吳家飛

（福建林業(yè)職業(yè)技術(shù)學(xué)院 園林系，福建 南平 353000）

0 引言

指針式儀表因結(jié)構(gòu)簡(jiǎn)單，可靠性高，被廣泛應(yīng)用于電力、工業(yè)制造等領(lǐng)域[1-2]。由于指針式儀表沒有實(shí)現(xiàn)數(shù)字化，無(wú)法直接通過(guò)將其示數(shù)直接轉(zhuǎn)化為電信號(hào)。目前主要讀取指針式儀表的方式有人工讀取和機(jī)器讀取兩種方式。采用人工進(jìn)行讀取，存在效率低、人工成本大的問(wèn)題。隨著工業(yè)化智能化的到來(lái)，攝像頭、巡檢機(jī)器人等設(shè)備逐漸增多，采用機(jī)器替代人工，進(jìn)行指針式儀表的自動(dòng)化讀取示數(shù)，這種方式可以極大提高效率、降低人工成本[3]。

近年來(lái)，許多國(guó)內(nèi)外學(xué)者基于機(jī)器視覺技術(shù)對(duì)指針式儀表讀數(shù)展開研究。王欣藝等[4]采用偏移濾波、雙邊濾波、最大類間方差法選取閾值等方法將圖像二值化，然后基于Hough 圓定位儀表盤中心，基于Hough直線提取指針，然后使用CTPN+CRNN 得到最小刻度與最大刻度推算出其余刻度，最后通過(guò)角度法計(jì)算指針與刻度關(guān)系，該方法對(duì)較為耗時(shí)。該方法在最小或者最大刻度獲取失敗的情況下無(wú)法工作。孫懷遠(yuǎn)等[5]基于yolo 算法對(duì)指針式儀表進(jìn)行定位，使用透視變換算法進(jìn)行角度矯正，然后應(yīng)用幾何矩算法遍歷得到儀表表盤刻度區(qū)域和指針，最后采用角度法得到指針示數(shù)。該方法對(duì)于圓形儀表具有較好的性能，無(wú)法應(yīng)用于其他形狀的儀表。李典等[6]使用SIFT 方法匹配方法對(duì)指針式儀表進(jìn)行定位，通過(guò)霍夫圓等方法定位表盤，最后通過(guò)角度法獲取指針示數(shù)。該方法容易受到光照、角度偏移等情況的影響。Liu 等[7]基于Yolov5 實(shí)現(xiàn)了指針的快速定位和讀取識(shí)別，具有較高的識(shí)別率和檢測(cè)效率。但是該方法需要較多的指針式儀表數(shù)據(jù)完成訓(xùn)練，在缺乏數(shù)據(jù)的情況，無(wú)法達(dá)到預(yù)期效果。

提出一種指針式儀表的智能識(shí)別方法，該方法能夠?qū)崿F(xiàn)指針式儀表的自動(dòng)讀數(shù)，在一定程度遮擋、光照、角度偏移影響下也具備較高的識(shí)別準(zhǔn)確率。

1 系統(tǒng)總體設(shè)計(jì)

設(shè)計(jì)的指針式儀表智能識(shí)別方法流程如圖1 所示。系統(tǒng)總體分別指針檢測(cè)模塊和表計(jì)讀數(shù)模塊。其中指針檢測(cè)模塊目的是為了檢測(cè)出指針式儀表的指針指向的角度，表計(jì)讀數(shù)模塊是通過(guò)文字識(shí)別和角度換算等方法，得到指針指向的角度所代表的示數(shù)。在針檢測(cè)模塊中，先將采集的儀表圖像進(jìn)行預(yù)處理操作，之后進(jìn)行自適應(yīng)閾值得到二值化圖像，將二值化圖像進(jìn)行細(xì)化處理、邊緣檢測(cè)、霍夫檢測(cè)，得到指針的指向。在表計(jì)模塊中，將儀表圖像進(jìn)行文字是識(shí)別，得到儀表上刻度示數(shù)的坐標(biāo)，然后把坐標(biāo)進(jìn)行角度換算，將指針指向的角度與刻度的儀表角度進(jìn)行比較，得到識(shí)別結(jié)果。

2 指針檢測(cè)

2.1 采集圖像

采集圖像是指針儀表智能識(shí)別的輸入圖像，采集設(shè)備可以是固定攝像頭、巡檢機(jī)器人等設(shè)備。采集到的圖像，要求清晰，沒有雜物干擾，儀表位于圖像的中心。如圖2 指針式儀表圖所示。

圖2 指針式儀表圖

2.2 預(yù)處理

圖像的預(yù)處理是為了減少噪聲干擾，消除無(wú)用的信息，這里預(yù)處理步驟先將圖像進(jìn)行灰度化，將三通道的彩色圖像轉(zhuǎn)換為單通道的灰度圖像，然后將灰度化的圖像進(jìn)行高斯濾波，消除圖像中的高斯噪聲，從而達(dá)到降噪的效果[8]。預(yù)處理的流程圖如圖3 所示。

圖3 預(yù)處理流程圖

2.3 自適應(yīng)閾值

自適應(yīng)閾值設(shè)定閾值的方式是根據(jù)像素領(lǐng)域塊的像素分布來(lái)確定，目的是為了將圖中的目標(biāo)與背景區(qū)分開來(lái)，該方法好處是，能夠閾值自適應(yīng)，避免了固定閾值的不同輸入圖像需要設(shè)置不同的閾值的問(wèn)題。

2.4 細(xì)化處理與邊緣檢測(cè)

細(xì)化處理是為了提取到指針式儀表圖像的骨架，能將一個(gè)連通區(qū)域細(xì)化成一個(gè)像素的寬度，用于特征提取和目標(biāo)拓?fù)浔硎尽?/p>

邊緣檢測(cè)是為了提取指針式儀表圖像細(xì)化后的不連續(xù)部分的特征[9]。由于圖像的邊緣為局部亮度變化最顯著的特征，因此進(jìn)行邊緣檢測(cè)捕捉圖像細(xì)節(jié)十分重要。Canny 邊緣檢測(cè)算法作為一種高效和實(shí)用的邊緣檢測(cè)算法，被廣泛應(yīng)用于機(jī)器視覺領(lǐng)域，因?yàn)楸疚牡倪吘墮z測(cè)算法采用Canny 邊緣檢測(cè)算法。自適應(yīng)閾值、細(xì)化處理和邊緣檢測(cè)的指針式儀表圖像如圖4所示。

2.5 霍夫直線檢測(cè)

霍夫直線檢測(cè)可用于檢測(cè)圖像中的直線。它的原理是通過(guò)霍夫變換，將坐標(biāo)空間轉(zhuǎn)換為極坐標(biāo)空間，然后通過(guò)投票的方式進(jìn)行來(lái)確定直線。經(jīng)過(guò)霍夫直線檢測(cè)后的圖像，如圖5（a）所示。

圖5 自適應(yīng)閾值、細(xì)化處理、邊緣檢測(cè)圖

從圖5（a）中可以看到，霍夫直線檢測(cè)結(jié)果除了指針指向的直線外還包含了許多無(wú)關(guān)直線，因此需要采用一定的策略來(lái)去除無(wú)關(guān)直線。首先可以計(jì)算每條直線與中心的距離，將距離中心點(diǎn)較遠(yuǎn)的直線去除，去除后的圖像如圖5（b）所示。其次統(tǒng)計(jì)最多直線經(jīng)過(guò)的交點(diǎn)，記錄此交點(diǎn)，然后去除未經(jīng)過(guò)交點(diǎn)的直線，去除后的圖像如圖5（c）所示。最后將剩下所有直線的角度進(jìn)行取平均，得到平均角度，以該角度和前面記錄的交點(diǎn)，得到一條唯一的直線，作為指針檢測(cè)的結(jié)果，如圖5（d）所示。

3 表計(jì)讀數(shù)

3.1 文字識(shí)別

文字識(shí)別將輸入圖像識(shí)別為文字的過(guò)程。這一步的文字識(shí)別是為了找出指針式儀表量程刻度值代表的位置，為后續(xù)角度換算提供基礎(chǔ)。文字識(shí)別采用開源項(xiàng)目https：//github.com/chineseocr/chineseocr。項(xiàng)目基于yolo3（You Only Look Once）算法+CRNN（Convolutional Recurrent Neural Network）算法實(shí)現(xiàn)。其中yolo3 是一種端到端的圖像檢測(cè)算法，可對(duì)輸入圖像中的文字進(jìn)行檢測(cè)。CRNN 是CNN（Convolutional Neural Network）與RNN（Recurrent Neural Network）融合的模型結(jié)構(gòu)。其中CNN 用于特征提取，RNN 用于特征向量預(yù)測(cè)，CRNN 可將yolo3 檢測(cè)到的文字進(jìn)行識(shí)別。采用文字識(shí)別方法將指針式儀表圖進(jìn)行識(shí)別，對(duì)最小刻度和最大刻度的位置進(jìn)行定位，如圖6所示。

圖6 文字識(shí)別檢測(cè)效果圖

圖7 角度法原理

3.2 表計(jì)讀數(shù)

在得到指針角度、最小刻度位置和最大刻度位置之后，只需使用角度法[10]，計(jì)算最小刻度值與指針的夾角，占最小刻度與最大刻度夾角的比例。最后通過(guò)換算，即可得到表計(jì)讀數(shù)，其原理如7 所示。

假設(shè)總量程為M，最小刻度為點(diǎn)A，最大刻度值為點(diǎn)B，儀表中心為點(diǎn)O，最小刻度與指針間的夾角，即向量之間的夾角為θ1，最小刻度與最大刻度間的夾角，即之間的夾角為θ，那么表計(jì)讀數(shù)X可通過(guò)式（1）計(jì)算。

4 實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)對(duì)象為10 張量程0～10 的油位計(jì)指針式儀表，共有四種不同情況下的指針式油位計(jì)儀表，分別是正常情況下的油位計(jì)儀表、部分遮擋的油位計(jì)儀表、角度偏移的油位計(jì)儀表及不同光照條件下的油位計(jì)儀表。其中正常情況下的油位計(jì)儀表4 張，部分遮擋的油位計(jì)儀表2 張，角度偏移的油位計(jì)儀表2 張，不同光照條件下的油位計(jì)儀表2 張。

分兩部分進(jìn)行分析，第一部分是指針檢測(cè)分析，第二部分是指針讀數(shù)。指針檢測(cè)對(duì)于指針式儀表的讀數(shù)至關(guān)重要，良好的指針檢測(cè)是指針正確讀數(shù)的前提。圖8 為指正常情況下的針檢測(cè)的實(shí)驗(yàn)效果圖，從指針檢測(cè)效果來(lái)看，可以較好的檢測(cè)出指針。從圖9 可以看出，在儀表有部分遮擋、角度偏移、光照影響下，指針檢測(cè)方法也能夠較好的對(duì)指針指向進(jìn)行檢測(cè)。

圖8 正常情況下儀表指針檢測(cè)圖

圖9 不同情況下儀表指針檢測(cè)圖

在完成指針檢測(cè)部分之后，則需要進(jìn)行指針讀數(shù)部分。表1 為指針讀數(shù)實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)表。油位計(jì)指針式儀表刻度只標(biāo)注整數(shù)部分，小數(shù)位部分需要通過(guò)人工讀取，而通過(guò)人工讀取的讀數(shù)也會(huì)存在偏差，因此可以定義相對(duì)誤差不超過(guò)5%，則認(rèn)為該方法是有效的。從表中可以看出，在正常、部分遮擋、角度偏移、光照影響小的情況下，通過(guò)本文方法讀取的指針示數(shù)，與人工讀數(shù)的相對(duì)誤差均不超過(guò)2%，證明本文的指針式儀表具有一定的有效性和可行性。

表1 指針讀數(shù)實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)表

5 結(jié)語(yǔ)

設(shè)計(jì)新的指針式儀表智能識(shí)別方法是基于圖像處理技術(shù)對(duì)儀表指針進(jìn)行檢測(cè)，使用深度學(xué)習(xí)進(jìn)行文本檢測(cè)得到最小量程和最大量程，最后通過(guò)角度法計(jì)算，得到指針示數(shù)。通過(guò)實(shí)驗(yàn)證明該方法在部分遮擋、角度偏移、一定光照影響下，也能夠達(dá)到良好的效果，具有一定的魯班性。但是同時(shí)，對(duì)光照較弱指針檢測(cè)失敗、儀表模糊導(dǎo)致的文本檢測(cè)失敗等問(wèn)題，在往后的研究工作中，還需重點(diǎn)關(guān)注并加以改進(jìn)。