一種機器視覺的拆回電能表圖像信息識別系統

郭子興 郝國凱 陸淼

摘要：隨著國民經濟的不斷發展，電力已經成為國家的最重要能源。就民用電力來說，由于人民物質生活的極大豐富，生活質量迅速提高，對電力的需求也越來越大。就系統的完整性而言，電力系統從發電配電，傳輸一直到區域變電所已基本實現網絡化管理，而唯獨用戶終端沒有和網絡連接上造成了系統的不完整，目前智能電表的檢測主要釆用人工目視檢測。為了進一步提高電能表的出廠質量和生產效率，減少成本和勞動強度，將機器視覺應用到電能表檢測中具有重要的意義。

關鍵詞：智能電表;圖像信息識別;機器視覺

1 圖像信息識別系統的背景：

目前智能電表的檢測主要釆用人工目視檢測。這種檢測方式主要存在以下問題：（1）漏檢率高、檢測速度慢;（2）人工目測對人力的體力與精力消耗過大，無法長時間作業。（3）人為目測不確定因素多，無法保證準確率。

針對這種情況我們團隊最終開發基于機器視覺的電能表檢測系統軟件，實現電能表圖像處理、識別和缺陷檢測等功能，具有可視化的效果。

2 設計簡介：

2.1系統簡介

基于工業相機及其圖像分析軟件的機器視覺系統（簡稱系統）能夠在規定時間內驅動多臺工業相機，完成對單相、三相智能電能表的外觀、液晶顯示、LED狀態進行拍照和故障分析檢測。

系統由以下主要組成部分：1、工業相機;2、工業相機配套鏡頭;3、光源及光源控制器;4、視覺分析軟件。模塊化設計組成部分包括：相機控制模塊、圖像分析處理模塊、對外通訊接口模塊。整個系統分三層架構，調用關系如圖1所示。

2.2功能簡介

系統通過圖像處理與分析實現自動識別以下基本故障類型：①進行自動從采集的圖像中提取條形碼并識別;②進行自動識別電能表等級、額定電壓、額定電流、電表常數等基本參數信息;③進行當前正向有功總電量讀數識別;④進行背光識別。

系統分析了電能表缺陷的類型，采用模板匹配和圖像差分的方法對特征區域進行缺陷檢測，并對缺陷差分圖像進行分析，著重對電能表缺陷區域進行標定并判別出缺陷類型，分析缺陷判定過程中所需的缺陷面積、周長、圓形度和權重等參數，同時說明判別缺陷類型的依據。

3硬件部分設計：

系統在試驗室內靜態環境下運行，被測產品為6只（可擴展）單相智能電能表，電能表成單排垂直排列方式，每只電能表有唯一的工業相機為其拍照，布局示意如下圖2，相機之間均為40*40鋁型材連接固定，具有方便拆裝更換的優點。

4軟件部分設計

基于HALCON和visual C#混合編程，完成了圖像分析處理模塊設計;hHALCON與傳統的Opencv相比，其作為機器視覺行業里知名的商業視覺庫，其提供多個API算子供開發人員使用，入門簡單，方便調試，斷電單步運行，圖像變化隨時可以看到。而Opencv相比則不太方便，且開發周期較長。

此外我們還進行了模塊化設計---標準圖像學習模塊;完成了接口功能設計，實現通過規范接口與電能表檢測主控程序交換數據，數值識別成功時上傳解析數值內容、異常時上傳解析失敗標志、并上傳圖像分析結論及故障位置。

5.結語

基于工業相機及其圖像分析軟件的機器視覺系統能夠在規定時間內驅動多臺工業相機，完成對單相智能電能表的外觀、液晶顯示、LED狀態進行拍照和故障分析檢測。以此在一定程度上減少效率較低且成本較高的人力的使用，發展到一定程度后，可完全代替人力實現對各種環境下的電表信息的識別，最終實現電表信息識別的智能化。為中國的電力等領域貢獻一份力量。

參考文獻

[1]汪成龍黃余風《基于Halcon的字符缺陷檢測系統》。制造業自動化。1009-0134（2018）09-0038-04

[2]耿立明楊威王迪.《HALCON圖像處理在機器視覺中的應用》。電子測試。1000-8519.2019.01.054