核電廠應急柴油機表盤數(shù)字化識別技術研究

周 勇，陳 星，朱鵬樹，梁永飛

（大亞灣核電運營管理有限責任公司，深圳 518124）

核電應急柴油機屬于核電站安全系統(tǒng)設備，對柴油機的監(jiān)測和巡檢工作必不可少。但由于核電站復雜的電磁環(huán)境，在核電應急柴油機組增加一套電子式的參數(shù)采集裝置，需對機組進行繁瑣的改造，且需要嚴格而復雜的審批論證過程[1-2]。因此，指針式儀表被廣泛應用于核電站應急柴油機的運行參數(shù)測量中。但目前，指針式儀表的讀取大多采用人工進行，存在很多明顯的缺點。首先，長時間讀取容易由于疲勞造成人為誤差；其次，人工讀取速度相對比較慢，無法捕捉快速變化的運行狀態(tài)參數(shù)。因此，指針儀表的智能化識別成為了解決上述問題的唯一選擇。

目前，指針式儀表的智能化識別大多采用攝像機拍攝儀表圖像并進行相應處理獲取讀數(shù)。文獻[3]利用圓變換檢測指針和表盤的旋轉中心，再通過輪廓跟蹤算法確定指針中軸線的位置，通過圓心連線與指針中軸線的夾角確定儀表讀數(shù)。文獻[4]使用減影法將模板圖像與實際圖像相減得到單指針圖像，利用角度法得到指針示數(shù)。文獻[5]利用中心投影法先用變換找到儀表指針旋轉中心點，然后將指針圖像向旋轉中心投影來尋找指針位置。上述方法均存在模型適用范圍窄、預處理過程繁瑣、難以識別刻度非均勻的儀表等不足。此外，由于核電站應急柴油機廠房時常需要工作人員進行巡視，儀表可能被遮擋，造成識別結果不準確。

針對上述問題，采用基于卷積神經網絡的指針式儀表讀數(shù)識別技術，能夠自適應提取儀表特征及并讀取儀表示數(shù)，解決了傳統(tǒng)識別模型適用范圍窄，預處理過程繁瑣，難以識別刻度非均勻的儀表的問題；此外，研究了基于SIFT特征匹配的遮擋檢測技術，排除了儀表遮擋度識別結果的影響。基于這兩種技術，研發(fā)了一套核電站應急柴油機指針式儀表快速數(shù)字化識別系統(tǒng)，并應用于某核電站應急柴油機狀態(tài)監(jiān)測和巡檢工作中。

1 指針式儀表示數(shù)快速數(shù)字化識別系統(tǒng)

指針式儀表示數(shù)智能識別系統(tǒng)以計算服務器為平臺，采用攝像機進行實時圖像采集，通過網線與交換機，將圖像連續(xù)地傳輸至計算服務器，經過對儀表盤圖像的預處理，以及卷積神經網絡圖像識別模型進行計算識別，得到指針式儀表的讀數(shù)，并對識別結果進行保存。

1.1 系統(tǒng)硬件組成

指針式儀表參數(shù)快速識別系統(tǒng)由攝像機、交換機、計算服務器和顯示器組成，其硬件組成如圖1所示。

攝像機用于拍攝儀表圖像，可根據(jù)現(xiàn)場的安裝情況進行相應的調節(jié)，保證采集圖像的質量；交換機是計算服務器和攝像機之間的數(shù)據(jù)通訊中介；計算服務器是本系統(tǒng)的核心，負責處理圖像、識別讀數(shù)和數(shù)據(jù)存儲；顯示器作為人機交互終端，方便用戶操作本系統(tǒng)。

圖1 系統(tǒng)硬件組成圖Fig.1 Configuration of system hardware

1.2 主要功能

1.2.1 攝像機控制及自調節(jié)

本系統(tǒng)可以直接對攝像機云臺進行拍攝參數(shù)的調整。此外，系統(tǒng)提供了裝置自調節(jié)的功能，排除了由現(xiàn)場環(huán)境干擾（如廠房振動、人為移動）造成的不利影響。投入使用前，調整好攝像機拍攝角度，記錄標志物在采集圖像中的相對位置，定期檢測標志物在圖像中的相對位置，若檢測到標志物位置發(fā)生較大偏移，則通過系統(tǒng)的預設值調整攝像機的拍攝角度。標志物如圖2方框所示。

圖2 標志物位置記錄示意圖Fig.2 Position reference marked

1.2.2 識別模型配置

在系統(tǒng)投入使用之前，需根據(jù)現(xiàn)場儀表的實際情況對識別模型的相關參數(shù)進行調整，以達到良好的識別效果。該部分在本文關鍵技術部分詳細說明。

1.2.3 儀表圖像預處理與識別

該部分為系統(tǒng)的核心部分，包括儀表盤圖像的預處理以及儀表讀數(shù)識別。其工作流程如圖3所示。

圖3 儀表圖像預處理及識別流程Fig.3 Flow chart of images pretreatment and identification

圖像預處理的作用是將采集的原始圖像轉化成標準圖片，包括儀表區(qū)域提取、灰度處理及圖片異常檢測，計算識別的作用是判斷儀表所屬類別，并經相應的轉換關系輸出讀數(shù)結果。該部分功能的詳細說明如下：

儀表提取 攝像機同時拍攝多個儀表盤，因此，在圖像采集的同時需要對圖像進行儀表提取處理。根據(jù)初始化時對采集圖像的坐標標定，提取儀表盤圖像中的儀表。其示意圖如圖4所示。

圖4 儀表區(qū)域提取示意Fig.4 Image object extraction

灰度處理 將RGB圖轉化為灰度圖像，只保留指針和刻度相對位置信息，提高計算效率。

圖片遮擋檢測 采用SIFT特征匹配算法對度量儀表圖像與標準模板的相似度，當檢測出相似度低于閾值的圖片，該時刻的圖像視為被遮擋，則不進行計算識別，以上個時刻的識別結果作為當前識別結果。

模型計算識別 將圖片輸入訓練好的卷積神經網絡識別模型，得到儀表讀數(shù)結果。

1.2.4 數(shù)據(jù)存儲與結果查看

存儲的數(shù)據(jù)包括計算結果以及采集的圖像。將計算結果以及采集圖像保存到計算機本地，方便用戶進行歷史結果查看，并根據(jù)所采集的儀表圖像進行識別結果的驗證對比。

2 指針式儀表快速識別系統(tǒng)關鍵技術

2.1 基于卷積神經網絡圖像分類的儀表讀數(shù)識別模型

文獻[6]提出一種基于卷積神經網絡的儀表檢測及定位方法，能夠在變電站較為復雜的環(huán)境中檢測出儀表所在區(qū)域，證明說明卷積神經網絡模型能夠識別指針式儀表的特征。

由于卷積神經網絡模型在圖像處理方面具備自適應特征提取，泛化能力強的優(yōu)點[7]，考慮通過該模型對核電站應急柴油機所配套多種類別的指針式儀表讀數(shù)進行識別。與文獻[6]檢測定位方法不同的是，讀數(shù)識別本質上是多分類任務，借助卷積神經網絡的分類能力即可實現(xiàn)指針式儀表讀數(shù)識別。因此，設計一套基于卷積神經網絡的儀表讀數(shù)識別模型，并使用配置完善的模型進行儀表讀數(shù)識別。

要準確識別儀表量程內的所有讀數(shù)，需要所有讀數(shù)（類別）的儀表圖像都參與到模型訓練的過程。由于難以采集到所有不同讀數(shù)的圖像。因此，采用指針旋轉變換的方法，并生成所有類別的儀表圖像的方法。此外，在樣本生成過程中，考慮到實際應用環(huán)境下的干擾（光照強度、陰影等），向樣本隨機添加干擾成分。經過訓練，得抗干擾能力強、具備非均勻刻度儀表讀數(shù)識別能力的模型，其流程如圖5所示。

圖5 識別軟件模型配置Fig.5 Image identification software process

2.2 基于SIFT特征匹配的遮擋檢測

核電應急柴油機廠房內有時常有工作人員巡視儀表的運行情況，這會導致表盤被遮擋，攝像頭拍攝的圖像中沒有完整的儀表圖像。工作人員遮擋情況如圖6所示，所拍攝被遮擋的儀表圖像如圖7所示。

圖6 工作人員遮擋儀表的情況Fig.6 Situation of staff blocking instruments

圖7 儀表被遮擋的圖像Fig.7 Image of dail instrument occlusion

為解決該問題，通過SIFT特征匹配方法來檢測所拍攝的儀表圖像是否被遮擋。SIFT算法的實質是在不同的尺度空間上查找特征點，所查找的特征點都是一些十分突出，不會因光照、仿射變換和噪聲等因素而變換的穩(wěn)定特征點[8]，降低誤判可能性。

識別過程中，將儀表圖像與標準模板進行對比，通過特征點數(shù)判斷所采集的儀表圖像與標準模板的相似程度，若匹配的點數(shù)小于閾值，則判斷該儀表被遮擋。被遮擋的圖片檢測效果如圖8所示。

圖8 儀表遮擋檢測示意Fig.8 Pretreatment image of dail instrument occlusion

3 現(xiàn)場應用效果

某核電站應急柴油機組備配備30個指針式儀表，4個儀表柜。攝像頭通過支架吊裝在屋頂之上，分別對應4塊儀表盤區(qū)域。攝像機連接著網線，連接至交換機，通過網線連至機箱。系統(tǒng)的安裝布局如圖9所示。

圖9 系統(tǒng)安裝布局Fig.9 Installation of high definition camera

本系統(tǒng)在設備應急柴油機組啟機試驗時進行了測試。識別結果實時顯示，該系統(tǒng)能夠快速、準確地識別應急柴油機在啟機過程中的運行狀態(tài)參數(shù)。該系統(tǒng)的應用效果及相關分析如下。

3.1 應用效果

將系統(tǒng)的識別結果與人工讀取的真實結果進行對比，以一號、三號儀表柜的上油過濾器油壓表和二號、四號儀表柜的發(fā)動機入水口壓力表作為示例，說明讀數(shù)識別結果準確性，如圖10～圖13所示。

圖10一號儀表柜的油壓識別結果對比Fig.10 Comparison of oil pressure identification results of instrument cabinet No.1

圖11二號儀表柜的水壓識別結果對比Fig.11 Comparison of hydraulic pressure identification results for instrument cabinet No.2

圖12三號儀表柜的油壓識別結果對比Fig.12 Comparison of oil pressure identification results of instrument cabinet No.3

圖13 四號儀表柜的水壓識別結果對比Fig.13 Comparison of hydraulic pressure identification results for instrument cabinet No.4

3.2 結果分析

后續(xù)對2臺設備上游過濾器油壓表和發(fā)動機入水口壓力表讀數(shù)真實值與系統(tǒng)識別結果的對比統(tǒng)計，如表1所示。

表1 數(shù)字化識別系統(tǒng)誤差統(tǒng)計Tab.1 Error statistics of digital recognition system

本系統(tǒng)針對上油過濾器油壓表的識別結果平均誤差為0.083%，發(fā)動機入水口壓力表的識別結果平均誤差為0.280%，二者的識別結果最大誤差為1%。分析表明，本系統(tǒng)讀數(shù)識別的準確性能夠滿足核電站應急柴油機狀態(tài)監(jiān)測和巡檢的需求。

4 結語

本文研究提出了基于卷積神經網絡圖像識別算法的指針式儀表識別技術。研發(fā)了指針式儀表識別系統(tǒng)裝置，在現(xiàn)場進行測試應用，取得了滿意效果。實際應用效果表明，該系統(tǒng)能夠準確、快速地識別核電站應急柴油機的運行參數(shù)。該技術為核電應急柴油機可靠性管理提供了有效手段和數(shù)據(jù)分析依據(jù)；在核電站應急柴油機的狀態(tài)監(jiān)測和巡檢工作中，可以代替人工讀數(shù)工作，提高了儀表讀數(shù)的效率和質量，為核電站應急柴油機的運行管理提供了一種創(chuàng)新性的手段，同時，該技術為本行業(yè)及其他相關行業(yè)的指針式儀表數(shù)字化識別的研究與應用提供了借鑒作用和指導意義。