摘要: 针对传统配电房表盘指针图像识别方法存在的与原始图像同向性较低的问题，以下开展了基于双特征融合的配电房表盘指针图像识别方法的设计。首先，对配电房表盘指针图像进行特征点处理，计算参数的异位数值，其次，基于双特征融合定位表盘指针，计算表盘中指针的旋转角度，实现配电房表盘指针双特征图像的识别。最后采用对比试验的方式验证设计的方法可以有效的提升识别图像与原始图像之间的同向性。
关键词：双特征融合；配电房；表盘指针；图像识别方法；
中图分类号:TP391.4文献标识码:A
0引言
信息时代的带来在一定程度上促进了市场内技术的优化，结合现代化设备研究的不断深化，多元化的数字图像分辨率技术已经在诸多领域开始应用。尤其在商场内的人脸识别支付、车牌识别通行等方面，已经发挥了十分关键的作用[1]。尽管市场内一些图像识别技术已经趋近于完善及成熟，但在其它行业中的应用仍存在一些有待解决的问题，例如，传统的配电房表盘的指针通常为数字式的仪表盘，由于此种表盘的整体结构较简单，且使用中不会受到多种线路故障得影响，因此广泛应用于配电房中，采用传统的人工读取的方式极易造成数据读取方面的误差，且工作效率相对较低。同时由于部分表盘的位置较高过处于视觉无法直接接触区域，因此设计一种配电房表盘指针图像识别方法是目前急需解决的一大问题。双特征融合技术是指提取表盘识别图像中的多种特征参数，对参数进行集中化处理。充分利用多种参数为识别提供的信息，提高图像识别的同向程度，进而，以下将基于双特征融合技术，开展配电房表盘指针图像识别方法的详细研究，为表盘识别提供正确的技术指导。
1基于双特征融合的配电房表盘指针图像识别方法
根据双特征参数融合具有的特点，下述将进行配电房表盘指针图像识别流程的研究。如下图1所示。
图1图像识别流程
如上述图1所示，为基于双特征融合的配电房表盘指针图像识别流程，将整体识别分为图像处理及图像识别两部分，一方面，根据相关检测设备获取表盘的实时图像，以调用的模板作为图像识别的基础，进行图像特征点的匹配及提取。另一方面结合双特征参数融合具备的特点，进行表盘指针、圆心等参数的定位，实现表盘的识别及数据的最终读取。基于上述识别流程，下述将从图像特征点处理、表盘指针定位、双特征图像识别3个方面，开展基于双特征融合的配电房表盘指针图像识别方法的设计。
1.1配电房表盘指针图像特征点处理
在进行表盘指针图像识别的过程中，表盘中的圆心点、指针变化特征、转速、极值等参数变量均可作为配电房表盘运行过程中的具体参数。根据双特征参数融合理论，分析获取的图像中的噪声参数，包括配电房光线、附近物体投影、采集中的设备辐射等多种外界因素对图像造成的干扰，采用4*4的图像处理模板对图像进行滤波消除处理，提升图像的平整程度。建立多进制图像描述符，收集图像中与描述符匹配程度超过85%的数据集合，提取其中的特征参数[2]。采用汉明计算方式对特征参数进行融合，计算参数的异位数值，自定义汉明计算的取值范围为1~255之间。为了提升特征数据之间的匹配速度，采用近邻检索算法收集附近的阈值，检索数值之间的紧邻比值，根据数值之间的紧邻比值计算，确定可以实现匹配的参数点。
由于配电房通常处于光线较暗区域，设备收集的图像通常受到其它物体阴影的影响，因此，在确定特征匹配点之后可采用灰色调度图像处理方法进行图像的透视变换，按照模板图像收集1000个以上的特征点，进行图像特征点的处理。
期刊文章分类查询,尽在期刊图书馆结合配电房的实际情况，只有计算的匹配比值大于80%时，才能确保待测图像具有一定的可使用性。
1.2基于双特征融合定位表盘指针
根据上述对图像特征点的处理，下述将基于双特征参数融合的特点。进行配电房表盘指针的定位研究。根据表盘的灰度等级，分析圆心定位、指针定位对表盘定位造成的影响[3]。首先结合表盘的圆心半径及所处位置，进行指针旋转区域的计算，根据半径旋转参数融合，在表盘中最小刻度值位置进行特征符号的灰度阈值分析。由于指针旋转角度受到表盘最小刻度数值的影响，因此，只有确定了表盘中指针的旋转角度，才能实现表盘中指针的定位。根据上述分析，旋转角度的计算公式如下。
如上述公式所示，为配电房表盘指针旋转角度的计算公式[4]。公式中表示为角度数值，取值范围为0~180之间；表示为表盘圆心，计算单位为cm；为定位的圆心参数；根据上述公式可实现将表盘圆心与表盘指针角度进行两者参数的特征化融合，进而计算出指针的旋转角度，实现基于双特征融合的表盘指针定位。
1.3配电房表盘指针双特征图像识别
根据上述定位的表盘指针，结合测量的实际情况，进行图像数据帧的识别，自定义每3s为一次循环识别，嘉定前3次测量值为参考图像的单向矩形阵，以原始母版作为参考的矩形阵设定为N，定义此时的指针角度为，即可直接利用表盘中指针的旋转范围进行指令执行范围的确定，降低特征点的提取个数，缩短了识别时间，提升了识别的同向程度，实现基于双特征融合的配电房表盘指针图像识别方法的设计。
2实验论证分析
以下采用设计对比实验的方式，验证本文设计的基于双特征融合的配电房表盘指针图像识别方法的设计具有一定的实用性。首先随机选取某配电房的表盘，忽略其它影响识别结果的外界因素[5]。其次，采用传统的方法进行配电房表盘指针图像的识别，采用大数据处理技术分析收集图像与原始图像之间的同向率。在采用本文设计的图像识别方法进行相同步骤的操作。最后收集6组实验数据。将数据进行整理。如下图2所示。
图2同向率对比
图2为两种图像识别方法的结果的同向率对比曲线，根据图2中的实验结果和实验过程中产生的数据，得出：本文充分的利用了双特征融合方法，有效的提高了对配电房表盘指针图像识别的准确率，提升了与原始图像的同向程度，从而为配电房的发展带来了更广阔的发展空间。
3结束语
文章从配电房表盘指针图像特征点处理、基于双特征融合定位表盘指针、配电房表盘指针双特征图像识别3个方面，开展了基于双特征融合的配电房表盘指针图像识别方法的设计。最后采用对比实验的方式验证了本文设计方法收集图像与原始图像的同向程度更高。因此，在后期的发展中，应加大该种方法在配电房指针识别中的应用。
参考文献
[1] 张永玲,姜梦洲,俞佩仕,姚青,杨保军,唐健. 基于多特征融合和稀疏表示的农业害虫图像识别方法[J]. 中国农业科学,2018,51(11):2084-2093.
[2] 傅隆生,冯亚利,Elkamil Tola,刘智豪,李瑞,崔永杰. 基于卷积神经网络的田间多簇猕猴桃图像识别方法[J]. 农业工程学报,2018,34(02):205-211.
[3] 卢熙达,漆海霞,邱俊,何子玄,游浩潺,甘海明.基于图像识别的流水线炭疽病青枣分拣机械手系统设计[J].农机使用与维修,2018,15(06):004-005.
[4] 顾操,严骏驰,潘东艳,秦海峰,沈炜.人工智能深度学习在特发性息肉状脉络膜血管病变(PCV)眼底图像识别方面的研究[J].中国激光医学杂志,2018,27(02):147-148.
[5] 夏绅鑫.基于计算机图像识别技术的电子信息系统在互联网金融领域的应用探析——以支付宝刷脸为例[J].数字通信世界,2018,23(02):209-210.
论文作者:王兴南
论文发表刊物:《中国电业》2019年9月18期
论文发表时间:2020/1/14
标签：表盘论文; 配电房论文; 图像论文; 指针论文; 特征论文; 方法论文; 参数论文; 《中国电业》2019年9月18期论文;