基于二維碼匹配的指針式儀表讀數識別方法①

孫慧媛,楊曉城,蔣明峰,邊 境

(浙江理工大學 信息學院,杭州 310018)

1 引言

目前,在電力巡檢方面,一般采用人工巡檢方式,通過人工抄表記錄的方式對電廠設備進行依次排查.然而電廠或變電站內設備種類多,數量龐大,使得工作人員巡檢一次需要花費很長時間,而且工人每天都要記錄大量數據,容易引起視覺疲勞,從而導致數據出現較大誤差,所以人工巡檢的人力成本很高且效果難以保證.隨著計算機視覺與自主巡檢機器人的發展,為利用機器人巡檢代替人工巡檢提供了技術支撐[1,2].

電廠或變電站中的儀表設備多處于復雜環境中,巡檢機器人采集的儀表圖像不僅經常存在傾斜等問題,而且復雜的背景會對圖像的識別造成干擾.現階段國內外對指針式儀表識別技術主要集中在指針的定位上,主要有:減影法[3]和 Hough 檢測直線[4-8]等方法.減影法是通過比較兩幅指針在不同位置的儀表圖像,得到無指針模板圖像,然后利用模板與待識別儀表圖像相減得到指針的位置,根據指針的位置對儀表進行最終的讀數識別[3].該方法要求采集的圖像背景相同且圖像中只有指針是變化的,而利用巡檢機器人采集圖像無法保證采集到的圖像中只有指針是變化的.Hough檢測直線法是將待識別儀表圖像進行二值化,然后利用Hough檢測直線的方法確定指針位置并計算指針旋轉角度,根據指針旋轉角度與儀表刻度之間的線性關系,計算最終的儀表讀數[6-9].上述儀表識別方法都是針對某一特定種類的儀表圖像,在采集背景較為單一且儀表圖像不存在傾斜問題的情況下,對采集到的儀表圖像進行讀數識別,未考慮復雜背景下的儀表圖像識別,此外,對于電廠或變電站等電力系統而言,儀表設備種類繁多、數量龐大,這也給儀表讀數的識別帶來了極大的挑戰.

對此,為解決上述問題本文針對刻度均勻的指針式儀表提出基于二維碼匹配的指針式儀表讀數識別方法.該方法充分考慮了巡檢機器人采集的儀表圖像易傾斜、受現場環境影響大以及變電站內儀表設備種類繁多等問題,通過實驗看到即使在復雜的環境下,該方法也能夠對不同種類的指針式儀表實現良好的讀數識別.

2 整體方案

在開始巡檢之前,在儀表設備正上方貼一張合適大小的二維碼,并使二維碼與儀表設備的側面保持平行.開始巡檢后,利用攝像頭采集儀表設備狀態圖像,當二維碼在采集的狀態圖像中并能識別時保存采集的狀態圖像,否則改變拍攝位置對采集失敗的儀表設備重新采集圖像.獲取圖像中二維碼定位點信息并讀取與二維碼相連接的數據庫中存儲的儀表類型信息及儀表的量程范圍等信息.根據二維碼的左上角和右上角的定位點信息對儀表圖像進行傾斜校正,接下來對校正后的儀表圖像重新定位其二維碼的定位點信息,并根據二維碼左下角定位點信息以及二維碼與儀表之間先驗的幾何位置信息,快速提取圖像中表盤所在的區域.最后,根據獲取的儀表類型信息選擇對應的圖像識別算法,以實現快速準確地識別儀表讀數.系統整體方案如圖1所示.

圖1 系統整體方案示意圖

3 指針式儀表讀數識別

3.1 基于二維碼的圖像采集方法

為了克服電力系統中種類繁多、尺寸不一的儀表在復雜環境下采集高質量狀態圖像的難題,提出了一種基于二維碼匹配的圖像采集方法.首先,在儀表設備的正上方張貼一張合適大小的二維碼,使得二維碼所在的平面與儀表水平面保持平行,如圖2所示;然后,用自主巡檢機器的攝像頭采集儀表狀態圖像,當二維碼在采集的狀態圖像中并能識別時保存采集的狀態圖像,否則改變拍攝位置對采集失敗的儀表設備重新采集圖像.

通過識別圖像中的二維碼,不但可以獲得二維碼的定位點信息,而且通過將二維碼與數據庫連接,可以獲取數據庫中儲存的儀表類型、量程范圍及零刻度與滿刻度間夾角等信息.對于電力系統中種類繁多、數量龐大的儀表,通過儀表類型信息可以選擇對應的儀表讀數識別算法,通過儀表的量程等信息,可以為儀表讀數識別提供必要的參數.利用二維碼連接的數據庫儲存信息,可以獲取儀表的類型、零刻度、滿刻度以及零刻度與滿刻度間夾角信息,如表1所示.

圖2 采集的原始儀表狀態圖像

表1 數據庫信息

3.2 儀表傾斜校正

由于攝像頭所采集的儀表狀態圖像很多情況下是傾斜的,如果不進行傾斜糾正,則識別結果會出現很大的誤差.對于傾斜校正,最重要的是旋轉角度α的確定.為此,本文利用二維碼的定位點信息對傾斜的儀表圖像進行快速校正.

獲取二維碼的左上角和右上角定位點坐標,并計算這兩點所連成的直線斜率,進而確定旋轉角.以表盤中心為旋轉中心,將采集到的儀表圖像旋轉角度α,得到傾斜校正后儀表狀態圖像.如圖3所示,為圖2的校正結果圖.

圖3 傾斜校正后儀表狀態圖像

3.3 提取表盤所在區域

電廠或變電站等電力系統的現場環境相當復雜,各種顏色不一、大小不同的管道、墻壁、設備等背景對后續的儀表識別干擾很大.為了減小復雜環境對儀表讀數識別的干擾,提高儀表讀數識別的準確率,本文利用二維碼與儀表之間先驗的幾何位置關系快速提取圖像中表盤所在的區域.

首先,在識別前,分別測量二維碼與儀表的幾何位置,即測量二維碼的實際寬度q0、儀表的實際寬度w0以及儀表的實際高度q0.然后,對傾斜校正后的儀表圖像重新定位圖像中二維碼定位點坐標.接下來計算儀表圖像中二維碼的寬度q1,并根據比例法得到圖像中儀表的寬度為w1=w0*q1/q0,高度為h1=h0*q1/q0,如圖4所示.值得注意的是,由于測量二維碼與儀表的幾何尺寸時可能存在誤差,所以選取的儀表圖像寬度和高度比w1,h1要大一些,以保證儀表整體都包含在圖像之中,最后,根據二維碼左下角定位點信息以及二維碼與儀表之間先驗的幾何位置信息,通過感興趣區域(Region Of Interest,ROI)提取算法[10]快速提取圖像中表盤所在的區域.如圖4(a)和(b)所示為選取的寬度和高度分別為1.5w1和1.5h1.圖5為未使用儀表校正和提取表盤所在區域算法與使用儀表校正和提取表盤所在區域算法分別得到的表盤、表盤圓心以及指針.

圖4 表盤所在矩形區域

3.4 讀數識別

根據數據庫中存儲的儀表類型信息,選擇對應的讀數識別算法.本文采用如圖6所示角度法進行指針式儀表讀數的識別.讀數識別的具體流程如圖7所示.

圖5 表盤、表盤圓心及指針標識圖

a)通過與二維碼連接的數據庫信息,獲得儀表的量程大小S以及直線L1與直線L2之間的夾角φ,即零刻度與滿刻度間夾角,其中L1為儀表零刻度與表盤中心相連直線,L2為儀表滿刻度與表盤中心相連直線;

b)求取儀表盤零刻度重心位置P1,并利用hough檢測圓得到儀表盤中心P0;計算點P1與P0相連的直線L1;

c)將圖像進行細化[11-15]并通過hough變換直線擬合得到指針直線L0;

d)計算直L1與L0之間的夾角θ,根據角度法計算儀表讀數T:

4 實驗分析與結果

為了驗證上述儀表讀數識別算法的有效性,利用研發的自主巡檢機器人樣機進行了實驗,并將實驗結果與通過使用Hough檢測直線進行儀表識別但不包含圖像校正功能和儀表表盤區域提取功能的未使用二維碼匹配預處理的儀表識別方法儀表識別方法進行了比較.實驗中選用了兩種不同類型的指針式儀表,分別為型號Y-100的普通壓力表和型號TE2000的壓差表,各儀表最小刻度分別為 0.02 Mpa,2 Pa.如圖8所示為普通壓力表的讀數識別結果.為了定量地分析儀表識別的誤差,分別計算識別結果與真實值Ti之間的偏差ΔTmean及標準差σ.計算公式為:

其中,N為測量次數.

圖6 角度法

利用自主巡檢機器人樣機對上述兩種類型的指針式儀表分別在白墻、管道、有色物體等不同背景下各采集200張儀表狀態圖像進行識別,統計識別結果的準確率以及偏差和標準差,如表2所示.從表2可以看出,基于二維碼匹配的方法識別準確率明顯高于未使用二維碼匹配預處理的儀表識別方法,偏差和標準差明顯低于未使用二維碼匹配預處理的儀表識別方法.

圖7 讀數識別流程圖

圖8 普通壓力表讀數識別結果

另外,對兩種類型的指針式儀表分別采集不同示數時的儀表圖像,并分別通過未使用二維碼匹配預處理的儀表識別方法與基于二維碼匹配方法進行識別,計算實際值與識別結果之間的誤差,其中儀表的實際值等于3個讀數的平均值.如表3所示,實驗數據表明,與未使用二維碼匹配預處理的儀表識別方法相比,基于二維碼匹配方法的讀數精度更滿足儀器實際讀數的要求.

此外,基于二維碼匹配的儀表識別方法可以獲取數據庫中儲存的量程、零刻度與滿刻度間夾角等參數,無需通過手動輸入或者計算得到,方法的計算速度方面也優于傳統的儀表識別方法.綜上所述,與傳統的識別方法相比,基于二維碼匹配的儀表識別方法的性能得到有效提升.

5 結束語

作為取代人工巡檢的一種有效方式,自主巡檢機器人在電力系統等行業中擁有廣泛的應用前景.但自主巡檢機器人存在采集圖像易傾斜,受現場環境影響較大等問題,針對此問題,本文提出了一種基于二維碼匹配的指針式儀表識別方法.該方法通過二維碼匹配的方法采集高質量的儀表狀態圖像,然后利用二維碼的定位點信息以及二維碼與儀表之間先驗的幾何位置關系對儀表狀態圖像進行快速傾斜校正和提取表盤所在區域,最后利用與二維碼相連接的數據庫中存儲的儀表類型信息選擇對應的儀表讀數識別算法,以實現快速準確地識別儀表讀數.實驗結果表明:與未使用二維碼匹配預處理的儀表識別方法相比,該方法能有效提高指針式儀表讀數識別的準確率,降低識別誤差,證明了該方法在電力系統中應用的有效性.

表2 不同背景下儀表識別性能

表3 識別結果對比