機器視覺機械指針式儀表讀數識別方法

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了機器視覺機械指針式儀表讀數識別方法范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：機械式指針儀表在工業生產實踐中應用廣泛，及時、準確地識別指針儀表指示信息是實現設備運行狀態監測的重要手段之一。應用數字圖像處理技術，本文提出了一種新的指針式儀表信息的自動識別方法。主要的步驟包括，使用輪廓跟蹤法實現表盤與指針的區域分割，并進行了圖像的預處理；利用圖像變換算法進行指針方位的檢測，獲得指針的直線位置參數；最后，在已有信息的基礎上，確定刻度線距關系及儀表最大量程，實現指針式儀表信息的自動讀數識別。實驗表明，本文所提出的自動讀數識別方法準確、可靠且讀數效率高。

關鍵詞：指針儀表；Hough變換；讀數識別

引言

機械指針式儀表結構簡單、易維護且價格低，在工業生產實踐中廣泛應用，是獲取機械設備信息，實現設備狀態監測的重要手段之一。通常，機械式儀表信息的獲取是由指針示值或其偏轉值來表達的，經人工判讀或記錄抄寫的方法獲取。判讀或抄寫過程容易受到各類主客觀因素的影響，如觀察角度、技術能力、現場條件、光線等環境因素。人工判讀及抄寫費時、費力，且不能保證完整、準確，易產生讀、寫誤差，結果不能及時、準確地獲取機器運行狀態參數的變化信息。應用機器視覺及數字圖像處理技術，研究指針式儀表讀數方法及信息識別的技術始終是應用研究的熱點問題之一[1]，并已成功地應用到了工業生產的實踐中。例如，張鳳翔等應用圖像線檢測原理實現了機械指針式儀的讀數識別[2]。郭子海等應用Hough變換法進行儀表關鍵要素的位置檢測，并運用刻度相關系數實現讀數識別[3]。利用剪影法，趙艷琴等以儀表指定轉心作為研究的主要素，進行標記識別[4]。同樣，F.CorreaAlegria與A.CruzSerra也使用剪影法，利用類比圖像重疊差分算法標記儀表轉心，確定機械式指針與刻度線的相對關系識別，實現讀數識別的方法[5]。Kyong-HoKim等人，利用圖像分割算法及幾何投影技術實現了指針儀表的表盤及指針的有效圖像識別。德國的馬爾公司也同樣使用了圖像處理技術做出了875系列的儀表檢測儀，能夠快速、準確、有效的進行讀數，但是其成本高，修理困難。結合Hough變換算法，本文提出了一種新的指針式儀表讀數的自動識別方法。有三個主要的步驟：首先是圖像預處理，包括縮放與圖像調正，灰度化、平滑去噪、二值化以及邊緣檢測，以提高圖像的信噪比。其中，使用輪廓跟蹤法進行表盤區域與指針區域的分割，同時進行了降噪處理；其次是指針直線的檢測，包括使用形態學的方法進行儀表指針細化，通過Hough變換法實現了指針位置檢測與指針方向的確定。其中，利用剪影法確定了儀表回轉中心；最后使用角度與刻度線關系確定儀表盤有效量程，完成了指針式儀表示數的自動讀數識別。本文利用GUI平臺進行了相關的實驗研究，并進行了直線檢測、刻度線重合度的誤差分析，為提高檢測精度提出了相應的解決方案。實驗完成了三類共20余幅有代表性的指針式儀表圖像處理及讀數識別實驗，實驗結果表明：應用本文提出的變換法獲取的指針式儀表讀數比人工讀數識別的精度高20%-30%。本文所提出的自動讀數識別方法更準確、可靠且讀數效率高，省時省力，對企業機械設備的狀態監測具有明顯的現實意義。

1儀表圖像采集及讀數識別方法

本文以企業生產實際中普遍使用的指針式儀表為對象，研究自動化地讀取機械式指針儀表指示信息的方法。圖像采集上，利用擁有固定行走路線的戶外巡檢機器人，巡檢過程中機器人在指定工位利用安裝在其上部的攝像頭拍攝指針式儀表，并獲取圖像。如圖1所示。其中圖1(a)為普通壓力表，圖1(b)為不銹鋼壓力表，圖1(c)為WSS儀表，圖1(d)為耐震壓力表，儀表圖像的分辨率為1080*1080。不難看出，現場使用的機械式指針儀表圖像背景復雜，光照條件不一，客觀因素對圖像質量有較大影響，對人工讀取、抄寫儀表信息有較大影響。一般，利用圖像處理技術進行信息識別時，首先是圖像變換，即將原始圖像轉換為灰度圖像；再進行灰度值的統計分析，并據此進行灰度圖像的二值化處理；利用圖像處理算法實現指針和表盤的區域分割，再應用相關的變換算法實現關鍵要素，如指針直線和儀表指針回轉中心的識別，從而確定儀表表盤量程，最后獲取相關顯示信息的識別，即儀表讀數識別。一般情況下，當光照條件較好且沒有明顯變化時，上述圖像處理方法是適用的。但現場條件千變萬化，如機器人每次拍攝的角度，光線過亮或暗弱以及拍攝上下位置不一或抖動等，對所獲取的圖像都會產生影響。其如圖2所示，指針式儀表圖像數據主要靠安裝在戶外巡檢機器人上部的攝像頭，拍攝到的指針式儀表圖像以四芯網線傳輸給機器人的主控制盒，再通過無線傳輸方式將圖像數據傳回給中央控制計算機，即后臺計算機。運用事先設置后的運算程序，對所取的圖像逐一進行在線處理，獲取圖像主要素的特征，并實現儀表顯示信息的識別。圖2所示為儀表圖像采集系統各部件的關系連接圖，安裝在巡檢機器人的攝像頭獲取的圖像數據經過四芯網線傳輸到主控制盒，主控制盒通過RS232總線傳輸至無線數據傳輸單元，再由無線數據傳輸模塊將壓縮好的儀表圖像數據傳輸給中央控制計算機，進行實時圖像處理、分析。圖3所示為本文進行機械式指針儀表圖像處理的流程圖，包括儀表圖像輸入、縮放及圖像位置調整等初級技術處理；灰度值統計分析、平滑處理、二值化及邊緣檢測等圖像預先處理；再進行儀表盤主要素的定量分析，即指針分析及儀表量程分析，前者涉及指針的細化、直線檢測、回轉中心定位及指針定位等，后者主要是量程的定量化計算；最后進行儀表指示信息的識別。

2圖像處理及特征識別方法

經過縮放及調整后，儀表圖像處理的第一步圖像的預先處理，即灰度值的統計分析、平滑處理、二值化及邊緣檢測。圖像平滑處理的目標是去除圖像噪音，采用的方法是非線性中值濾波算法。圖4所示為預處理主要過程及相應的處理結果。圖4（a）為儀表原始圖像，圖4（b）為經過中值濾波處理后的圖像，其中儀表盤面上的噪音點明顯減少；圖4（c）為儀表圖像二值化的處理結果；圖4（d）為利用Canny算子進行邊緣檢測的結果。圖像預處理完成后，進行儀表圖像主要素的特征識別，包括表盤輪廓與儀表指針的特征參數識別。原理是利用輪廓跟蹤法對主要素的邊緣進行跟蹤，然后按照順序將主要素邊緣點找出并描繪出來，最后是統計分析。由于預處理獲得的圖像要素較多，相應的輪廓區域復雜、多樣為獲取表盤區域增加了較大的難度。本文采用如下步驟實現主要素的邊緣跟蹤。⑴以圖像左上方為輪廓跟蹤的起始點，對整個圖像區域的像素點進行逐點分析、跟蹤，以能折返起點并形成閉合區域者為有效輪廓，最后在輪廓區域內填充；⑵按照上述步驟重復尋找下一個輪廓區域，再填充，直至完成整個儀表表盤圖像的分析、跟蹤；⑶根據分析、跟蹤過程獲得的數據進行二值化處理，得到整個表盤區域。如圖5（a）、（b）所示，分布是經過上述步驟后獲得的邊緣圖像和填充后的輪廓跟蹤結果。為獲取指針式儀表主要素，即表盤和指針的特征，采用面積最大化方法，將原始圖像和處理后得到的指針圖像相疊加，再相減最終獲得了主要素表盤與指針區域的圖像，如圖5（c）、（d）所示。一般，指針式儀表中的主要素都是直線，如指針直線和構成表盤的短直線族。首先利用形態學方法對圖5（c）、（d）所示儀表圖像進行細化處理，再應用Hough變換法進行直線檢測，將圖像中的幾何形狀變換為參數集合。以上述結果為基礎，統計出刻度線所的圓心位置，即表盤回轉中心的位置Po（x，y）。應用輪廓邊緣跟蹤求出最小刻度線點Pmin（x，y）、最大刻度線點Pmax（x，y）及有效量程θ，如圖6（a）所示。最后根據指針直線位置進行刻度讀數的標記，如圖6（b）所示。設θmin為最小刻度角，θmax為最大刻度角，ωmin為儀表最小讀數值，ωmax表示最大讀數值，檢測出的指針直線夾角為θ，所指示的讀數為ωθ。則根據線性比例關系可求出儀表讀數下列公式所示。應用上述讀數識別方法分別完成了普通壓力表、WSS儀表、不銹鋼壓力表三類共計20幅機械指針式儀表圖像的處理及讀數識別實驗。相對誤差的平均值分別為2.44%、1.76%及1.65%，總體平均相對誤差為1.93%。

3總結

本文以生產實際中廣泛使用的機械指針式儀表為研究對象，為獲取儀表指示值，提出了一系列的圖像處理方法，包括圖像預處理、表盤區域分割及特征提取方法、儀表中心確定、量程識別及讀數識別的分析計算等。在大量圖像處理實驗的基礎上，進行了誤差分析及計算。其中，利用形態學原理對圖像主要素進行了細化處理，應用Hough變換法實現了對主要素，指針方位的檢測及識別；最后，通過剪影法確定了儀表中心，完成了儀表讀數識別。實驗結果表明：應用所提出的機械指針式儀表讀數識別方法具有良好的正確識別率，與儀表示值相比較，平均識別正確率達到98.07%。

參考文獻

[1]顏友福.指針式儀表自動識別與遠程管理系統研究[D].福建師范大學,2015.

[2]張鳳翔,趙輝,于汶.采用圖像測量技術實現指針式儀表示值的智能判讀[J].計量技術,1995,32(09):28-30.

[4]趙艷琴,楊耀權,田沛.基于計算機視覺技術的指針式儀表示值的自動判讀方法研究[J].電力情報,2001(03):39-42.

[6]岳國義,李寶樹,趙書濤.智能型指針式儀表識別系統的研究[J].儀器儀表學報,2003,24(04):430-431.

作者：王江 柳國棟 張玉鑫 吳松林 單位：西京學院