基于Android的模擬儀表識別應用設計

王煥濤 覃航競 陳俊彥

（1.天府新區通用航空職業學院 四川省成都市 620500）

（2.桂林電子科技大學計算機與信息安全學院 廣西壯族自治區桂林市 541004）

伴隨著工業技術和電子信息技術的發展，很多工廠或企業需要遠程獲得儀表數據。由于指針類型的儀表具有直觀性和抗干擾性等優點，而且改造代價比較大，所以現在工業現場很多儀表仍然是模擬指針或數字類型的儀表。隨著《中國制造2025》的發布，作為我國實施制造強國戰略第一個十年的行動綱，智能制造受到了業界的廣泛關注。精確的實時感知工業現場的各種運行數據，是智能制造業的基礎，而絕大多數的模擬類型的儀表沒有設計與配置傳感器，使得配備這些儀表的機器成為了工業現場的信息孤島。

為了解決上述問題，同時提高識別效率、減少人工抄表過程中的誤差，設計與實現一款用于讀取模擬儀表數據的移動應用，成為了高性價比的解決方案。傳統的移動端圖像識別任務往往被發送到服務器端執行，這大大增加了服務器的壓力，同時也影響了識別的實時性，限制了工業級圖像智能識別的應用范圍。隨著移動設備計算能力的增強與圖像識別算法研究的發展，使得在移動端部署計算機視覺庫并實現離線識別成為可能。

1 系統結構和工作原理

系統由用戶管理模塊、模板管理模塊、圖像識別模塊、數據管理模塊四部分構成。用戶管理模塊負責用戶信息（包括用戶ID、工號、權限等）的配置。模板管理模塊處理儀表類型、參數單位及范圍等參數的設置，同時提供儀表的標準圖像供識別模塊匹配使用。圖像識別模塊是應用的核心，負責讀取儀表的數據。數據管理模塊負責在本地存儲并向服務器發送識別結果，同時能夠根據設置提供超異常報警信息。

系統的工作過程如下：用戶登錄之后，使用移動設備的攝像頭獲取含有儀表的圖像送至圖像識別模塊。圖像識別模塊加載用戶圖像之后，使用Brisk算法提取圖像的關鍵點和描述子，對關鍵點進行篩選之后，與模板進行匹配，確定儀表的種類。根據關鍵點的位置計算出透視變換矩陣，使用透視變換矩陣對儀表盤圖像進行矯正后獲得表盤的全景圖像。

通過全景圖像與表盤模板的匹配，確定儀表的型號，之后根據不同型號儀表的特點，對指針或數字區域進行識別。完成識別后，將儀表讀數、編號、用戶等相關信息存儲到數據管理模塊供后續的分析處理。

2 關鍵技術

2.1 表盤矯正和特征匹配

在本應用中基于Brisk算法設計了表盤的拾取、透視變換矩陣的生成和儀表的分類算法。對于本應用來說，圖像的特征來自于表盤中的圖像區域，該區域獨特而且易于識別，較好的特征有角點、邊緣等。常見的特征檢測算法有SIFT、SURF和BRISK等。其中BRISK算法速度居中，但是強健性最強的，而且具有尺度不變性、旋轉不變性等特點，適用于識別比較模糊的圖像。本應用設計的算法的流程如下：

步驟1：為了適應多尺度，Brisk算法首先需要建立高斯金字塔，獲得在不同尺度獲得的關鍵點信息，通常層數為8層，此外再加上原圖共9個圖像的角點信息。

步驟2：使用9-16FAST算法對每層進行特征點檢測，并使用閾值獲得候選點，同時對候選點區域通過8個相鄰的像素點和尺度空間的18個像素點進行強度差比較實現非極大值抑制，設定得分值最大的為角點。

步驟3：獲取精確特征點的坐標位置，對FAST得分值進行二次函數亞像素插值，得到精確的特征點位置。再進行一維插值得到極值點對應的尺度。

步驟4：得到特征點的尺度之后需要計算特征點的描述符，采用均采樣模式，需要對同心圓上的采樣點進行高斯濾波和局部梯度計算來得到特征點的主方向。

步驟5：為了解決旋轉不變性，需要對特征點周圍的采樣區域進行旋轉到主方向。

步驟6：使用漢明距離與模板庫中的儀表模板特征進行比較，選取匹配的模板作為識別的目標。

2.2 指針式儀表的識別

以壓力表為例，說明指針式儀表的識別方法，其它指針類儀表類似。

壓力表屬于工業用用表，為了獲取較為精確的讀數，使用識別刻度的方式對其進行讀數。由于壓力表是圓形結構，因此使用刻度所對應角度的方法對其刻度進行排序并讀數。具體的識別算法流程如下：

步驟1：對透視變換之后的表盤圖像進行濾波去除噪聲，進行邊緣檢測，將邊緣檢測后的結果進行形態學的閉操作，將一些邊緣閉合。

步驟2：創建黑色的Mask掩膜圖像，根據上面得到的圓的圓心和半徑在Mask中畫圓，使用使得白色能夠充滿整個圓域。對邊緣檢測后的圖像使用該Mask進行掩碼操作，去除周圍環境的影響同時也能夠將刻度作為外輪廓被檢測出來。

步驟3：對邊緣檢測后的圖像進行膨脹操作，用霍夫直線檢測函數檢測直線并限定長度來檢測指針的位置，然后對符合要求的直線進行擬合為指針所在的直線。

步驟4：對邊緣檢測后的圖像進行輪廓檢測，同時用最小矩形包圍并判斷該輪廓是否屬于刻度，如果判斷是刻度則將其像素點和坐標所處的象限一起加入列表中，該列表同時還保存了刻度的坐標矩陣以及中心所處的象限。

步驟5：遍歷該列表，對每個刻度的向量坐標都用最小二乘法擬合成直線，根據返回的直線斜率和刻度所在象限轉化為平面中的0-360°角度，再用公式k = (360-k+270)%360將其轉化為實際應用中坐標系。

步驟6：將指針所在直線的斜率同樣轉化為上圖所示的角度，并將對每個刻度求出來的角度存放在結果列表中。

步驟7：對結果列表進行排序并遍歷，找到離刻度最近的角度及其索引位置，同時根據刻度之間的平均角度差來判斷指針是否與刻度重合，最終根據索引所在位置、指針角度和指針與前后兩個刻度的角度差進行讀數。

2.3 混合儀表的識別

為方便說明問題，以水表為例說明混合儀表的識別過程。典型的水表包括數字部分和指針部分，屬于混合類型的模擬儀表。數字部分主要是整數而下面的指針讀數屬于小數部分。水表的一共有三個指針部分，由于水表指針的量程較小所以用傳統的根據角度進行讀數效果也比較好。具體的識別算法如下：

步驟1：將儀表的透視變換的結果圖像進行濾波，由于其與模板圖像大小角度等信息一致，所以可以根據數字區域在模板圖像中的位置定位其在圖像中的位置。通過設置ROI區域對其進行切割為數字區域和指針區域。

步驟2：由于數字區域存在紅色和黑色以及一些邊緣信息，需要對圖像進行直方圖均衡化后，分解為紅、黑兩色的矩陣。將紅、黑矩陣疊加后，用5*5的卷積核對該圖像進行多次形態學的開閉運算得到最終處理后的二值圖像。

步驟3：對于數字區域產生的二值圖使用Tess-two進行識別，讀取其數值。

步驟4：使用前一節所述的指針刻度讀數算法，獲取表盤上指針部分區域的讀數，不同之處在于讀數公式為read =(360-theta+90)%360/36。其中read為最終的結果讀數，theta為求出的指針在平面坐標系中的角度。

步驟5：重復第4步，求出每個指針子區域的讀數，將它們與第3步識別出的數字區域的數值進行拼接得到最終的結果讀數。

3 測試及結論

本應用對指針型、數值顯示型和混合型儀表具有較好的識別能力。以壓力表和水表作為指針型和混合型儀表的典型代表，其圖像獲取和識別結果分別如圖1、圖2所示。從圖中可以看出，透視變換算法能夠較好的矯正拍攝帶來的干擾，獲取儀表的主體；識別算法能夠準確的研讀出儀表的數據，達到了應用的要求。

圖1：壓力表讀數實現效果截圖（讀數為0.403Pa）

圖2：水表識別運行結果截圖（讀數為0000.32862m3）

本應用最終實現了對模擬儀表的讀數，識別精度較高。此外，應用可以將識別的內容和處理后的圖像通過互聯網進行共享，可以用于工業場景或者社區儀表數據的上報和監測，以較低的代價，解決生產、生活場景中最為頑固的信息孤島問題，具有較強的應用價值。