機(jī)械儀表的機(jī)器視覺數(shù)據(jù)自動獲取技術(shù)*

林獻(xiàn)坤，林羿江，朱　琳

(上海理工大學(xué) 機(jī)械工程學(xué)院，上海　200093)

?

機(jī)械儀表的機(jī)器視覺數(shù)據(jù)自動獲取技術(shù)*

林獻(xiàn)坤，林羿江，朱琳

(上海理工大學(xué) 機(jī)械工程學(xué)院，上海200093)

摘要：提出了一種新的儀表識別方法，并應(yīng)用該識別方法實(shí)現(xiàn)了基于機(jī)器視覺的高精度自動采集方法。該自動采集方法通過工業(yè)相機(jī)對機(jī)械儀表指針和表盤進(jìn)行圖像采集，經(jīng)過分割、膨脹、細(xì)化等預(yù)處理后得到表盤構(gòu)成要素輪廓；根據(jù)直線型指針圖像的灰度梯度方向一致特性，應(yīng)用改進(jìn)Hough變換定位指針輪廓，提高了識別的準(zhǔn)確率；通過識別指針輪廓指向及判斷指針輪廓在儀表表盤中所在象限，得到指針指向，依靠計(jì)算指針角度變化，實(shí)現(xiàn)儀表讀數(shù)的識別，經(jīng)計(jì)算機(jī)采集實(shí)現(xiàn)數(shù)據(jù)自動獲取。以杠桿千分表測量高精度位移量為例，通過自搭建的試驗(yàn)平臺，在人工識別及激光干涉儀測量結(jié)果的對比下，對數(shù)據(jù)采集試驗(yàn)進(jìn)行了實(shí)驗(yàn)研究。實(shí)驗(yàn)結(jié)果表明，應(yīng)用該識別方法的機(jī)器視覺自動獲取技術(shù)采集儀表數(shù)據(jù)，精度可達(dá)0.4μm。

關(guān)鍵詞：機(jī)械儀表；機(jī)器視覺；自動檢測；圖像識別

0引言

應(yīng)用自動化儀器儀表，通過數(shù)據(jù)采集可得到高精度位移數(shù)據(jù)，在高頻采樣時(shí)自動化儀表具有優(yōu)勢，但是其價(jià)格昂貴、使用要求高[1]，在沒有高質(zhì)量的測量環(huán)境下，數(shù)據(jù)采集容易受到電磁干擾，采集的數(shù)據(jù)容易產(chǎn)生零點(diǎn)漂移，使得測量精度和穩(wěn)定性受到約束。指針式機(jī)械儀表具有結(jié)構(gòu)簡單、使用方便、抗干擾性強(qiáng)、價(jià)格便宜等優(yōu)點(diǎn)，在工業(yè)檢測中得到大量的應(yīng)用，甚至在一些場合，由于其獨(dú)有優(yōu)勢，具有不可替代性[2]。但是，指針式儀表需要通過人工讀數(shù)，在讀取大量數(shù)據(jù)時(shí)，容易產(chǎn)生視覺疲勞，讀取速度慢[3]，難以在自動化生產(chǎn)中得到推廣應(yīng)用。

機(jī)器視覺采用成像系統(tǒng)作為輸入手段，由計(jì)算機(jī)通過指定算法代替大腦完成處理和解釋，它通過非接觸式測量實(shí)現(xiàn)數(shù)據(jù)的快速獲取，這種采用非接觸的方式，形成一個無接觸式的抗干擾層空間，與自動通訊方式的數(shù)據(jù)采集方式相比，這種方法可使采集過程中的數(shù)據(jù)干擾得到有效抑制，提高數(shù)據(jù)采集的可靠性[4]。因此，若能研究采用機(jī)器視覺對機(jī)械儀表數(shù)據(jù)進(jìn)行自動采集，提高其識別速度和數(shù)據(jù)可靠性，對降低自動系統(tǒng)的構(gòu)造成本和擴(kuò)展檢測范圍具有重要意義。

國內(nèi)外已經(jīng)有學(xué)者對基于機(jī)器視覺的指針式儀表智能識別深入研究。如孫鳳杰等人[5]進(jìn)行了電力變壓器溫度表指針位置識別研究，提出通過主色提取法分割指針后通過經(jīng)典Hough變換識別指針，但其分割過程易受到光照環(huán)境影響，且僅適用于指針與背景顏色差異較大的儀表；CorrêaAlegriaF[6]，楊耀權(quán)[7]采用減影法分割圖像經(jīng)Hough變換識別儀表，但該算法對環(huán)境、拍攝位置等因素很敏感，識別過程中必須保持相機(jī)與儀表相對靜止，實(shí)際工程應(yīng)用中并不實(shí)用；何林遠(yuǎn)等[8]提出基于機(jī)器視覺的座艙儀表識別檢測方法，利用改進(jìn)后交叉皮質(zhì)視覺模型對儀表的邊緣進(jìn)行提取，并結(jié)合骨架來提取指針，最終通過最大梯度下降法得到指針的準(zhǔn)確讀數(shù)，但該算法的分割圖像效果不理想、識別準(zhǔn)確度不高；WangQi等[9]采用最小二乘法定位指針，對噪點(diǎn)敏感且運(yùn)算量大；P.A.Belan[10]通過結(jié)合投影法和Bresenham算法識別儀表，但只能得到指針?biāo)趨^(qū)域范圍，識別結(jié)果為離散區(qū)間且精度較低。

針對機(jī)械儀表的自動獲取技術(shù)，采用機(jī)器視覺讀取機(jī)械儀表數(shù)據(jù)，通過工業(yè)相機(jī)對機(jī)械儀表指針和表盤進(jìn)行圖像采集，對表盤圖像經(jīng)過預(yù)處理后，根據(jù)直線上梯度方向一致的特點(diǎn)改進(jìn)Hough變換定位指針，依靠計(jì)算指針角度變化，不需要定位表盤圓心，即可實(shí)現(xiàn)儀表讀數(shù)自動讀取，避免儀表圓心定位誤差。為機(jī)械儀表數(shù)據(jù)的讀取提供了一種基于機(jī)器視覺、改進(jìn)Hough變換的高精度自動采集方法。

1圖像識別的預(yù)處理方法

1.1儀表數(shù)據(jù)的自動采集系統(tǒng)

基于機(jī)器視覺的儀表的數(shù)據(jù)采集系統(tǒng)構(gòu)建如圖1所示，系統(tǒng)由微米級指針式儀表、工業(yè)相機(jī)、計(jì)算機(jī)等組成，通過采集表盤圖像數(shù)字信號，經(jīng)指定算法處理，智能識別儀表讀數(shù)后自動采集儀表數(shù)據(jù)。

在該自動采集系統(tǒng)的基礎(chǔ)上，機(jī)械儀表的智能識別算法可概括為如圖2所示，首先采用灰度處理、邊緣檢測、形態(tài)學(xué)圖像處理，對采集到的儀表圖像進(jìn)行預(yù)處理，然后結(jié)合圖像梯度分布和直線連續(xù)度，應(yīng)用改進(jìn)Hough變換，通過判斷指針在儀表所在象限，準(zhǔn)確定位儀表指針輪廓，最后通過獲取指針角度變化，實(shí)現(xiàn)了儀表指針讀數(shù)的智能識別。

圖1　儀表數(shù)據(jù)自動采集原理圖

圖2　智能識別儀表算法

1.2儀表盤的圖像邊緣檢測方法

傳統(tǒng)邊緣檢測算子對噪聲敏感，邊緣不連續(xù)，甚至?xí)霈F(xiàn)虛假邊緣及漏掉真實(shí)邊緣等問題[11]，在機(jī)械儀表的圖像分割過程會帶入冗余信息，引起識別誤差。小波模極大值多尺度邊緣檢測具有良好的去噪能力[12]，在不同尺度下，邊緣點(diǎn)和噪音具有不同的特性，檢測到的邊緣點(diǎn)在定位精度與抗噪性能上具有互補(bǔ)性，適合機(jī)械儀表的圖像分割。

邊緣檢測即是探求小波變換模極大值，經(jīng)過核空間映射后的局部極大值。核函數(shù)選擇高斯函數(shù)，對任意的函數(shù)f(x,y)，均存在[13]：

(1)

梯度方向與水平方向的夾角為：

若W1f(σ,x,y)≥0：

(2)

若W1f(σ,x,y)<0：

(3)

確定梯度閾值T>0，當(dāng)同時(shí)滿足以下兩個條件,即可判斷(x,y)是邊界點(diǎn)：

①M(fèi)f(σ,x,y)>T；②Mf(σ,x,y)取到局部極大值；

連接各尺度下邊界點(diǎn)，則可得到多尺度邊緣。

2儀表的指針定位

儀表指針特征曲線在二值圖像中呈現(xiàn)為連續(xù)直線，采用檢測直線技術(shù)實(shí)現(xiàn)指針識別。盡管有相當(dāng)多的研究者在直線檢測技術(shù)方面投入了相當(dāng)大的精力，也研究出了不少算法。例如基于鏈碼的直線提取方法[14-15]，基于神經(jīng)節(jié)感受野(DOG函數(shù))的直線提取算法[16]。這些算法雖各有特點(diǎn)，但目前直線提取最成熟、應(yīng)用最廣泛的算法仍然是Hough變換。Hough變換把二值圖像變換到Hough參數(shù)計(jì)算空間(HPCS)，具有明了的幾何解析性、邊緣提取準(zhǔn)確、一定的抗干擾能力和易于實(shí)現(xiàn)并行處理等特點(diǎn)[17]。但Hough變換也有自己的缺陷：僅通過直線上像素的數(shù)量來判定，而不管這些像素點(diǎn)是否連通，圖像中的離散點(diǎn)或相距較遠(yuǎn)的線段可能被認(rèn)為是一條直線。在表盤字符較多或者環(huán)境惡劣的情況下，受到干擾嚴(yán)重，甚至產(chǎn)生冗余數(shù)據(jù)，難以準(zhǔn)確識別出指針位置。因此要提高指針識別準(zhǔn)確率，需要改進(jìn)Hough變換。

2.1改進(jìn)Hough變換

根據(jù)梯度的特性可知，連續(xù)直線上各點(diǎn)的梯度方向是相同的，且與直線方向相差90°。在Hough變換搜索指針時(shí)，結(jié)合直線的梯度特點(diǎn)及圖像中的梯度分布，對結(jié)果進(jìn)行修正，可以提高指針識別的準(zhǔn)確率。改進(jìn)Hough變換算法步驟如下：

第一步：通過梯度算子，獲得原灰度圖像的梯度方向。

第二步：經(jīng)典Hough變換[18]，通過變換求取圖像中的直線及直線上的所有分布點(diǎn)，獲取直線方向和原點(diǎn)矩。

第三步：根據(jù)直線上分布點(diǎn)的梯度方向α與直線方向θ的偏差，對其進(jìn)行修正。

當(dāng)

(4)

偏差大于閾值T1時(shí)，判定該點(diǎn)不是這條直線上的點(diǎn)，從直線中刪除，對直線進(jìn)行修正。

第四步：對修正后的直線重新計(jì)算方向和原點(diǎn)矩并排序，根據(jù)指針輪廓特征選擇所需直線獲得真實(shí)的指針輪廓。

通過以上步驟，梯度方向與直線方向偏差較大的點(diǎn)被修正，因此干擾減小，搜索準(zhǔn)確率得到提高。但是修正后的結(jié)果中，依然會存在少量錯誤判斷可能，當(dāng)指針與刻度重合或者刻度與指針幾乎處在同一直線時(shí)，通過結(jié)合梯度改進(jìn)的Hough變換仍然無法識別修正。為了消除此類干擾，需要評價(jià)直線的連續(xù)度來修正。

當(dāng)

(5)

Di>T3

(6)

判斷該間隙的兩端為不同直線上的線段，即為不同物體的邊緣輪廓，對其進(jìn)行修正。

選擇合適比例閾值T2、長度閾值T3，對搜索結(jié)果進(jìn)一步次修正，可得到精確的指針定位。

2.2指針讀數(shù)變化的識別方法

經(jīng)過改進(jìn)的Hough變換，得到指針輪廓的準(zhǔn)確位置，獲得指針輪廓兩邊位置及輪廓方向θ′、θ′′。通過兩邊輪廓與指針的對應(yīng)關(guān)系，計(jì)算得到指針的指向方向。

由于儀表表盤圓心位置未知，因此得到指針指向后并不能完全確定儀表準(zhǔn)確讀數(shù)。指針指向?yàn)棣扰cθ+180°時(shí)位于同一直線上，因此還需要區(qū)分指針在表盤中的所在象限。

通過改進(jìn)的Hough變換，已經(jīng)得到指針兩邊輪廓及輪廓上的點(diǎn)分布。在兩邊輪廓的交點(diǎn)O1，即指針端點(diǎn)處建立坐標(biāo)系(Xw1Yw1)，其中x、y軸與圖像坐標(biāo)系平行；假設(shè)表盤圓心為O，在O點(diǎn)建立坐標(biāo)系(XwYw)。象限識別原理如圖4所示，根據(jù)兩邊輪廓上的點(diǎn)所在象限分布情況，即可得到指針在表盤中的所在象限。例如當(dāng)指針輪廓分布在坐標(biāo)系(Xw1Yw1)的第二象限(Ⅱ)時(shí)，此時(shí)指針位置應(yīng)處于坐標(biāo)系(XwYw)的第四象限(Ⅳ)。根據(jù)指針?biāo)谙笙蓿瑢Ζ冗M(jìn)行修正。

當(dāng)指針位于坐標(biāo)系(XwYw)第一、二象限時(shí)：

(7)

當(dāng)指針位于坐標(biāo)系(XwYw)第三-四象限時(shí)：

(8)

圖3　指針象限計(jì)算原理

杠桿千分表的零位可調(diào)整，適合用于比較測量，直接讀取杠桿千分表的示數(shù)并無意義且計(jì)算量大、影響實(shí)時(shí)性，只需獲得儀表示數(shù)的變化量即可獲得測量信息量。

通過建立角度變化Δθ與儀表示數(shù)變化Δvalue的函數(shù)，計(jì)算指針角度變化獲得儀表的示數(shù)變化。函數(shù)關(guān)系如下：

Δθ=θi+1-θi

(9)

其中D為杠桿千分表的量程。當(dāng)指針在第四象限與第一象限之間擺動時(shí)，需要將第四象限的指針偏移角度減去360°修正后再代入式(8)中。

3應(yīng)用測試

3.1實(shí)驗(yàn)方案設(shè)計(jì)

為了驗(yàn)證上述提出的機(jī)械儀表數(shù)據(jù)的機(jī)器視覺自動獲取技術(shù)方法，建立了如圖5所示的實(shí)驗(yàn)系統(tǒng)。實(shí)驗(yàn)系統(tǒng)包括以下部分：數(shù)控系統(tǒng)，雙直線電機(jī)驅(qū)動進(jìn)給軸試驗(yàn)平臺，杠桿千分表，工業(yè)相機(jī)，計(jì)算機(jī)，激光干涉儀。其中數(shù)控系統(tǒng)為SINUMERIK840D系統(tǒng)，杠桿千分表為Mitutoyo513-401E，工業(yè)相機(jī)為U-300C，激光干涉儀為美國光動MCV-500。

圖4　實(shí)驗(yàn)系統(tǒng)

試驗(yàn)中進(jìn)給軸保持在0.1mm的范圍內(nèi)低速運(yùn)動，分別使用杠桿千分表和激光干涉儀測量驅(qū)動進(jìn)給軸的運(yùn)動。驅(qū)動進(jìn)給軸每秒進(jìn)給1次，每次進(jìn)給1μm，本實(shí)驗(yàn)共進(jìn)給15次。通過工業(yè)相機(jī)對杠桿千分表進(jìn)行監(jiān)控，并保持工業(yè)相機(jī)與杠桿千分表表盤垂直，拍攝過程中工業(yè)相機(jī)與杠桿千分表相對靜止，相機(jī)的拍攝頻率為1Hz，同時(shí)設(shè)置激光干涉儀的采樣頻率為1Hz。將監(jiān)控及采樣數(shù)據(jù)傳輸給計(jì)算機(jī)，經(jīng)計(jì)算機(jī)使用機(jī)械儀表識別算法處理監(jiān)控圖像，識別表盤讀數(shù)變化，并將處理結(jié)果與激光干涉儀的采樣測量結(jié)果進(jìn)行對比。

3.2實(shí)驗(yàn)結(jié)果及分析

經(jīng)過上述實(shí)驗(yàn)得到工業(yè)攝像機(jī)的監(jiān)控?cái)?shù)據(jù)及激光干涉儀的采樣數(shù)據(jù)，其中位置1的識別結(jié)果如圖6b所示。以水平線為基準(zhǔn)，各位置的指針位置角度識別結(jié)果如表1所示。位置1的監(jiān)控圖像中指針的位置視為零點(diǎn)(或者設(shè)置初始值)，計(jì)算得到各位置拍攝到圖像的指針位置變化。

(a)試驗(yàn)現(xiàn)場

(b)位置1指針輪廓定位

位置θΔθ126.950.00229.882.93332.325.36435.278.32537.3610.41640.3613.41742.8515.89845.8018.85948.4721.511050.9724.011154.1227.171256.2929.341358.8931.941460.7233.771563.2236.271665.8238.87

通過式(9)建立的角度變化Δθ與儀表示數(shù)變化Δvalue的函數(shù)，根據(jù)試驗(yàn)中杠桿千分表的量程D=140μm，可計(jì)算得到驅(qū)動進(jìn)給軸的進(jìn)給數(shù)據(jù)，具體如表2所示。同時(shí)分別與激光干涉儀測量結(jié)果、人工識別結(jié)果進(jìn)行對比分析。表2中誤差1為機(jī)器視覺識別與人工識別的誤差，誤差2為機(jī)器視覺識別與激光干涉儀測量結(jié)果的誤差。儀表識別數(shù)據(jù)顯示，該識別儀表算法處理得到的數(shù)據(jù)偏差較小，最大偏差0.4μm，說明提出的算法具有較好的儀表數(shù)據(jù)識別性能。

表2　儀表識別結(jié)果(單位：μm)

4結(jié)論

本文提出了一種儀表讀數(shù)識別方法,并實(shí)現(xiàn)了機(jī)械儀表數(shù)據(jù)的機(jī)器視覺高精度自動獲取技術(shù)方法。對圖像經(jīng)過預(yù)處理后，根據(jù)直線型指針圖像的灰度梯度方向一致特性，通過改進(jìn)的Hough變換，得到指針輪廓及其輪廓上的像素點(diǎn)分布。儀表讀數(shù)識別方法通過識別指針輪廓指向及判斷指針輪廓在儀表表盤中所在象限，確定儀表指針指向，其過程不需要定位表盤圓心因此識別結(jié)果避免了表盤圓心定位誤差。通過計(jì)算指針角度變化獲得儀表的示數(shù)變化，經(jīng)計(jì)算機(jī)采集實(shí)現(xiàn)儀表數(shù)據(jù)的自動獲取。最后通過構(gòu)建實(shí)驗(yàn)平臺，對應(yīng)用所提出的儀表識別方法的機(jī)器視覺自動獲取技術(shù)進(jìn)行驗(yàn)證，結(jié)果表明：該方法可實(shí)現(xiàn)機(jī)械儀表的智能識別，其識別誤差小于0.4μm，識別精度達(dá)到了微米級，適用于機(jī)械儀表數(shù)據(jù)自動讀取。

[參考文獻(xiàn)]

[1] 陶冰潔,韓佳樂,李恩.一種實(shí)用的指針式儀表讀數(shù)識別方法[J].光電工程,2011,38(4):145-150.

[2] 岳國義,李寶樹,趙書濤.智能型指針式儀表識別系統(tǒng)的研究[J].儀器儀表學(xué)報(bào),2003,24(S2):430-431.

[3] 張冀,王俊宏,尉遲明,等.基于計(jì)算機(jī)視覺的汽車儀表指針檢測方法[J].計(jì)算機(jī)工程與科學(xué),2013,35(3):134-139.

[4] 張少偉.基于機(jī)器視覺的邊緣檢測算法研究與應(yīng)用[D].上海:上海交通大學(xué),2013.

[5] 孫鳳杰,安田江,范杰清,等.電力變壓器溫度表指針位置識別研究[J].中國電機(jī)工程學(xué)報(bào),2007,27(7):70-75.

[6]CorrêaAlegriaF,CruzSerraA.Computervisionappliedtotheautomaticcalibrationofmeasuringinstruments[J].Measurement.2000,28(3):185-195.

[7] 楊耀權(quán),趙艷琴,何曉燕,等.基于計(jì)算機(jī)視覺技術(shù)的指針式儀表自動檢定方法[J].儀器儀表學(xué)報(bào),2001,22(S1):233-234.

[8] 何林遠(yuǎn),畢篤彥,熊磊,等.基于計(jì)算機(jī)視覺的座艙儀表識別檢測方法[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,45(5):1469-1475.

[9]QiW,WangW,WuM,etal.Researchonautomaticreadingrecognitionofindexinstrumentsbasedoncomputervision[J].ComputerScienceandNetworkTechnology(ICCSNT),2013(3):10-13.

[10]BelanPA,AraujoSA,LibrantzAFH.Segmentation-freeapproachesofcomputervisionforautomaticcalibrationofdigitalandanaloginstruments[J].Measurement. 2013, 46(1):177-184.

[11] 曾志偉,蔣代君.刀具切削刃鈍圓半徑的圖像測量法[J].組合機(jī)床與自動化加工技術(shù),2014(9):88-91.

[12]StéphaneM.AWaveletTourofSignalProcessing[M].Elsevier/AcademicPress,2009.

[13] 王發(fā)牛,粱棟,唐俊,等.小波變換模極大值多尺度邊緣檢測[J].儀器儀表學(xué)報(bào),2006,27(S3):2147-2149.

[14] 趙麗科,宋偉東,王競雪.一種基于鏈碼的線特征提取方法[J].測繪科學(xué),2014,39(9):107-110.

[15] 趙麗科,宋偉東,王競雪.Freeman鏈碼優(yōu)先級直線提取算法研究[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2014,39(1):42-46.

[16] 羅曉暉,李見為.基于DOG模型的線條檢測算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2003,15(4):425-431.

[17] 朱錚濤,李波鋒,何修遠(yuǎn).基于機(jī)器視覺的圓環(huán)電阻片缺陷檢測算法研究[J].組合機(jī)床與自動化加工技術(shù),2015(5):76-79.

[18]GonzalezRC,WoodsRE,EddinsSL.DigitalImageProcessingUsingMATLAB[M].PublishingHouseofelectronicsindustry,2013.

(編輯李秀敏)

文章編號：1001-2265(2016)07-0019-04

DOI:10.13462/j.cnki.mmtamt.2016.07.006

收稿日期：2015-09-04；修回日期：2015-10-21

*基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(51005158)；國家科技重大專項(xiàng)“高檔數(shù)控機(jī)床與基礎(chǔ)制造設(shè)備”項(xiàng)目(2013ZX04008-011-02)

作者簡介：林獻(xiàn)坤(1975—)，男，福建仙游人，上海理工大學(xué)副教授，博士，研究方向?yàn)榫芗庸ず椭悄芗庸ぜ夹g(shù)方面研究，(Email)linxk333@126.com。

中圖分類號：TH166;TG659

文獻(xiàn)標(biāo)識碼：A

Data Acquisition Methodology for Mechanical Measurement Instrument with Machine Vision

LIN Xian-kun,LIN Yi-jiang,ZHU Lin

(CollegeofMechanicalEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)

Abstract：In order to realize automatic recognition for micron-scale mechanical measurement instruments, a data acquisition technique for the instrument based on machine vision is proposed.Firstly,wavelet modulus maxima of multiscale edges is applied for image segmentation.Secondly,mathematical morphology is utilized to denoise the image of the instrument. Thirdly, modified Grads Hough Transform method that combined with the gradient of the image are presented to search for the pointer.Finally,an experiment was conducted on a self-construction platform to verify the accuracy of this algorithm for the instrument recognition.The result of the experiment shows that this data collecting technique can recognize the pointer position of the micron-scale instrument exactly and collect the pointer data automatically with 0.4μm acquisition accuracy.As a result the proposed methodology offers a new intelligent recognition and data collecting technique for mechanical measurement instrument.

Key words：mechanical instrument; machine vision;automatic detection;image recognition