基于數(shù)字圖像處理技術(shù)的智能電表讀數(shù)識(shí)別方法研究

曾偉銘

(國(guó)網(wǎng)黑龍江省電力有限公司大慶供電公司，黑龍江 大慶 163000)

0 引 言

電能表作為電費(fèi)收取的計(jì)量依據(jù)，涉及到抄表，從現(xiàn)行技術(shù)來(lái)看主要有IC卡式和遠(yuǎn)傳抄表式。IC卡電表收費(fèi)系統(tǒng)的成本較低、使用壽命長(zhǎng)。但由于用戶終端與系統(tǒng)主機(jī)并沒(méi)有直接聯(lián)系，只有在用戶持卡交費(fèi)時(shí)才能了解到用戶情況，信息反饋滯后，IC卡的使用規(guī)定存在不公平之處，因此IC卡收費(fèi)系統(tǒng)只能作為一種過(guò)渡性產(chǎn)品[1]。智能電表有總線制集中抄表和電力載波集中抄表兩種常見(jiàn)的抄表方案：前者的優(yōu)點(diǎn)是數(shù)據(jù)傳輸可靠性高，造價(jià)較低，缺點(diǎn)是需布線，安裝較復(fù)雜，拉線易被人為破壞；后者要求電表含有通訊接口以及通訊模塊，若出現(xiàn)通訊接口不開(kāi)放或通訊模塊故障等問(wèn)題，大范圍更換電表雖然可以解決，但需要花費(fèi)大量人力財(cái)力[2]。

隨著圖像處理技術(shù)的日漸成熟和神經(jīng)網(wǎng)絡(luò)的廣泛應(yīng)用，利用圖像處理算法與神經(jīng)網(wǎng)絡(luò)算法結(jié)合的遠(yuǎn)程抄表技術(shù)也開(kāi)始發(fā)展起來(lái)，這種遠(yuǎn)程抄表方法相較于傳統(tǒng)的遠(yuǎn)程抄表技術(shù)，具備不受電表本身硬件限制的優(yōu)點(diǎn)[3]，無(wú)需對(duì)電表改裝或更換就能大量應(yīng)用，減少了資金的消耗。該文所研究的電表識(shí)別方法的核心是對(duì)液晶屏的定位，電表的數(shù)字字符是以液晶屏為載體顯示，需要考慮液晶屏材質(zhì)的特殊性，和光照條件的影響[4]。該文主要針對(duì)電表液晶屏數(shù)字顯示區(qū)域定位，提出改進(jìn)的Canny算法對(duì)液晶屏邊緣定位截取,對(duì)分割后的電表字符進(jìn)行識(shí)別，分析和總結(jié)研究結(jié)果。

1 電表液晶屏的定位算法

1.1 圖像預(yù)處理

在對(duì)電表液晶屏數(shù)字部分定位之前，需要對(duì)采集的圖像歸一化、灰度化、濾波等預(yù)處理，使圖片更清晰[5]。該文使用加權(quán)平均值法灰度化，高斯濾波器對(duì)圖像去噪處理，結(jié)果如圖1所示。

圖1 圖像預(yù)處理結(jié)果

1.2 顯示區(qū)域定位方法設(shè)計(jì)

首先對(duì)液晶屏初次定位，初次定位是基于形態(tài)學(xué)對(duì)二值化后的圖像進(jìn)行一系列處理，包括腐蝕、膨脹、開(kāi)操作、閉操作等[6]，其次通過(guò)改進(jìn)的Canny邊緣檢測(cè)算法對(duì)液晶屏精確定位操作。

1.2.1 圖像二值化和形態(tài)學(xué)處理

圖像的腐蝕和膨脹是兩種基本的形態(tài)學(xué)運(yùn)算，主要用來(lái)尋找圖像中的極大區(qū)域和極小區(qū)域。如圖2所示為二值圖像經(jīng)過(guò)腐蝕和膨脹處理后的結(jié)果圖，經(jīng)過(guò)多次開(kāi)操作和閉操作后，圖像的區(qū)域特征差異十分明顯，經(jīng)過(guò)二值化后圖像的液晶屏位置(白色部分)與背景(黑色部分)分離清晰，但液晶屏內(nèi)有部分黑色，而腐蝕和膨脹處理，讓液晶屏與表身背景部分分離更加明顯，排除了一定干擾，在后面定位液晶屏?xí)r可以提高定位準(zhǔn)確性。

圖2 圖像形態(tài)學(xué)處理

1.2.2 改進(jìn)的Canny邊緣檢測(cè)算法

Canny邊緣檢測(cè)算法的實(shí)質(zhì)是先用高斯函數(shù)作為平滑運(yùn)算，然后用一階微分極大值定位邊緣點(diǎn)，二階導(dǎo)數(shù)過(guò)零點(diǎn)對(duì)應(yīng)一階導(dǎo)數(shù)的極大值和極小值[7]。Canny算法實(shí)現(xiàn)步驟如圖3所示。

圖3 Canny算法實(shí)現(xiàn)步驟

首先，設(shè)圖像為f(x,y)，用高斯函數(shù)G(x,y,σ)對(duì)圖像濾波，得到一個(gè)已平滑數(shù)據(jù)陣列S(x,y)，即式(1)

S(x,y)=f(x,y)*G(x,y,σ)

(1)

式中：σ表示高斯函數(shù)的散布參數(shù)，它反映高斯函數(shù)的平滑程度。

傳統(tǒng)的Canny算法處理帶有污染干擾的圖像時(shí)，會(huì)造成邊緣過(guò)多或邊緣不連通的問(wèn)題，對(duì)后期字符矯正和分割產(chǎn)生影響[8]，該文將鄰域范圍由2×2改為3×3，則S(x+1,y),S(x-1,y),S(x+1,y+1),S(x,y+1),S(x-1,y+1),S(x+1,y-1),S(x,y-1),S(x-1,y-1)等分別為以像素點(diǎn)S(x,y)為中心的鄰域像素點(diǎn)[2]，如圖4所示，分別計(jì)算0°、45°、90°、135°等4個(gè)方向上的有限差分近似一階偏導(dǎo)，以此來(lái)計(jì)算像素梯度和幅值。

圖4 Canny算法鄰域象限圖

0°(即x方向)的一階偏導(dǎo)陣列為

Px(x,y)=[S(x+1,y)-S(x,y)+

S(x-1,y)-S(x,y)]/2

(2)

45°(即u方向)的一階偏導(dǎo)陣列為

Pu(x,y)=[S(x+1,y+1)-S(x,y)+

S(x-1,y-1)-S(x,y)]/2

(3)

90°(即y方向)的一階偏導(dǎo)陣列為

Py(x,y)=[S(x,y+1)-S(x,y)+

S(x,y-1)-S(x,y)]/2

(4)

135°(即v方向)的一階偏導(dǎo)陣列為

Pv(x,y)=[S(x-1,y+1)-S(x,y)+

S(x+1,y-1)-S(x,y)]/2

(5)

則幅度和方位角的計(jì)算式分別為

(6)

θ′(x,y)=arctan(Py(x,y)/Px(x,y))

(7)

將濾波器從2×2擴(kuò)展到3×3，可以對(duì)梯度幅值陣列中的任一像素沿梯度方向進(jìn)行梯度幅值的差值計(jì)算[4]，這樣可以抑制非極大值，保留局部梯度最大的點(diǎn)，以得到細(xì)化的邊緣，從而有效降低噪聲的干擾，有利于提高邊緣定位的準(zhǔn)確率。如圖5所示，為傳統(tǒng)Canny邊緣檢測(cè)算法和改進(jìn)后的Canny邊緣檢測(cè)算法對(duì)圖像處理后的結(jié)果圖，其中圖5(b)中提取到的邊緣特征明顯比圖5(a)多。

圖5 邊緣特征提取對(duì)比圖

采用300張圖片做數(shù)據(jù)集，數(shù)據(jù)集來(lái)源于手機(jī)實(shí)拍用戶家的單相智能電表，分別應(yīng)用傳統(tǒng)Canny算法與改進(jìn)的Canny算法實(shí)驗(yàn)，部分液晶屏定位截取圖如圖6所示。

圖6 定位結(jié)果圖

從圖6中可以看出，原Canny算法定位結(jié)果中，失敗的比例較大，該文使用300張樣本定位試驗(yàn)，定位準(zhǔn)確與失敗的結(jié)果對(duì)比見(jiàn)表1，原Canny算法定位液晶屏的準(zhǔn)確率為91.67%，有部分液晶屏受光線等噪聲干擾導(dǎo)致定位結(jié)果失敗，而改進(jìn)的Canny算法在液晶屏定位中抗干擾能力較強(qiáng)，準(zhǔn)確率達(dá)98.67%，極個(gè)別定位失敗的原因是液晶屏表面臟，或者獲取圖像時(shí)液晶屏暗、反光等。

表1 液晶屏定位結(jié)果對(duì)比表

2 字符分割與識(shí)別

2.1 字符分割

定位截取后的液晶屏內(nèi)只保留數(shù)字，且字符間在垂直方向無(wú)連通，因此采用垂直投影法對(duì)字符分割，分割結(jié)果如圖7所示。

圖7 垂直投影分割結(jié)果

2.2 基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別

應(yīng)用較常見(jiàn)的卷積神經(jīng)網(wǎng)絡(luò)lenet-5訓(xùn)練和識(shí)別，所用模型的結(jié)構(gòu)包含輸入層、2個(gè)卷積層、2個(gè)池化層、1個(gè)全連接層、輸出層、輸入圖像的尺寸歸一化為32×32，數(shù)據(jù)集分別采用不同定位提取預(yù)處理分割后的字符，共近2 000張字符圖片，使用搭建的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，迭代次數(shù)為1 000，每迭代一次輸出一次驗(yàn)證的準(zhǔn)確率，訓(xùn)練過(guò)程中驗(yàn)證的準(zhǔn)確率變換如圖8所示，識(shí)別結(jié)果如表2所示。表明該文提出的改進(jìn)方法在提高液晶屏讀數(shù)識(shí)別準(zhǔn)確率方面是有效的。

表2 識(shí)別準(zhǔn)確率結(jié)果對(duì)比

圖8 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中的準(zhǔn)確率

3 結(jié) 語(yǔ)

該文提出了一種基于數(shù)字圖像處理的智能電表讀數(shù)方法，通過(guò)提高液晶屏定位的準(zhǔn)確率，達(dá)到提高智能電表讀數(shù)識(shí)別的準(zhǔn)確率，從而使智能電表讀數(shù)更方便、準(zhǔn)確。該文的核心部分為智能電表液晶屏的定位，提出了改進(jìn)的Canny邊緣檢測(cè)算法，適用于各種液晶屏的定位識(shí)別，具有較高的實(shí)用價(jià)值。通過(guò)試驗(yàn)表明，所提算法對(duì)于提高智能電表液晶屏讀數(shù)的準(zhǔn)確率是有效的。