唐靜宜，唐 波?，付小梅，彭建軍

(1.三峽大學(xué)，湖北 宜昌 443002；2.國網(wǎng)河南平頂山供電公司，河南 平頂山 467001；3.青海黃河智慧能源有限責(zé)任公司，青海 格爾木 816099)

指針式儀表具有結(jié)構(gòu)簡單、便于維修、精度較高、抗電磁干擾性強(qiáng)等優(yōu)點，被廣泛應(yīng)用在電力系統(tǒng)儀表測試和系統(tǒng)控制中[1－3]。在電力系統(tǒng)中，對電氣設(shè)備儀表的監(jiān)控非常重要，但指針式儀表其輸出結(jié)果為模擬信號，無法直接被計算機(jī)系統(tǒng)識別采集，因此如何實現(xiàn)指針式儀表數(shù)據(jù)的精準(zhǔn)化、自動化讀取是一個長期研究的問題[4－5]。

目前，研究學(xué)者在儀表讀數(shù)識別領(lǐng)域已有大量研究基礎(chǔ)。文獻(xiàn)[6]基于圓周區(qū)域的累積直方圖法，結(jié)合表盤灰度特征信息，提出了一種根據(jù)指針偏轉(zhuǎn)角度獲取讀數(shù)的方法，實驗測試結(jié)果證明所提方法在指針讀數(shù)識別方面的實時性和高精度性；文獻(xiàn)[7]給出了一種新型儀表讀數(shù)識別策略，應(yīng)用工業(yè)相機(jī)實現(xiàn)儀表表盤及指針的圖像識別，將改進(jìn)Hough 法應(yīng)用其中，對圖像進(jìn)行分割、細(xì)化等處理，實驗結(jié)果證實了該方法在提升圖像識別準(zhǔn)確性方面的效果；文獻(xiàn)[8]通過分別對模板和待測圖像進(jìn)行預(yù)處理操作，應(yīng)用差影法對待測圖像進(jìn)行缺陷檢測，提出了一種雙掩模的圖像差影策略，實驗結(jié)果證實了所提策略在搜索儀表表面缺陷的有效性；文獻(xiàn)[9]基于數(shù)字信號處理技術(shù)對被測儀表圖像進(jìn)行一系列預(yù)處理操作，包括:灰度變換、邊沿測試、Hough變換等，實現(xiàn)了對儀表讀數(shù)的精準(zhǔn)識別；文獻(xiàn)[10]建立了基于圖像處理技術(shù)的變電站指針式儀表自動檢測系統(tǒng)，采用改進(jìn)的Hough 變換提取圖像中的直線，計算指針角度和顯示指針讀數(shù)，并利用OpenCV函數(shù)庫建立了指針式儀表圖像的模型庫。仿真結(jié)果表明，該指針式儀表自動判讀系統(tǒng)在識別指針讀數(shù)的精度上遠(yuǎn)大于人工讀數(shù)；文獻(xiàn)[11]將嵌入式機(jī)器視覺技術(shù)和物聯(lián)網(wǎng)技術(shù)相結(jié)合，提出了一種新型自動讀數(shù)策略，利用角度約束方法對霍夫變換進(jìn)行了優(yōu)化，并結(jié)合二值圖像減影法，識別出指針偏轉(zhuǎn)角度，從而進(jìn)行讀數(shù)，利用無線傳輸實現(xiàn)遠(yuǎn)程自動抄表；文獻(xiàn)[12]基于marker 檢測法定位儀表指針區(qū)域，提出了一種新型監(jiān)測儀表指針抖動的策略，實際工程應(yīng)用結(jié)果證實了該策略相比于原有策略，其在識別準(zhǔn)確率和時效性的優(yōu)越性。

上述研究文獻(xiàn)采用不同方法實現(xiàn)了儀表讀數(shù)自動識別的要求，但鮮少能夠同時具備儀表讀數(shù)的全自動檢測以及精準(zhǔn)識別的功能。針對這一問題，本文建立了基于圖像識別的儀表讀數(shù)全自動檢測系統(tǒng)，詳細(xì)分析了系統(tǒng)的硬件組成結(jié)構(gòu)及設(shè)備選型要求，基于圖像預(yù)處理以及讀數(shù)識別兩個部分對全自動檢測系統(tǒng)軟件技術(shù)實現(xiàn)過程進(jìn)行解析計算。最后，對讀數(shù)識別的精準(zhǔn)度進(jìn)行實驗測試，以驗證本文所提策略的有效性。

1 儀表讀數(shù)全自動檢測系統(tǒng)

如圖1 所示，為基于圖像識別的儀表讀數(shù)全自動檢測系統(tǒng)基本架構(gòu)，分為圖像采集硬件系統(tǒng)和讀數(shù)識別軟件系統(tǒng)兩個部分[13]。硬件系統(tǒng)主要由被測儀表、圖像采集設(shè)備以及主站服務(wù)器三個部分組成，主要負(fù)責(zé)對指針儀表進(jìn)行圖像采集，并通過USB將解析數(shù)據(jù)傳輸至計算機(jī)中。在預(yù)設(shè)好的光照系統(tǒng)中，通過計算機(jī)控制圖像采集設(shè)備實時獲取儀表圖像。接著，應(yīng)用指針式儀表圖像識別技術(shù)，找準(zhǔn)儀表圖像所在區(qū)域進(jìn)行圖像采集，并將數(shù)據(jù)傳輸至計算機(jī)。最后，應(yīng)用有效的圖像解析處理技術(shù)解析儀表指針讀數(shù)，進(jìn)行實現(xiàn)指針儀表讀數(shù)的獲取[14]。

圖1 儀表讀數(shù)全自動檢測系統(tǒng)

2 系統(tǒng)硬件結(jié)構(gòu)設(shè)計

儀表圖像的采集作為儀表讀數(shù)全自動檢測系統(tǒng)的基礎(chǔ)，圖像采集的質(zhì)量會受到采集過程中硬件設(shè)備條件、環(huán)境因素等影響。因此，為了降低圖像處理的復(fù)雜性、簡化系統(tǒng)步驟，需要從一開始就選用合適的硬件采集裝置并規(guī)劃好系統(tǒng)的軟硬件方案。

圖2 全自動檢測系統(tǒng)的硬件組成結(jié)構(gòu)

2.1 光源

光源作為圖像采集、識別的重要基礎(chǔ)，光照強(qiáng)度的大小會影響圖片拍攝的質(zhì)量。為了降低原始圖像中噪聲含量、凸顯圖像的重要內(nèi)容，需要采用合適的光源，并對光源布局進(jìn)行合理規(guī)劃，為圖像采集提供足夠的亮度。LED 作為目前常用的高效節(jié)能光源，具有使用壽命長、功率損耗低、無輻射、節(jié)能環(huán)保等優(yōu)點，在生產(chǎn)和生活應(yīng)用廣泛。因此，本文將LED光源應(yīng)用在圖像識別測量中，所使用的LED 光源基本性能參數(shù)特性如表1 所示[15]。

表1 LED 光源MT－LA108 基本性能參數(shù)

2.2 數(shù)字?jǐn)z像機(jī)和光學(xué)鏡頭

CCD 攝像機(jī)作為圖像傳感器，具有體積小、功耗低、靈敏度高、頻譜光譜響應(yīng)寬等優(yōu)點，被廣泛應(yīng)用在圖像識別領(lǐng)域。通常，CCD 攝像機(jī)和光學(xué)鏡頭共同作用，對連續(xù)的感知數(shù)據(jù)進(jìn)行光電模數(shù)轉(zhuǎn)化，并能夠?qū)?shù)字圖像傳輸至計算機(jī)進(jìn)行處理[16]。本文采用CCD 攝像頭進(jìn)行圖像采集獲取工作，選用大恒的水星(Mercury)系列USB 接口數(shù)字?jǐn)z像機(jī)，采用M2514－MP 工業(yè)光學(xué)鏡頭，主要性能參數(shù)如表2所示。

表2 攝像設(shè)備參數(shù)選型

圖3 儀表讀數(shù)全自動檢測系統(tǒng)

3 全自動檢測系統(tǒng)軟件技術(shù)實現(xiàn)

本文基于MATLAB 軟件的Matrix Laboratory 模塊來實現(xiàn)對儀表圖像的處理與讀數(shù)識別，其具備多種類型的圖像處理功能。儀表讀數(shù)全自動檢測系統(tǒng)主要包括圖像預(yù)處理以及讀數(shù)識別兩大模塊。

圖4 儀表讀數(shù)全自動檢測系統(tǒng)

3.1 儀表圖形預(yù)處理

3.1.1 圖形去噪

在圖像采集的過程中，主要受椒鹽噪聲以及任意噪聲的影響最大。本文采用二維中值濾波法對采集圖像的噪聲進(jìn)行處理，基于噪聲離散分布特性，使用待測圖像中某點的鄰域灰度中間值取代這一點的灰度，從而降低因噪聲對圖像采集質(zhì)量造成的干擾[17]。將原圖像記作f(x，y)，濾波后的圖像記作g(x，y)，算法具體實現(xiàn)步驟如下:

(1)對原圖像取一點(m，n)的鄰域為S；

(2)將鄰域S中的H個像素按照其灰度大小進(jìn)行排序{a1，a2，...，ah}；

(3)當(dāng)像素數(shù)目H為奇數(shù)時:濾波后點(m，n)的像素為{a1，a2，...，ah}排序中ah＋1/2處的像素值；

(4)當(dāng)像素數(shù)目H為偶數(shù)時:濾波后點(m，n)的像素為{a1，a2，...，ah}排序中，中間兩個像素的平均值

3.1.2 圖像增強(qiáng)

本文采用分段線性變換法對被采集圖像進(jìn)行圖像增強(qiáng)操作，該算法能夠強(qiáng)化儀表表盤中的目標(biāo)區(qū)間信息，并弱化圖像中的非有效部分，將目標(biāo)灰度圖像分為多個灰度區(qū)間，分別對各小區(qū)間進(jìn)行線性變換[18]:

假定原目標(biāo)圖像為f(x，y)，fmax表示最大灰度值，經(jīng)過圖像增強(qiáng)后獲得圖像為g(x，y)，gmax表示圖像增強(qiáng)后的最大灰度值。

(1)基于線性變換法，將被采集圖像中有效區(qū)間的灰度值從[a，b]擴(kuò)展至[c，d]，進(jìn)而增強(qiáng)此區(qū)域圖像的強(qiáng)度；

(2)同理，基于線性變換法，將被采集圖像中無效區(qū)間的灰度值分別從[0，a]、[b，255]壓縮至[0，c]、[d，255]，進(jìn)而削弱此區(qū)域圖像的強(qiáng)度；

圖像進(jìn)行分段線性變換增強(qiáng)的公式如下:

3.1.3 閾值分割

本文基于最大類間方差法對待測圖像進(jìn)行二值化處理，基于圖像不同區(qū)域的灰度值大小來區(qū)分目標(biāo)與非目標(biāo)區(qū)域，解決因光照條件不足造成圖像亮度不均勻的問題[19]。假定原始圖像的全像素點數(shù)為M×N，區(qū)分目標(biāo)區(qū)域和非目標(biāo)區(qū)域的灰度閾值為T，則有:

式中:w0為非目標(biāo)區(qū)域像素點數(shù)在全圖像素點數(shù)的占比；w1為非目標(biāo)區(qū)域像素點數(shù)在全圖像素點數(shù)的占比；N0為全圖中灰度值小于T的像素數(shù)；N1為全圖中灰度值大于T的像素數(shù)。求解出全圖的總平均灰度μ為:

式中:μ0為目標(biāo)區(qū)域的平均灰度；μ1為非目標(biāo)區(qū)域的平均灰度。

進(jìn)一步，求解得到類間方差g為:

將式(3)代入式(4)中，得到:

當(dāng)類間方差最大時，此時目標(biāo)區(qū)域和非目標(biāo)區(qū)域之間的接線最分明，即灰度閾值T最佳，得到經(jīng)過處理后的圖像g(x，y)為:

被采集圖像在經(jīng)過閾值分割處理后，尚不能明顯區(qū)分邊界點與目標(biāo)區(qū)域，為此，需進(jìn)行圖像形態(tài)學(xué)處理以得到清晰的圖像。本文選擇原點位于中心的3×3 對稱結(jié)構(gòu)元素做形態(tài)學(xué)開運算，平滑物體輪廓并消除突兀點，采用圖像腐蝕法使邊界向內(nèi)部收縮，采用圖像膨脹法處理指針圖像間斷的情況，得到完整的指針圖像信息。

3.2 儀表讀數(shù)識別

3.2.1 儀表圓心的定位

本文基于Hough 變換法，測量儀表指針的讀數(shù)，其核心思想是把直角坐標(biāo)系的值轉(zhuǎn)化為極坐標(biāo)系的值[20]。首先，將直線上的點全部由直角坐標(biāo)系值轉(zhuǎn)換為極坐標(biāo)系值形成峰值，找到儀表的指針。接著，以任意兩幅指針讀數(shù)不同的儀表圖像為基礎(chǔ)，進(jìn)行交集運算求解出儀表盤的圓心所在，其計算過程如式(7)所示:

式中:ρ1為第一幅儀表圖像原點到直線間的距離，θ1為直線與x軸的夾角；ρ2為第二幅儀表圖像原點到直線間的距離，θ2為直線與x軸的夾角。求解得到圓心(x0，y0)的計算公式為:

3.2.2 指針方向的判定

基于Hough 變換法在極坐標(biāo)系下找到儀表指針?biāo)诘闹本€，并記錄其與0 刻度線的夾角θ。此夾角可能是指針的真實角度，也可能需要加上180°才是指針的真實角度。

為此，需要進(jìn)一步確認(rèn)指針的方向。通過建立由零刻度線和圓心組成的直角坐標(biāo)系，再基于Hough 變換得到指針的起始位置和結(jié)束位置以確定指針的指向。

3.2.3 最大量程的設(shè)定

系統(tǒng)在對儀表讀數(shù)進(jìn)行識別時，需要預(yù)先知道儀表的最大量程數(shù)值R及其所對應(yīng)的角度θm，才能進(jìn)行計算得到當(dāng)下儀表指針的讀數(shù):

4 實驗及結(jié)果分析

如圖5 所示，為實驗測量裝置示意圖。為驗證本文方法的實際識別效果，選取了Y150－精密壓力表進(jìn)行實驗與分析，壓力表的參數(shù)為最大量程40 MPa，精度等級為0.4 級，最大量程對應(yīng)的角度為180°。

圖5 實驗測量裝置示意圖

圖6(a)為未經(jīng)處理的指針式儀表原始圖像，圖6(b)為經(jīng)過圖像去噪后的圖像，圖6(c)為經(jīng)過圖像增強(qiáng)處理后的圖像，可以看出儀表表盤和指針的清晰度、識別度得到明顯的提升。接著，對處理后的圖像再進(jìn)行形態(tài)學(xué)處理及邊緣檢測，檢測結(jié)果如圖6(d)、圖6(e)所示，得到的指針方向、角度的擬合結(jié)果基本與實際情況一致。

圖6 儀表讀數(shù)全自動檢測系統(tǒng)的處理

上述圖像處理擬合結(jié)果充分證實了本文所設(shè)計的儀表讀數(shù)全自動檢測系統(tǒng)在圖像識別方面的可行性。接著，對儀表讀數(shù)的精準(zhǔn)性進(jìn)行驗證。選擇十組不同的儀表讀數(shù)值進(jìn)行實驗測試，每組儀表讀數(shù)值進(jìn)行五次測試，測量值取五次測試結(jié)果的平均值，計算測量值與實際值的相對誤差，將結(jié)果列于表3中。從實驗結(jié)果來看，多次測量結(jié)果的相對誤差值均小于1%，說明本文所提策略能夠?qū)崿F(xiàn)儀表讀數(shù)的精準(zhǔn)識別。

表3 壓力儀表讀數(shù)的實際值與測量值對比

5 結(jié)論

本文應(yīng)用圖像識別法對儀表讀數(shù)全自動檢測技術(shù)進(jìn)行探究并做出實驗驗證，結(jié)果表明所提方法可用于實現(xiàn)儀表數(shù)據(jù)全自動檢測，相比目前的人工檢測方式，其更加智能化、高效化，且讀數(shù)識別的精準(zhǔn)度符合性能要求，能夠滿足當(dāng)下各類高壓危險工作環(huán)境下的儀表數(shù)據(jù)讀取作業(yè)需求。