數(shù)字之間的間隔區(qū)域。從左向右掃描X[j]，用一個(gè)游標(biāo)pp來(lái)記錄數(shù)字圖像中掃描的變化，如果游標(biāo)遇到0，則表明該處為黑點(diǎn)，表示該位置為第一個(gè)數(shù)字的左邊界，標(biāo)記為col1；繼續(xù)向右掃描，若遇到1，且第一次遇到1，則表示該位置為第一個(gè)數(shù)字的右邊界，記錄該數(shù)字圖像為number1。以前一個(gè)數(shù)字的右邊界為掃描起點(diǎn)，重復(fù)前面的步驟，直到把所有的數(shù)字都分割出來(lái)。數(shù)字編碼分割完成后，應(yīng)用訓(xùn)練好的LeNet-5網(wǎng)絡(luò)進(jìn)行數(shù)字識(shí)別。

4 三碼一致性驗(yàn)證裝置設(shè)計(jì)與實(shí)現(xiàn)

4.1 系統(tǒng)設(shè)計(jì)

本研究根據(jù)前述功能要求完成了一款特高頻RFID標(biāo)簽三碼一致性驗(yàn)證裝置，其硬件系統(tǒng)框架如圖4所示。

圖4 硬件系統(tǒng)框架結(jié)構(gòu)

系統(tǒng)以嵌入式微處理器為核心，輔助以超高頻RFID讀卡芯片、無(wú)線網(wǎng)絡(luò)通信模塊、圖像采集模塊，以及按鍵輸入、顯示屏和音頻輸出模塊。系統(tǒng)功能主要包括原始圖像采集、讀取RFID芯片編碼、標(biāo)簽表面二維碼識(shí)別、數(shù)字編碼識(shí)別和三碼一致性判定邏輯。具體的一致性驗(yàn)證流程如圖5所示。

圖5 RFID標(biāo)簽三碼一致性驗(yàn)證判定流程

當(dāng)將待檢測(cè)RFID標(biāo)簽置入待檢區(qū)后，超高頻讀卡模塊識(shí)別出芯片內(nèi)部實(shí)物ID編碼，接著啟動(dòng)攝像頭為標(biāo)簽表面進(jìn)行拍照，獲取同時(shí)包含標(biāo)簽表面二維碼和數(shù)字編碼的圖像，并以二維碼為核心進(jìn)行圖像預(yù)處理(包括灰度化、自適應(yīng)中值濾波和基于灰度直方圖的自適應(yīng)多閾值動(dòng)態(tài)Otsu法二值化)；隨后分別調(diào)用二維碼識(shí)別模塊和數(shù)字編碼識(shí)別模塊進(jìn)行識(shí)別。判定時(shí)，如果三碼一致，則無(wú)線通信模塊調(diào)用云端服務(wù)器，進(jìn)一步確定待測(cè)實(shí)物ID對(duì)應(yīng)設(shè)備所處工作狀態(tài)，最后進(jìn)行驗(yàn)證結(jié)果的顯示及語(yǔ)音播報(bào)。

4.2 實(shí)驗(yàn)分析

圖6展示了應(yīng)用本裝置在光線不均情況下二維碼及數(shù)字碼識(shí)別圖像的預(yù)處理過(guò)程及效果。應(yīng)用本裝置采集現(xiàn)場(chǎng)光線不均情況下的圖像1000例，對(duì)比不同處理方法的識(shí)別率及識(shí)別速度，見表1。通過(guò)比較可以看出，文中所采用的對(duì)圖像分塊進(jìn)行直方圖均衡化后應(yīng)用Otsu算法的識(shí)別效率，要明顯優(yōu)于未進(jìn)行直方圖均衡化，而圖像分塊后直接應(yīng)用Otsu算法的處理過(guò)程，并且隨著圖像分塊數(shù)目的增加，識(shí)別效率也隨之增加，說(shuō)明圖像分塊數(shù)目的增加可有效消除光照不均對(duì)二值化的影響。但分塊數(shù)目的增加也增加了圖像預(yù)處理的時(shí)間，影響了識(shí)別速度，所以分塊要適量。

圖6 光照不均情況下不同圖像二值化方法應(yīng)用對(duì)比

表1 不同圖像二值化方法識(shí)別效率對(duì)比

4.3 裝置性能

本裝置應(yīng)用基于灰度直方圖的自適應(yīng)多閾值動(dòng)態(tài)Otsu法處理采集到的圖像存在一定的復(fù)雜背景干擾、光照不均和斜視畸變等情況，二維碼和數(shù)字編碼識(shí)別更靈敏；本裝置采用基于Let Net-5模型的卷積神經(jīng)網(wǎng)絡(luò)對(duì)標(biāo)簽表面數(shù)字串進(jìn)行智能識(shí)別，數(shù)字編碼識(shí)別正確率達(dá)到99.5%；本裝置便于攜帶、操作簡(jiǎn)單、交互友好，由于功率可調(diào)節(jié)，可防止在RFID閱讀器有效工作范圍內(nèi)出現(xiàn)多個(gè)RFID應(yīng)答器的碰撞，保證待驗(yàn)證RFID標(biāo)簽的唯一性。

4.4 應(yīng)用場(chǎng)景

該裝置的應(yīng)用場(chǎng)景主要有以下3種。

a.設(shè)備貼簽之前的實(shí)驗(yàn)室檢測(cè)。由于標(biāo)簽供應(yīng)商與設(shè)備供應(yīng)商不是同一家，可應(yīng)用本裝置在實(shí)驗(yàn)室對(duì)RFID標(biāo)簽生產(chǎn)廠家提供的標(biāo)簽進(jìn)行實(shí)驗(yàn)室檢測(cè)，因?yàn)橐恢滦詸z測(cè)響應(yīng)時(shí)間≤1.5 s，單個(gè)裝置的日檢測(cè)量可達(dá)2 000個(gè)標(biāo)簽。

b.設(shè)備貼標(biāo)后物資到貨驗(yàn)收環(huán)節(jié)的抽檢。物資到貨后，RFID標(biāo)簽已被設(shè)備供應(yīng)商裝貼在設(shè)備銘牌附近，由物資專業(yè)進(jìn)行到貨驗(yàn)收，可應(yīng)用本裝置對(duì)設(shè)備上的RFID標(biāo)簽進(jìn)行三碼一致性驗(yàn)證抽檢，結(jié)果數(shù)據(jù)可作為評(píng)價(jià)設(shè)備供應(yīng)商貼簽質(zhì)量的重要依據(jù)。

c.設(shè)備貼標(biāo)運(yùn)行后應(yīng)用抽檢。本裝置也可用于運(yùn)行中設(shè)備RFID標(biāo)簽一致性驗(yàn)證的抽檢工作。

5 結(jié)論

國(guó)網(wǎng)公司在《資產(chǎn)統(tǒng)一身份編碼建設(shè)推廣實(shí)施方案》中明確，2018年8月后實(shí)現(xiàn)主網(wǎng)8類、配網(wǎng)2類設(shè)備所有招標(biāo)批次的增量設(shè)備源頭賦碼貼標(biāo)，到2020年實(shí)現(xiàn)主網(wǎng)14類、配網(wǎng)2類50%存量設(shè)備標(biāo)簽制作安裝及信息關(guān)聯(lián)追溯，屆時(shí)貼標(biāo)設(shè)備數(shù)量將達(dá)到千萬(wàn)級(jí)別。這也意味著RFID標(biāo)簽三碼一致性檢測(cè)工作在入網(wǎng)前后的檢測(cè)數(shù)量將達(dá)到上億級(jí)別。本裝置可在國(guó)網(wǎng)公司系統(tǒng)內(nèi)得到廣泛應(yīng)用，為保證RFID標(biāo)簽入網(wǎng)前的正確率、提高電網(wǎng)資產(chǎn)實(shí)物ID信息追溯的一致性與完備性提供重要的解決方案。