摘 要：針對當前化工廠指針儀表讀數方法效率低、誤差大等問題，本文提出了一種基于改進Canny算法的指針儀表讀數方法。首先，采用目標檢測算法YOLOv5對儀表表盤及指針進行定位檢測，從而能夠更加準確的得到指針所在位置；其次，采用導向濾波方法對圖像進行預處理，得到清晰的儀表圖像，同時利用改進的Canny算法對指針邊緣進行提??；最后，利用霍夫變換方法得到指針所在直線，并計算傾斜角度，采用角度法計算出實際讀數。通過實驗驗證，本文所提出的儀表讀數方法的讀數精度為93.6%，較改進前提升了3.1%，該方法有效提升了化工廠的指針儀表讀數效率，具有較高的實用價值。

關鍵詞：YOLOv5；導向濾波；Canny算法；霍夫變換；角度法；MATLAB

中圖分類號：TP391 文獻標識碼：A 文章編號：2095-1302（2024）04-00-03

DOI：10.16667/j.issn.2095-1302.2024.04.005

0 引 言

在化工廠的日常生產過程中，每個設備所對應的儀表檢測數據對于生產過程控制以及生產安全具有重要意義。在化工廠中，不同設備的儀表也會有所不同，常見的有數字儀表、指針式儀表等。相對于指針式儀表，數字儀表的讀數更加方便，且智能化程度更高。但是數字儀表的缺陷在于，在惡劣的環(huán)境中，數字儀表壽命較短，維護成本高。而指針儀表的結構簡單、有較強的抗干擾能力且后期維護簡單，使用成本低，因此在化工廠中，常見的儀表均為指針式儀表。

目前，指針式儀表的讀數方法多為人工讀數，因此存在較大局限性。如在高溫、高壓的環(huán)境下，人工讀數付出的成本較大，且讀數準確率不高。此外，在一些具有輻射的環(huán)境中，人工讀數風險較高。隨著信息技術的發(fā)展，人工讀數的方式越來越無法滿足化工園區(qū)的智能化需求，因此采用智能化手段實現指針式儀表讀數對化工廠的發(fā)展具有重要意義。彭昆福[1]等提出了一種基于深度回歸的指針儀表讀數識別方法，該方法首先獲取儀表圖像的特征，然后利用方向回歸對指針的方向進行預測，最后利用角度法計算儀表的讀數。該方法準確性較高，但是計算復雜，時效性差。湯亮[2]等提出了基于空間變換的指針式儀表讀數識別算法，該方法首先獲取指針所在圓形區(qū)域的輪廓，其次對指針的刻度線進行校正，并得到刻度線的坐標，最后采用減影法來獲取指針與刻度線的相對位置得到指針讀數。Haojing Bao[3]等提出了一種基于逆透視映射的多指針式儀表計算機視覺測量方法，該方法通過視覺檢測獲取指針式儀表的讀數，具有一定的有效性，但是該方法的泛化性不高。為了解決指針式儀表讀數方法存在的問題，本文提出了一種基于改進Canny算法的指針儀表讀數方法，以提高化工廠指針式儀表的讀數效率。

1 YOLOv5算法

YOLOv5算法是當前性能較強的目標檢測方法，其網絡結構采用卷積神經網絡的特征提取模塊。YOLOv5的輸入端采用Mosaic方法對輸入數據集進行處理[4-5]。其主干網絡為CSPDarknet53，其主要用于提取特征信息，便于對表盤及指針進行定位。此外，YOLOv5結構還包括Backbone及Neck結構，Backbone結構引用Focus模塊，該模塊能夠在下采樣階段提取目標特征時，避免部分特征信息丟失。Neck結構是由FPN和PAN兩個模塊組成，兩種模塊能夠在不同的方向上對特征信息進行傳輸，從而將不同層次的特征進行融合，提高模型的檢測性能。儀表指針檢測流程如下：

（1）對輸入的儀表圖像進行單元格劃分，然后針對不同尺度的輸入目標生成先驗框，先驗框負責檢測相應的目標

物體。

（1）

式中：c表示置信度的值；P為預測框內的目標概率；H表示預測框與真實框之間的交并比。

（2）對輸入端的指針儀表圖像進行歸一化操作，然后送入特征提取網絡中提取相應的特征信息。

（3）計算被檢測物體的中心點位置及標注框的信息。

（4）輸出檢測結果。

指針儀表檢測圖如圖1所示。

2 圖像預處理

2.1 導向濾波

由于指針儀表長期暴露在露天環(huán)境，受雨水侵蝕、陽光暴曬等因素的影響，指針儀表表面的清晰度退化，導致讀數不準確、誤差大。為了提高儀表的讀數精度，采用導向濾波算法對指針儀表圖像進行濾波處理，使得圖像更加清晰。

導向濾波[6-7]是一種具有平滑效果的圖像處理方式，在保持圖像邊界的同時實現平滑的處理。與其他濾波方式相比較，導向濾波方法具有處理速度快和無梯度反轉的優(yōu)勢。導向濾波算法實現的一般步驟如下：

（1）分別讀取輸入及導向圖像P和I；

（2）分別計算I的均值與方差、輸入圖像P的均值以及I與P的乘積；

（3）對線性相關因子a與b的值分別進行計算：

（2）

（3）

（4）分別計算a與b的均值；

（5）得到導向濾波結果Q：

（4）

圖2為導向濾波的處理效果圖，將圖（a）、圖（b）對比可以看出，經過導向濾波處理后的儀表圖像更加清晰，特征信息更加豐富，有利于提高儀表的識別精度。

2.2 改進Canny算法

Canny是一種成熟的用于目標邊緣檢測的方法，其核心方法是將目標進行平滑后再求導，從而檢測出邊緣信息，該方法具有較好的去噪和邊緣檢測效果[8-10]。傳統(tǒng)的Canny算法包括以下3個計算部分：

（1）采用高斯濾波對圖像去噪；

（2）計算梯度值及梯度方向；

（3）采用非極大值抑制及雙閾值連接對檢測邊緣進行

處理。

由于傳統(tǒng)Canny算法的梯度方向比較單一，容易造成梯度變化緩慢及梯度信息丟失等問題。本文采用四方向Sobel算子對傳統(tǒng)Canny算法中的梯度計算方法進行改進，解決傳統(tǒng)方法中存在的不足。邊緣檢測結果如圖3所示。

（5）

式中：Gx代表橫向邊緣信息；Gy代表縱向邊緣信息。

由檢測結果圖可以看出，Canny算法改進前檢測的邊緣存在缺失，改進后的算法檢測效果更好。

2.3 霍夫變換法直線檢測

霍夫變換（Hough Transform）法常用于檢測直線，但該方法不僅能夠檢測直線，還能夠進行橢圓擬合等[11]?；舴蜃儞Q法的核心是將被檢測的復雜目標轉化為計算峰值的問題，將復雜的問題簡單化。檢測直線時，假設原點距離直線的垂直長度為ρ，且垂線與橫坐標軸之間的夾角為θ，則該直線的表達式為：

（6）

得到直線的極坐標方程后，將直線進行參數映射，即將r軸和θ軸進行離散化，得到直線的正弦曲線形式[12-13]。具體分為以下幾個步驟：

（1）將參數空間的坐標軸離散化；

（2）對圖像中不為0的像素點進行映射，并得到像素點在參數空間中的方格；

（3）統(tǒng)計每個方格出現的次數，并確定閾值，若某一個方格出現的次數大于閾值時，則用其表示直線；

（4）將表示直線方格的參數作為圖像中檢測直線的參數。

直線檢測效果如圖4所示。

2.4 角度法讀數

角度法是一種常見的儀表讀數方法[14]，該方法較為簡單，其具體步驟為：

（1）得到儀表的最大量程角度θmax；

（2）得到指針儀表的最大量程Nmax；

（3）得到指針上邊緣角度θ1與下邊緣角度θ2的平均值θmean，并通過下式計算得到儀表的讀數N。

（7）

（8）

3 實驗結果及分析

為了驗證本文提出的指針儀表讀數方法的有效性及實用性，本文在MATLAB環(huán)境下進行模擬實驗。本文的實驗數據一方面來源于化工廠實際儀表圖像，同時為了提升算法的泛化性，還采用網絡工具獲得其他指針儀表圖像，實驗數據圖像共5 000張。實驗步驟如下：

（1）為了快速對儀表表盤及指針所在位置進行定位，降低背景信息干擾，實驗首先采用LabelImg工具對儀表數據集進行標注，然后采用YOLOv5算法進行檢測。

（2）為了解決由于指針儀表的清晰度退化，造成讀數不準確、誤差大的問題，在完成指針定位后對指針儀表圖像進行濾波處理，提高讀數精度。

（3）最后采用改進的Canny算法及霍夫變換法對指針進行直線檢測，并采用角度法讀數。

表1為部分儀表的讀數結果，由表中讀數結果可以得到，改進后的算法讀數結果更加準確。圖5為準確率曲線圖，其中深灰色曲線表示算法改進前的準確率曲線，淺灰色曲線表示算法改進后的準確率曲線。從圖中可以看出，算法改進前的識別準確率為90.5%，算法改進后的識別準確率為93.6%，相比之下準確率提升了3.1%，指針儀表讀數的效率得到了提升。

4 結 語

為了提高化工廠的指針儀表讀數效率，本文提出了一種基于改進Canny算法的讀數方法。

（1）采用YOLOv5算法對儀表指針進行定位，該方法具有較好的定位效果。

（2）采用導向濾波對圖像進行預處理，提高圖像的細節(jié)信息，同時對Canny算法進行改進，以提取儀表指針的邊緣信息。利用改進后的算法提取的邊緣信息更全面，提取效果更好。

（3）利用霍夫變換法進行直線檢測并采用角度法計算讀數。實驗結果表明，本文所提方法的讀數精度為93.6%，較改進前提升了3.1%，具有較高的實用價值。

注：本文通訊作者為張寶寶。

參考文獻

[1]彭昆福，王子磊，王磊，等. 基于深度回歸的指針儀表讀數識別方法[J].信息技術與網絡安全，2020，39（12）：7.

[2]湯亮，何穩(wěn)，李倩，等.基于空間變換的指針式儀表讀數識別算法研究[J].電測與儀表，2018，55（6）：6.

[3] BAO H J，TAN Q C，LIU S Y，et al. Computer vision measurement of pointer meter readings based on inverse perspective mapping [J]. Applied sciences，2019，9（18）.

[4]郭磊，薛偉，王邱龍，等. 一種基于改進YOLOv5的小目標檢測算法[J]. 電子科技大學學報，2022，51（2）：8.

[5]田楓，賈昊鵬，劉芳. 改進YOLOv5的油田作業(yè)現場安全著裝小目標檢測[J]. 計算機系統(tǒng)應用，2022，31（3）：10.

[6]韓正汀，路文，楊舒羽，等. 基于導向濾波優(yōu)化的自然圖像去霧新方法[J]. 計算機科學與探索，2015，9（10）：7.

[7] PHAM C C，JEON J W. Efficient image sharpening and denoising using adaptive guided image filtering [J]. Image processing Iet，2015，9（1）：71-79.

[8] KIEU S T H，BADE A，HIJAZI M H A. Modified canny edge detection technique for identifying endpoints [J]. Journal of physics： conference series，2022，2314（1）.

[9]劉雙龍，金曉怡，范瑜，等.基于霍夫變換和Canny算子的表殼中心定位方法[J].農業(yè)裝備與車輛工程，2022，60（8）：32-35.

[10]沈衛(wèi)東，李文韜，劉娟，等.基于改進Canny邊緣檢測的指針式儀表自動讀數算法研究[J].國外電子測量技術，2021，40（2）：60-66.

[11] AHMAD R，NAZ S，RAZZAK I. Efficient skew detection and correction in scanned document images through clustering of probabilistic hough transforms [J]. Pattern recognition letters，2021，152.

[12] LI N，WANG J，DONG X A，et al. Pointer meter recognition method based on improved Hough transform [J]. Chinese journal of liquid crystals and displays，2021，36（8）.

[13] IQBAL B，IQBAL W，KHAN N，et al. Canny edge detection and hough transform for high resolution video streams using Hadoop and Spark [J]. Cluster computing，2020，23（1）.

[14]王瑞，李琦，方彥軍. 一種基于改進角度法的指針式儀表圖像自動讀數方法[J]. 電測與儀表，2013，50（11）：115-118.

收稿日期：2023-03-31 修回日期：2023-05-05