對基于機器視覺的智能電表識別與精確定位技術的幾點探討

陳蘋

摘要：在智能電表的檢定系統中，需要機器人完成系列操作。具體操作中，電表位置可通過機器人數據庫獲得，但是對于要求高的操作而言，位置信息仍缺乏一定的準確性，必須在現場獲得精確值，才能微調機器人操作，提高工作有效性。下面，本文結合相對復雜的工業環境，基于機器視覺原理，對智能電表的定位、識別技術進行研究，從而提高設備的自動化水平。

關鍵詞：機器視覺；智能電表；識別技術；定位技術

機器視覺由數字圖像處理法、相機系統組成，可安裝到各種機器人上，為機器人示教、操作提供環境信息。早在上世紀末，我國就對機械化電表的視覺技術進行了研究，但是隨著數字化電表的發展，傳統技術已無法滿足需求，影響數據信息的準確性。對此，深入探究視覺識別、定位技術尤為重要，便于為自動化系統提供精準的定位信息，確保自動化設備正常運行。

1、機器視覺概述

1.1機器視覺的特點

機器視覺是人工智能發展的重要分支，包括圖像處理、傳感器、電光源照明、機械工程技術、光學成像等技術。現階段，對于無法人工作業或人工視覺無法滿足的場合，多使用機器視覺。同時，機器視覺也用于人臉識別、自動光學檢查、跟蹤定位、紋理識別、文字識別等領域。分析得知，機器視覺具有這樣幾個特點：（1）系統可結合操作者的尺寸工件，調用相應程序檢測尺寸，并輸出結果[1]。（2）根據尺寸不同的零部件，排序、輸送裝置可精準調節寬度，使零部件在固定路徑下運動和檢測。（3）攝像機的自動拍照速度，和被檢測物的速度一致，能拍攝到理想圖像。（4）可通過顯示的圖像，動態監視檢測流程。也可通過顯示的數據，檢查檢測結果。（5）對于錯誤的工件，可及時發出剔除、控制信號。（6）實時檢測畫面，多次瀏覽不合格的圖像，方便查看和存儲。

1.2機器視覺的工作原理

從機器視覺的工作原理上看，借助CCD照相機將檢測目標轉變為圖像信號，傳送至專門的圖像處理系統，結合像素顏色、亮度等信息，轉變為數字化信息。隨后，圖像處理系統對其進行運算，同時抽取目標特征，比如長度、位置、面積等，參照允許值、其他條件等，輸出最終結果，包括個數、角度、尺寸等，達到自動化識別的效果。

2、液晶屏識別和電表初步定位

2.1圖像預處理

實際工作中，攝像機所采集的電表圖像，由于拍攝角度、照明角度的不同，得到的圖像也就不同，間接增加視覺識別、定位難度。對此，需要先分析圖像特征，進行預處理，再設計圖像特征的提取技術，來分離背景和電表，最終明確電表身份，實現精準定位的目標。

分析顯示，通過公式1-4，可將RGB圖轉變為HSV圖，從而得到色調圖。然后，再對色調圖進行拉伸、去噪等處理，將均值作為閥值處理，通過開閉運算分開電表和周圍區域，完成圖像的預處理[2]。

2.2液晶屏識別

待液晶屏輪廓提取后，圖像中包含多個區域面積，比較各區域面積大小，刪除不合理的輪廓。再借助矩形擬合液晶屏，結合擬合結果定位液晶屏。首先，根據面積篩選。先提取圖像中的液晶屏輪廓，用不同的顏色描繪輪廓。為了更好的定位液晶屏，需要計算輪廓所包圍的區域面積，用數組的形式表示每個輪廓面積。由于液晶屏面積、背景輪廓面積不同，所以應設定輪廓的面積閾值，并對其進行分割，從圖像中篩選出液晶屏面積。提前設定面積范圍，允許出現一定誤差。將液晶屏的上下幅度，作為面積的上下限值，去掉小于下限、大于上限的區域。其次，根據形狀篩選。液晶屏輪廓提取過程中，由于上下值的不同，可能會提取出不同的面積。為提高液晶屏輪廓精準度，需要擬合提取面積。使用傾斜矩形，擬合剩余輪廓，計算矩形面積、長寬比，隨后再將長寬比不標準的輪廓、矩形面積刪除，得出初步的液晶屏輪廓。

2.3電表身份確認

在智能電表圖像中，液晶屏特征顯著，液晶屏的識別可作為識別電表的依據。待液晶屏輪廓提取后，通過現有的幾何信息，計算液晶屏周圍的矩形圖、表肚矩形位置。然后，以液晶屏周圍、下方位條件，明確電表的具體位置。首先，評估外矩形環。計算液晶屏外矩形環的坐標，通常根據液晶屏上下左右角點計算，同時結合矩形環相對最長邊，對矩形環進行定位。利用像素點的概率，判斷是否屬于矩形外環區域，以此作為液晶屏的定位依據。若最終結果比設定值小，說明誤差較小，可判斷該區域為矩形環。其次，評估表肚矩形。參照液晶屏角度，計算表肚矩形的角點。先明確液晶屏的傾斜方向，根據長寬比，找出最長邊區域，初步判斷其為表肚區域。再利用像素點概率，判斷描繪區域是否為表肚區域。若像素概率比設定值大，需要刪除該區域。若像素概率比設定值小，應提取下方輪廓，確定電表表肚，并在圖像中描繪出來。大量實驗證實，通過圖像預處理、液晶屏識別、矩形環確定等步驟，可綜合定位電表[3]。

3、螺釘識別和電表精準定位

根據電表的定位結果，可大概得出電表螺釘位置，隨后在位置附近識別、定位螺釘，利用所得的定位結果，結合螺釘的幾何關系，對電表的外輪廓進行計算，便于精準定位電表。

3.1螺釘識別

初步得到電表定位后，可在液晶屏、螺絲幾何關系的指導下，計算、得出螺釘的區域圖像。盡管如此，仍無法準確識別、定位螺釘位置。這種情況下，可先從通道中分離出RGB圖，用R通道、B通道的差值得出色差圖，然后對色差圖進行均衡化處理，得出單通道的灰度圖，也就是RsubB圖。其次，分析RsubB圖，找尋像素累加值最大的區域，明確螺釘的實際位置。為進一步提高運算速度，可使用積分圖像法計算。

3.2電表輪廓定位

參照智能電表的標準，電表螺釘的位置是不變的，所以多通過螺釘位置和幾何關系，計算電表的外輪廓，實現最終的電表識別、定位目標。

3.3應用案例

智能電表包括跳閘指示燈、LCD液晶顯示屏、信息查詢鍵、購電卡插槽等，生產批量大，出廠前需要進行質量終檢。一般來講，檢測項目為：指示燈、顯示燈是否損壞，儀表指針是否出現誤差等，通常使用人工目測法檢查，可靠性差，誤差大，不滿足自動化的生產、運行需求[4]。而機器視覺智能集成測試系統的使用，不但改變了該現狀，還實現了智能化、高精度檢測的目標。同時，也克服了人工目測造成的誤差，提高了檢測效率。

4、小結

綜上所述，本文通過圖像預處理、液晶屏識別、電表身份確認、螺釘識別和定位等步驟，實現了智能電表的識別和定位。結果顯示，文中所使用的處理算法，能精準識別圖像中的一個或多個電表，達到精密定位電表輪廓的效果。這種情況下，可為智能電表的自動化處理提供良好的環境、可靠的數據支持，從而提高系統的自動化水平。此外，利用圖像處理技術、機器視覺系統，還能快速識別、精準定位電表外觀，從根本上解決著復雜工業環境中的電表檢定難題，進一步提高工作效率。

參考文獻：

[1]趙元哲.基于智能電能表的遠程費控執行流程優化策略探究[J].科技創新與應用，2017，26（10）：216.

[2]徐錦濤，馮興樂，趙峰，等.智能電表可靠性預計技術研究[J].陜西電力，2018，46（4）：28-32.

[3]潘明明，田世明，吳博，等.基于智能電表數據的臺區識別與竊電檢測方法研究[J].智慧電力，2017，45（12）：80-84.

[4]張芹，夏水斌，郭鵬，等.圖像識別技術在智能電表計量誤差檢測中的應用[J].電子設計工程，2017，25（19）：187-189，193.