對基于機器視覺的智能電表識別與精確定位技術(shù)的幾點探討

姜林林

摘要：在智能電表的檢定系統(tǒng)中，需要機器人完成系列操作。具體操作中，電表位置可通過機器人數(shù)據(jù)庫獲得，但是對于要求高的操作而言，位置信息仍缺乏一定的準(zhǔn)確性，必須在現(xiàn)場獲得精確值，才能微調(diào)機器人操作，提高工作有效性。下面，本文結(jié)合相對復(fù)雜的工業(yè)環(huán)境，基于機器視覺原理，對智能電表的定位、識別技術(shù)進行研究，從而提高設(shè)備的自動化水平。

關(guān)鍵詞：機器視覺;智能電表;識別技術(shù);定位技術(shù)

近年來，隨著人工智能技術(shù)的飛速發(fā)展，人機交互的需求也越來越高，圖像識別技術(shù)再次走進人們視野。圖像識別技術(shù)是人工智能的重要領(lǐng)域，主要功能是排除圖像中的多余信息，抽出關(guān)鍵信息，從而達到機器代替人工實現(xiàn)對字符、人臉、姿勢等識別。對于復(fù)雜場景，基于機器視覺的圖像識別技術(shù)體現(xiàn)出其優(yōu)越的穩(wěn)定性、客觀性和準(zhǔn)確性。圖像識別技術(shù)與諸多技術(shù)相關(guān)，因此學(xué)習(xí)相關(guān)技術(shù)是研究圖像識別技術(shù)的基礎(chǔ)。

1機器視覺概述

1.1機器視覺的特點

機器視覺是人工智能發(fā)展的重要分支，包括圖像處理、傳感器、電光源照明、機械工程技術(shù)、光學(xué)成像等技術(shù)?，F(xiàn)階段，對于無法人工作業(yè)或人工視覺無法滿足的場合，多使用機器視覺。同時，機器視覺也用于人臉識別、自動光學(xué)檢查、跟蹤定位、紋理識別、文字識別等領(lǐng)域。分析得知，機器視覺具有這樣幾個特點：（1）系統(tǒng)可結(jié)合操作者的尺寸工件，調(diào)用相應(yīng)程序檢測尺寸，并輸出結(jié)果。（2）根據(jù)尺寸不同的零部件，排序、輸送裝置可精準(zhǔn)調(diào)節(jié)寬度，使零部件在固定路徑下運動和檢測。（3）攝像機的自動拍照速度，和被檢測物的速度一致，能拍攝到理想圖像。（4）可通過顯示的圖像，動態(tài)監(jiān)視檢測流程。也可通過顯示的數(shù)據(jù)，檢查檢測結(jié)果。（5）對于錯誤的工件，可及時發(fā)出剔除、控制信號。（6）實時檢測畫面，多次瀏覽不合格的圖像，方便查看和存儲。

1.2機器視覺的工作原理

從機器視覺的工作原理上看，借助CCD照相機將檢測目標(biāo)轉(zhuǎn)變?yōu)閳D像信號，傳送至專門的圖像處理系統(tǒng)，結(jié)合像素顏色、亮度等信息，轉(zhuǎn)變?yōu)閿?shù)字化信息。隨后，圖像處理系統(tǒng)對其進行運算，同時抽取目標(biāo)特征，比如長度、位置、面積等，參照允許值、其他條件等，輸出最終結(jié)果，包括個數(shù)、角度、尺寸等，達到自動化識別的效果。

2機器視覺識別的關(guān)鍵技術(shù)

2.1圖像獲取

一般情況下，基于機器視覺的圖像識別算法的圖像獲取主要依賴于攝像機，攝像機將采集到的圖像通過圖像采集卡傳輸?shù)接布幚聿糠?，這是進行一切圖像處理的前提。

2.2預(yù)處理

圖像預(yù)處理的目的是減少后續(xù)圖像處理的工作壓力，提前對圖像進行去噪、增強、補償?shù)忍幚?，提供清晰度較高的圖像。如今已有的圖像識別算法有上千種，但核心還是邊緣檢測、圖像分割、圖像二值化、灰度檢測等技術(shù)。在圖像預(yù)處理過程中，根據(jù)不同的圖像識別算法，在預(yù)處理階段可對不同的特征值、灰度值等參數(shù)進行相應(yīng)處理，處理結(jié)果的質(zhì)量對最終分析的結(jié)果有直接影響。其中邊緣檢測屬于低層視覺中研究的問題，是圖像增強、特征提取、圖像分割等中高層任務(wù)執(zhí)行的基礎(chǔ)。圖像分割的目的是從較復(fù)雜的圖像中將特征目標(biāo)保留下來，但如何從復(fù)雜的圖像中高效的提取出特征目標(biāo)一直是研究的熱點。圖像二值化是將整個圖像的像素點設(shè)置為0或255，使圖像呈現(xiàn)黑白效果，極大地減少圖像中數(shù)據(jù)量，突出圖像輪廓。

2.3特征值提取

特征選取以提取對圖像識別的速率和精度有較大影響。特征提取是使用計算機提取圖像信息，決定每個圖像的點是否屬于一個圖像特征。特征提取的作用就是把圖像上各個點劃分為不同的子集如孤立的點、連續(xù)曲線、連續(xù)區(qū)域等。通常圖像的特征為顏色特征、紋理特征、形狀特征、局部特征。

2.4圖像匹配

圖像匹配不是用來判別兩幅圖像是否相同，而是研究判斷兩幅圖像之間的相似程度，而圖像之間的相似性隨著算法要求的不同而改變。一般情況下我們所使用的相似性是使用圖像匹配算法來判斷兩幅不同圖像中的物體。由于圖像的復(fù)雜性以及圖像獲取時的光照、角度、環(huán)境的不同，所以圖相匹配需要選取合適的特征點來簡化圖像，增強識別準(zhǔn)確性。

3液晶屏識別和電表初步定位

3.1圖像預(yù)處理

實際工作中，攝像機所采集的電表圖像，由于拍攝角度、照明角度的不同，得到的圖像也就不同，間接增加視覺識別、定位難度。對此，需要先分析圖像特征，進行預(yù)處理，再設(shè)計圖像特征的提取技術(shù)，來分離背景和電表，最終明確電表身份，實現(xiàn)精準(zhǔn)定位的目標(biāo)。

3.2液晶屏識別

待液晶屏輪廓提取后，圖像中包含多個區(qū)域面積，比較各區(qū)域面積大小，刪除不合理的輪廓。再借助矩形擬合液晶屏，結(jié)合擬合結(jié)果定位液晶屏。首先，根據(jù)面積篩選。先提取圖像中的液晶屏輪廓，用不同的顏色描繪輪廓。為了更好的定位液晶屏，需要計算輪廓所包圍的區(qū)域面積，用數(shù)組的形式表示每個輪廓面積。由于液晶屏面積、背景輪廓面積不同，所以應(yīng)設(shè)定輪廓的面積閾值，并對其進行分割，從圖像中篩選出液晶屏面積。提前設(shè)定面積范圍，允許出現(xiàn)一定誤差。將液晶屏的上下幅度，作為面積的上下限值，去掉小于下限、大于上限的區(qū)域。其次，根據(jù)形狀篩選。液晶屏輪廓提取過程中，由于上下值的不同，可能會提取出不同的面積。為提高液晶屏輪廓精準(zhǔn)度，需要擬合提取面積。使用傾斜矩形，擬合剩余輪廓，計算矩形面積、長寬比，隨后再將長寬比不標(biāo)準(zhǔn)的輪廓、矩形面積刪除，得出初步的液晶屏輪廓。

3.3電表身份確認(rèn)

在智能電表圖像中，液晶屏特征顯著，液晶屏的識別可作為識別電表的依據(jù)。待液晶屏輪廓提取后，通過現(xiàn)有的幾何信息，計算液晶屏周圍的矩形圖、表肚矩形位置。然后，以液晶屏周圍、下方位條件，明確電表的具體位置。首先，評估外矩形環(huán)。計算液晶屏外矩形環(huán)的坐標(biāo)，通常根據(jù)液晶屏上下左右角點計算，同時結(jié)合矩形環(huán)相對最長邊，對矩形環(huán)進行定位。利用像素點的概率，判斷是否屬于矩形外環(huán)區(qū)域，以此作為液晶屏的定位依據(jù)。若最終結(jié)果比設(shè)定值小，說明誤差較小，可判斷該區(qū)域為矩形環(huán)。其次，評估表肚矩形。參照液晶屏角度，計算表肚矩形的角點。先明確液晶屏的傾斜方向，根據(jù)長寬比，找出最長邊區(qū)域，初步判斷其為表肚區(qū)域。再利用像素點概率，判斷描繪區(qū)域是否為表肚區(qū)域。若像素概率比設(shè)定值大，需要刪除該區(qū)域。若像素概率比設(shè)定值小，應(yīng)提取下方輪廓，確定電表表肚，并在圖像中描繪出來。大量實驗證實，通過圖像預(yù)處理、液晶屏識別、矩形環(huán)確定等步驟，可綜合定位電表。

4結(jié)語

綜上所述，本文通過圖像預(yù)處理、液晶屏識別、電表身份確認(rèn)、螺釘識別和定位等步驟，實現(xiàn)了智能電表的識別和定位。結(jié)果顯示，文中所使用的處理算法，能精準(zhǔn)識別圖像中的一個或多個電表，達到精密定位電表輪廓的效果。這種情況下，可為智能電表的自動化處理提供良好的環(huán)境、可靠的數(shù)據(jù)支持，從而提高系統(tǒng)的自動化水平。此外，利用圖像處理技術(shù)、機器視覺系統(tǒng)，還能快速識別、精準(zhǔn)定位電表外觀，從根本上解決復(fù)雜工業(yè)環(huán)境中的電表檢定難題，進一步提高工作效率。

參考文獻：

[1] 趙元哲.基于智能電能表的遠(yuǎn)程費控執(zhí)行流程優(yōu)化策略探究[J].科技創(chuàng)新與應(yīng)用，2017，26（10）：216.

[2] 徐錦濤，馮興樂，趙峰，等.智能電表可靠性預(yù)計技術(shù)研究[J].陜西電力，2018，46（4）：28-32.