基于机器视觉在电力仪表检定系统中的研究与应用论文_唐建园

(珠海派诺科技股份有限公司 广东珠海 519000)

摘要:本文针对机器视觉在电力仪表自动检定系统中,提出一种数显仪表检定方法,并对其检定系统原理进行分解和分析。提出了对于色彩单一的数显仪表建立色彩模型,利用机器视觉的优点,来判别数显仪表中各部分显示内容,从而使得显示仪表在大规模生产检定中,能够实现基于机器视觉的自动检定,同时也为以后更加深入研究机器视觉在其它电力仪表中的运用提供参考作用。

关键词:机器视觉;电力仪表;自动检定系统

1、机器视觉技术的发展和电力仪表检定概述

机器视觉系统是指:首先通过感光元件,即CCD和CMOS,将目标转换成机器可以识别的数字化信息,(即数字图像);随后,通过人为设定的算法,分析、提取图像中的初级信息,利用数学模型算法来侦测与描述影像中局部特征,并在空间尺度中寻找极值点,提取出位置、角度、旋转不变数等。因此机器人领域中,机器视觉是被应用最广泛也是最深入的一项技术,因为视觉信息能传递的信息量十分巨大。

电力仪表作为电网建设的终端单元,是工作人员监测设备、监测系统运行状态的眼睛,其灵敏性和准确性起着重要的作用。目前我国在仪表检测方面,无论是各质量监督部门还是仪表生产企业,仍然极大程度的依靠传统的人工检测方法。人工检测的方式得到的检测结果易受多种因素影响,为解决上述问题,提高效率,节省成本,采用自动化检定技术替代人工检定已成为一种趋势。因此伴随着大量仪表的检定需求,提出了一种基于机器视觉的电力仪表自动检定方法。

2、仪表自动识数技术

读数识别的准确性是保证检定系统准确性的核心环节,良好的图像质量是字符分割与字符识别的重要前提,因此在进行字符分割识别前,需要进行必要的图像预处理,改善图像质量同时减少数据量,剔除无用的数据。

实际应用中,常发生图像采集装置与被检仪表间位置摆放产生偏差的情况,使得采集到的图像会产生倾斜扭曲,影响图像分割处理,因此需要对采集的图像进行进行灰度化处理和倾斜校正,减小运算数据量,最后需要进行图像的滤波,滤除外界的光和噪声的干扰平滑图像。常见的数字图像滤波方式按照作用域的方式分为空域滤波与频域滤波,其中频域滤波需要对图像进行傅里叶变换转化到频域处理,对图像的尺寸有所限制,而空域滤波能够滤出图片中的椒盐噪声平滑像素,更能还原图片的真实效果,并且对图片尺寸大小无限制。在工业机器视觉中常采用空域滤波中的平滑空域滤波和锐化空域滤波,两种滤波方式相结合的方法,来最大限度的还原图片的真实效果。如下是两种滤波效果图。

(1)空域滤波 (2)频域滤波

数字的识别方法属字符识别中的一部分,识别的两个关键部分是数字特征的选取和数字识别算法的选取。特征选取方法上主要分为统计法与结构特征法两种。统计特征法根据大量的样本计算,明确需要的与分类有关的数据信息,并且从原始字符数据中提取特征信息,使得同类别数据的差别最小化,不同类别间的差别最大化。从统计特征的角度还可以分为全局统计特征与局部统计特征,全局特征对整幅字符图像处理;局部特征将字符图像划分成不同的区域,在各个分割得到的小区域内分别提取需要的统计特征。

3、检定系统工作原理

3.1图像色彩模型算法

RGB色彩模型是工业界颜色的标准,通过3基色(R-红色 G-绿色B-蓝色)相互之间的叠加来得到各式各样的颜色。三种颜色相互组合就能覆盖人类所能感知的所有颜色。RGB色彩模型可以用RGB色彩立方体表示,其中沿主对角线从原点处的黑色(0、0、0)到顶点白色(1、1、1)是亮度值。在RGB分量具有高度融合性。它不需要进行色彩模型的转换,如果直接对其进行处理,具有较好的实时性。在工业类数显仪表占大部分,而且显示的颜色单一,通过图像色彩模型算法的识别,就能准确的定位仪表的显示区域,为特征的提取提供便利。

图1 RGB色彩模型

3.2 图像的处理和识别

通过前面的光感元件采集到仪表的图像之后,PC机采用空滤滤波算法,增强采集图像的清晰度,再提取出关键的数字特征和显示字符。例如:提取上图经过空滤滤波之后的数码管。数码管采用八段的显示结构,可现实的字符种类有0-9、符号和小数点等字符,八段数码管显示结构定义如图所示。

根据数显仪表明显的数字特征,提出了针对数显仪表显示特征的快速识别算法。其中包括图像的二值化,图像的倾斜校正,字符的分割,特征提取识别等步骤。例如:以上图采集到的数显仪表图片。利用色彩模型定位显示区域,对图像的二值化处理,即对阈值分割,利用灰度直方图,以目标与背景之间的方差最大来动态确定图像分割门限值,该方法基本思路如下;

设一维离散概率密度的归一化直方图函数为:

之后算法查询所有符合的灰度等级。当符合最大化方差准则:

时,对应的K即为所求的阈值。

3.3 分割和特征提取

光感设备采集的图像包括多个数字,识别只能根据每个字符的特征来进行判读,所以要进行字符分割的步骤。算法需要从上到下,从左到右逐步扫描,直到遇到第一个红色像素点,即找到了图像的数字区域,再通过对红色像素和黑色像素的对比,找到数字区域的边界条件,通过不断的来回扫描,确定仪表显示数值显示的准确位置。然后再对采集扫描到的数字进行逐步的分割。

提取出固定的数值特征之后,下一步将要对具体显示的数字进行算法提取。从“0”“1”“9”“.”“字母”18个字符。除了“.”“字母”外,其他字符的结构宽高比都在30%~40%。如果扫描发现宽高比在小于30%。则可判读是点或者字符,再根据显示位置进一步确定显示内容,而对于“0”-“9”的判读,则可以根据数码管显示结构红色部分[A..G]的情况进行判读。

结束语

综上所述,本文提出了另外一种基于机器视觉技术用于电力仪表自动检定的方法,对数显式仪表的自动检定系统,提供了一种新的思路。利用色彩建模的方法,快速识别数显仪表的显示内容。并重点介绍了检定系统的基本原理采用二值化算法,分割法以及字符提取法。总体而言,数显仪表的自动化检定技术还是存在许多技术上的问题,例如:高效精准,高兼容性,可靠的商品化系统设备还待进一步研究开发,本文可为今后数显类仪表自动检定系统的研究提供重要参考。

参考文献:

[1]欧习洋,候兴哲,周孔军,郑可,吴华,梁艳阳.基于机器视觉的智能电表识别与精确定位技术[J],1008-0570(2012)10-0169-02.

[2]申中鸿,刘群兴,将春旭,赵浩之,基于机器视觉技术和D-S证据理论的数字显示仪表自动读数[J],信息工程期刊:中英文版,2013,3(6):122-129.

[3]郑小清,数显仪表的自动识别检测技术应用实例[J].科技视界,2013(21):49-50.

作者简介:唐建园(1988-),男,湖南人,嵌入式工程师,主要研究方向:电力电子系统控制以及马达保护产品控制。

论文作者:唐建园

论文发表刊物:《电力设备》2018年第32期

论文发表时间:2019/5/24

标签:;  ;  ;  ;  ;  ;  ;  ;  

基于机器视觉在电力仪表检定系统中的研究与应用论文_唐建园
下载Doc文档

猜你喜欢