基于圖像識別的儀表讀數全自動檢測技術?

唐靜宜，唐 波?，付小梅，彭建軍

(1.三峽大學，湖北 宜昌 443002；2.國網河南平頂山供電公司，河南 平頂山 467001；3.青海黃河智慧能源有限責任公司，青海 格爾木 816099)

指針式儀表具有結構簡單、便于維修、精度較高、抗電磁干擾性強等優點，被廣泛應用在電力系統儀表測試和系統控制中[1－3]。在電力系統中，對電氣設備儀表的監控非常重要，但指針式儀表其輸出結果為模擬信號，無法直接被計算機系統識別采集，因此如何實現指針式儀表數據的精準化、自動化讀取是一個長期研究的問題[4－5]。

目前，研究學者在儀表讀數識別領域已有大量研究基礎。文獻[6]基于圓周區域的累積直方圖法，結合表盤灰度特征信息，提出了一種根據指針偏轉角度獲取讀數的方法，實驗測試結果證明所提方法在指針讀數識別方面的實時性和高精度性；文獻[7]給出了一種新型儀表讀數識別策略，應用工業相機實現儀表表盤及指針的圖像識別，將改進Hough 法應用其中，對圖像進行分割、細化等處理，實驗結果證實了該方法在提升圖像識別準確性方面的效果；文獻[8]通過分別對模板和待測圖像進行預處理操作，應用差影法對待測圖像進行缺陷檢測，提出了一種雙掩模的圖像差影策略，實驗結果證實了所提策略在搜索儀表表面缺陷的有效性；文獻[9]基于數字信號處理技術對被測儀表圖像進行一系列預處理操作，包括:灰度變換、邊沿測試、Hough變換等，實現了對儀表讀數的精準識別；文獻[10]建立了基于圖像處理技術的變電站指針式儀表自動檢測系統，采用改進的Hough 變換提取圖像中的直線，計算指針角度和顯示指針讀數，并利用OpenCV函數庫建立了指針式儀表圖像的模型庫。仿真結果表明，該指針式儀表自動判讀系統在識別指針讀數的精度上遠大于人工讀數；文獻[11]將嵌入式機器視覺技術和物聯網技術相結合，提出了一種新型自動讀數策略，利用角度約束方法對霍夫變換進行了優化，并結合二值圖像減影法，識別出指針偏轉角度，從而進行讀數，利用無線傳輸實現遠程自動抄表；文獻[12]基于marker 檢測法定位儀表指針區域，提出了一種新型監測儀表指針抖動的策略，實際工程應用結果證實了該策略相比于原有策略，其在識別準確率和時效性的優越性。

上述研究文獻采用不同方法實現了儀表讀數自動識別的要求，但鮮少能夠同時具備儀表讀數的全自動檢測以及精準識別的功能。針對這一問題，本文建立了基于圖像識別的儀表讀數全自動檢測系統，詳細分析了系統的硬件組成結構及設備選型要求，基于圖像預處理以及讀數識別兩個部分對全自動檢測系統軟件技術實現過程進行解析計算。最后，對讀數識別的精準度進行實驗測試，以驗證本文所提策略的有效性。

1 儀表讀數全自動檢測系統

如圖1 所示，為基于圖像識別的儀表讀數全自動檢測系統基本架構，分為圖像采集硬件系統和讀數識別軟件系統兩個部分[13]。硬件系統主要由被測儀表、圖像采集設備以及主站服務器三個部分組成，主要負責對指針儀表進行圖像采集，并通過USB將解析數據傳輸至計算機中。在預設好的光照系統中，通過計算機控制圖像采集設備實時獲取儀表圖像。接著，應用指針式儀表圖像識別技術，找準儀表圖像所在區域進行圖像采集，并將數據傳輸至計算機。最后，應用有效的圖像解析處理技術解析儀表指針讀數，進行實現指針儀表讀數的獲取[14]。

圖1 儀表讀數全自動檢測系統

2 系統硬件結構設計

儀表圖像的采集作為儀表讀數全自動檢測系統的基礎，圖像采集的質量會受到采集過程中硬件設備條件、環境因素等影響。因此，為了降低圖像處理的復雜性、簡化系統步驟，需要從一開始就選用合適的硬件采集裝置并規劃好系統的軟硬件方案。

圖2 全自動檢測系統的硬件組成結構

2.1 光源

光源作為圖像采集、識別的重要基礎，光照強度的大小會影響圖片拍攝的質量。為了降低原始圖像中噪聲含量、凸顯圖像的重要內容，需要采用合適的光源，并對光源布局進行合理規劃，為圖像采集提供足夠的亮度。LED 作為目前常用的高效節能光源，具有使用壽命長、功率損耗低、無輻射、節能環保等優點，在生產和生活應用廣泛。因此，本文將LED光源應用在圖像識別測量中，所使用的LED 光源基本性能參數特性如表1 所示[15]。

表1 LED 光源MT－LA108 基本性能參數

2.2 數字攝像機和光學鏡頭

CCD 攝像機作為圖像傳感器，具有體積小、功耗低、靈敏度高、頻譜光譜響應寬等優點，被廣泛應用在圖像識別領域。通常，CCD 攝像機和光學鏡頭共同作用，對連續的感知數據進行光電模數轉化，并能夠將數字圖像傳輸至計算機進行處理[16]。本文采用CCD 攝像頭進行圖像采集獲取工作，選用大恒的水星(Mercury)系列USB 接口數字攝像機，采用M2514－MP 工業光學鏡頭，主要性能參數如表2所示。

表2 攝像設備參數選型

圖3 儀表讀數全自動檢測系統

3 全自動檢測系統軟件技術實現

本文基于MATLAB 軟件的Matrix Laboratory 模塊來實現對儀表圖像的處理與讀數識別，其具備多種類型的圖像處理功能。儀表讀數全自動檢測系統主要包括圖像預處理以及讀數識別兩大模塊。

圖4 儀表讀數全自動檢測系統

3.1 儀表圖形預處理

3.1.1 圖形去噪

在圖像采集的過程中，主要受椒鹽噪聲以及任意噪聲的影響最大。本文采用二維中值濾波法對采集圖像的噪聲進行處理，基于噪聲離散分布特性，使用待測圖像中某點的鄰域灰度中間值取代這一點的灰度，從而降低因噪聲對圖像采集質量造成的干擾[17]。將原圖像記作f(x，y)，濾波后的圖像記作g(x，y)，算法具體實現步驟如下:

(1)對原圖像取一點(m，n)的鄰域為S；

(2)將鄰域S中的H個像素按照其灰度大小進行排序{a1，a2，...，ah}；

(3)當像素數目H為奇數時:濾波后點(m，n)的像素為{a1，a2，...，ah}排序中ah＋1/2處的像素值；

(4)當像素數目H為偶數時:濾波后點(m，n)的像素為{a1，a2，...，ah}排序中，中間兩個像素的平均值

3.1.2 圖像增強

本文采用分段線性變換法對被采集圖像進行圖像增強操作，該算法能夠強化儀表表盤中的目標區間信息，并弱化圖像中的非有效部分，將目標灰度圖像分為多個灰度區間，分別對各小區間進行線性變換[18]:

假定原目標圖像為f(x，y)，fmax表示最大灰度值，經過圖像增強后獲得圖像為g(x，y)，gmax表示圖像增強后的最大灰度值。

(1)基于線性變換法，將被采集圖像中有效區間的灰度值從[a，b]擴展至[c，d]，進而增強此區域圖像的強度；

(2)同理，基于線性變換法，將被采集圖像中無效區間的灰度值分別從[0，a]、[b，255]壓縮至[0，c]、[d，255]，進而削弱此區域圖像的強度；

圖像進行分段線性變換增強的公式如下:

3.1.3 閾值分割

本文基于最大類間方差法對待測圖像進行二值化處理，基于圖像不同區域的灰度值大小來區分目標與非目標區域，解決因光照條件不足造成圖像亮度不均勻的問題[19]。假定原始圖像的全像素點數為M×N，區分目標區域和非目標區域的灰度閾值為T，則有:

式中:w0為非目標區域像素點數在全圖像素點數的占比；w1為非目標區域像素點數在全圖像素點數的占比；N0為全圖中灰度值小于T的像素數；N1為全圖中灰度值大于T的像素數。求解出全圖的總平均灰度μ為:

式中:μ0為目標區域的平均灰度；μ1為非目標區域的平均灰度。

進一步，求解得到類間方差g為:

將式(3)代入式(4)中，得到:

當類間方差最大時，此時目標區域和非目標區域之間的接線最分明，即灰度閾值T最佳，得到經過處理后的圖像g(x，y)為:

被采集圖像在經過閾值分割處理后，尚不能明顯區分邊界點與目標區域，為此，需進行圖像形態學處理以得到清晰的圖像。本文選擇原點位于中心的3×3 對稱結構元素做形態學開運算，平滑物體輪廓并消除突兀點，采用圖像腐蝕法使邊界向內部收縮，采用圖像膨脹法處理指針圖像間斷的情況，得到完整的指針圖像信息。

3.2 儀表讀數識別

3.2.1 儀表圓心的定位

本文基于Hough 變換法，測量儀表指針的讀數，其核心思想是把直角坐標系的值轉化為極坐標系的值[20]。首先，將直線上的點全部由直角坐標系值轉換為極坐標系值形成峰值，找到儀表的指針。接著，以任意兩幅指針讀數不同的儀表圖像為基礎，進行交集運算求解出儀表盤的圓心所在，其計算過程如式(7)所示:

式中:ρ1為第一幅儀表圖像原點到直線間的距離，θ1為直線與x軸的夾角；ρ2為第二幅儀表圖像原點到直線間的距離，θ2為直線與x軸的夾角。求解得到圓心(x0，y0)的計算公式為:

3.2.2 指針方向的判定

基于Hough 變換法在極坐標系下找到儀表指針所在的直線，并記錄其與0 刻度線的夾角θ。此夾角可能是指針的真實角度，也可能需要加上180°才是指針的真實角度。

為此，需要進一步確認指針的方向。通過建立由零刻度線和圓心組成的直角坐標系，再基于Hough 變換得到指針的起始位置和結束位置以確定指針的指向。

3.2.3 最大量程的設定

系統在對儀表讀數進行識別時，需要預先知道儀表的最大量程數值R及其所對應的角度θm，才能進行計算得到當下儀表指針的讀數:

4 實驗及結果分析

如圖5 所示，為實驗測量裝置示意圖。為驗證本文方法的實際識別效果，選取了Y150－精密壓力表進行實驗與分析，壓力表的參數為最大量程40 MPa，精度等級為0.4 級，最大量程對應的角度為180°。

圖5 實驗測量裝置示意圖

圖6(a)為未經處理的指針式儀表原始圖像，圖6(b)為經過圖像去噪后的圖像，圖6(c)為經過圖像增強處理后的圖像，可以看出儀表表盤和指針的清晰度、識別度得到明顯的提升。接著，對處理后的圖像再進行形態學處理及邊緣檢測，檢測結果如圖6(d)、圖6(e)所示，得到的指針方向、角度的擬合結果基本與實際情況一致。

圖6 儀表讀數全自動檢測系統的處理

上述圖像處理擬合結果充分證實了本文所設計的儀表讀數全自動檢測系統在圖像識別方面的可行性。接著，對儀表讀數的精準性進行驗證。選擇十組不同的儀表讀數值進行實驗測試，每組儀表讀數值進行五次測試，測量值取五次測試結果的平均值，計算測量值與實際值的相對誤差，將結果列于表3中。從實驗結果來看，多次測量結果的相對誤差值均小于1%，說明本文所提策略能夠實現儀表讀數的精準識別。

表3 壓力儀表讀數的實際值與測量值對比

5 結論

本文應用圖像識別法對儀表讀數全自動檢測技術進行探究并做出實驗驗證，結果表明所提方法可用于實現儀表數據全自動檢測，相比目前的人工檢測方式，其更加智能化、高效化，且讀數識別的精準度符合性能要求，能夠滿足當下各類高壓危險工作環境下的儀表數據讀取作業需求。