基于視頻監(jiān)控的智能抄表技術研究

李 學

（中海油信息科技有限公司，廣東 深圳 518000）

0 引言

儀器儀表作為石油石化行業(yè)生產系統(tǒng)的終端單元，是工作人員監(jiān)測生產系統(tǒng)運行狀態(tài)的“眼睛”，數(shù)據(jù)的實時性和準確性起關鍵的作用[1]。目前在石油石化行業(yè)，一些儀器儀表并沒有提供與計算機進行數(shù)據(jù)通信的接口，儀表抄表仍然使用傳統(tǒng)的人工抄表的方法，不可避免會存在以下問題。1）實時性差：石油石化生產系統(tǒng)占地面積普遍較大，而儀表的位置大多情況下分布較遠，人工抄表是依靠工作人員前往儀表現(xiàn)場抄表，完成一次全部抄表需要很長時間，儀表數(shù)據(jù)的實時性較差。2）誤差大：人工抄表得到的結果易受多種因素影響，例如人眼的觀測距離、觀測角度、長期重復性工作所帶來的視覺疲勞、視力下降以及抄表人員的工作認真態(tài)度等，這些主觀、客觀因素會對抄表結果帶來誤差。3）效率低：人工抄表的工作效率極低，難以滿足當前大量儀表需要抄表的要求，并且人眼觀察能力有限，人工抄表的精度低。4）人力成本高：人工抄表技術含量較低，但需要占用大量時間和精力，如遇須實時監(jiān)控儀表數(shù)據(jù)的情況時，則需要工作人員在生產現(xiàn)場值守，人力成本高。5）人員安全風險：在石油石化行業(yè)，儀器儀表大多部署在防爆區(qū)域，易產生有毒有害氣體，對工作人員的身體健康及生命安全造成危害。

因此，需要尋找一種高效準確的抄表方法，來解決上述問題。近些年，隨著模式識別、人工智能、圖像處理理論的飛速發(fā)展，計算機視覺的應用研究進展迅速，目前已成了一個相當活躍的研究領域，并且具有廣泛的應用前景。同時，網(wǎng)絡視頻監(jiān)控在石油石化行業(yè)生產單位中已成為重要的基礎設施，幾乎每個生產系統(tǒng)中都已建設了視頻監(jiān)控系統(tǒng)，將計算機視覺技術結合視頻監(jiān)控系統(tǒng)，應用于儀表自動抄表是一種十分有效的方法，同時可以為企業(yè)節(jié)約人力成本。

1 需求分析

針對石油石化行業(yè)某終端處理廠對主裝置區(qū)、脫碳區(qū)日常巡檢要求，提高巡檢效率、降低人員巡檢難度，設計建設一套智能抄表系統(tǒng)，通過對需求的分析歸納，總結了以下7點需求：1）對終端處理廠內的指針式儀表和數(shù)顯Led儀表，系統(tǒng)能夠自動讀識儀表數(shù)據(jù)。2）單臺攝像機能夠識別多個儀表數(shù)據(jù)。3）針對存在部分遮擋和非線性畸變的儀表，須有較高的準確率。4）在系統(tǒng)監(jiān)控界面可以預覽全部儀表的實時數(shù)據(jù)和告警提示，對任意儀表，可以使用鼠標點擊查看詳細信息，包括當前數(shù)據(jù)值、報警閾值的上限和下限值。5）系統(tǒng)能夠查看儀表的報警記錄，包括時間、儀表名稱、報警信息、儀表照片、處理記錄和操作員。6）系統(tǒng)定時采集儀表數(shù)據(jù)并整理歸納，能夠按照人工巡檢抄表的報表模板自動生成巡檢記錄。7）系統(tǒng)能夠查看任意儀表的歷史數(shù)據(jù)，能夠按照歷史數(shù)據(jù)查詢的起始和結束時間自動形成曲線圖，便于工作人員分析處置。

2 實現(xiàn)原理

儀表讀數(shù)自動識別過程中最重要的環(huán)節(jié)為儀表讀數(shù)自動判別，為實現(xiàn)自動化抄表的目標，現(xiàn)在大多通過計算機視覺的方式實現(xiàn)儀表讀數(shù)的自動判別。計算機視覺是一種非接觸式的感知方式，通過光學成像器件獲取觀察對象的圖像，并對真實環(huán)境的圖像進行解釋，從而得到信息結果。研究計算機視覺技術的目的是通過機器去觀測與分析圖像，期望達到模擬人眼識別的效果，同時利用機器不會產生類似于人的疲勞問題，達到高效巡檢的目的。該文主要通過攝像機拍攝儀表的實時圖像，通過光纜將圖像發(fā)送至智能抄表系統(tǒng)，智能抄表系統(tǒng)對圖像進行預處理，通過相關組合算法對圖像特征進行提取和識別，獲得當前儀表的讀數(shù)，將讀數(shù)值顯示在智能抄表系統(tǒng)中，并進行自動保存如圖1 所示[2]。

圖1 實現(xiàn)原理介紹

3 系統(tǒng)設計

3.1 系統(tǒng)設計

3.1.1 讀數(shù)過程設計

系統(tǒng)讀數(shù)過程設計（圖2）：1）圖像采集。通過視頻監(jiān)控系統(tǒng)的攝像機拍攝儀表的表盤圖像；2）圖像預處理。將采集的圖像進行儀表圖像傾斜校正、圖像去噪、圖像的形體學處理和圖像二值化處理，得到較清晰的表盤。3）圖像特征提取。對預處理后的圖像進行特征分析、定位分割和數(shù)字特征提取。圖像特征分為儀表盤特征和數(shù)據(jù)特征，儀表盤特征提取訓練用以識別并定位儀表，數(shù)據(jù)特征則用于智能識別儀表刻度數(shù)據(jù)。4）讀數(shù)識別。系統(tǒng)儀表分模擬儀表和數(shù)字儀表2種，其讀數(shù)識別方法和技術也不相同。模擬儀表：將指針儀表的指針角度轉換為數(shù)值； 數(shù)字儀表：將數(shù)顯LED儀表的數(shù)字圖像做圖片文字識別（OCR 識別），并轉換為數(shù)值。5）讀數(shù)錄入。進行系統(tǒng)字體識別，并將識別的儀表數(shù)據(jù)按指定格式和精度存入數(shù)據(jù)庫系統(tǒng)。6）數(shù)據(jù)展示。在系統(tǒng)中能夠查詢、顯示讀取的儀表數(shù)據(jù)，支持歷史數(shù)據(jù)查詢、報表統(tǒng)計和圖表展示。

圖2 系統(tǒng)讀數(shù)過程設計

3.1.2 系統(tǒng)硬件設計

3.1.2.1 系統(tǒng)硬件架構

系統(tǒng)主要由前端采集子系統(tǒng)、網(wǎng)絡傳輸子系統(tǒng)和后端識別子系統(tǒng)組成，如圖3所示。

圖3 系統(tǒng)硬件架構圖

3.1.2.2 前端采集子系統(tǒng)

（1）從系統(tǒng)綜合能效比來看，相比于加裝中間換熱器的地下水源熱泵系統(tǒng)，地埋管地源熱泵系統(tǒng)具有較大的優(yōu)勢，空氣源熱泵系統(tǒng)次之，由此可知，加裝中間換熱器的地下水源熱泵系統(tǒng)作為該項目的冷熱源方案是最不節(jié)能的。

前端采集子系統(tǒng)主要是在終端處理廠主裝置區(qū)、脫碳區(qū)的生產系統(tǒng)儀表安裝部署的視頻監(jiān)控系統(tǒng)，抄表系統(tǒng)利用通信接口協(xié)議控制攝像機對準儀表，拍攝儀表表盤照片，實現(xiàn)對儀表數(shù)據(jù)的采集。

3.1.2.3 網(wǎng)絡傳輸子系統(tǒng)

終端處理廠預埋光纖，通過網(wǎng)絡把攝像機拍攝到的儀表實時視頻傳至中控室，后端識別子系統(tǒng)部署在中控室機房，使中控室能實時了解現(xiàn)場情況，并對視頻圖像進行處理、分析和識別。

3.1.2.4 后端識別子系統(tǒng)

后端識別子系統(tǒng)為整個儀表識別系統(tǒng)的核心，包括智能分析服務器、中心管理服務器、監(jiān)控工作站和大屏顯示系統(tǒng)。智能分析服務器可以對儀表照片進行預處理、分析、識別和讀取儀表的數(shù)據(jù)，并存儲入數(shù)據(jù)庫系統(tǒng)；同時，智能分析服務器還支持訓練樣本更新，再訓練再學習，支持模型自動更新。

3.1.3 系統(tǒng)軟件設計

3.1.3.1 總體框架

系統(tǒng)總體軟件框架設計，如圖4所示。1）應用層。應用層采用模塊化設計，按照使用習慣定義，包括儀表巡檢界面一張圖、報表自動生產、歷史數(shù)據(jù)變化趨勢、系統(tǒng)管理和報警管理。2）存儲層。對圖像智能識別結果進行關系型數(shù)據(jù)、非結構化數(shù)據(jù)存儲，通過分庫分表技術，大幅度提升了系統(tǒng)的吞吐量及系統(tǒng)穩(wěn)定性，對高頻繁訪問數(shù)據(jù)進行Redis緩存，提升系統(tǒng)訪問數(shù)據(jù)速度。3）傳輸層：系統(tǒng)各層間通信和數(shù)據(jù)傳輸基于消息隊列遙測傳輸協(xié)議（MQTT），采用分布式消息隊列Kafka和AMQ方式進行。分布式消息隊列以生產者/消費者模式運作，生產者往指定的消息隊列插入消息，消費者實時監(jiān)聽隊列消息。4）感知層。在感知層可以接入視頻并且通過視頻智能分析提取視頻有用信息。

圖4 軟件框架圖

3.1.3.2 軟件功能設計

3.1.3.2.1 儀表巡檢

某陸地終端處理廠所涉及的50個儀表，按照儀表真實的位置布局還原，最大程度上還原工作人員的巡查習慣。

3.1.3.2.2 報表管理

某陸地終端處理廠所涉及的50個儀表，按照儀表巡檢表模板定制報表管理功能，系統(tǒng)可按照現(xiàn)有巡檢模板自動生成巡檢報告單。

3.1.3.2.3 歷史數(shù)據(jù)

生產系統(tǒng)運行過程中，儀表記錄的大量數(shù)據(jù)存儲到中系統(tǒng)，巡檢人員自定義起始/結束時間，根據(jù)儀表數(shù)據(jù)的變化趨勢識別有用信息并做出相應的正確預測。

3.1.3.2.4 報警記錄

當采集的儀表數(shù)據(jù)超過設置的上限或下限值時，系統(tǒng)自動識別為報警記錄，并在右上角發(fā)出報警提示，用戶可單擊查看報警詳細信息和記錄照片，并做人工確認。

3.1.3.2.5 系統(tǒng)管理

系統(tǒng)管理包括儀表配置、攝像機預置位配置、設備信息配置、數(shù)據(jù)模型管理以及用戶及權限配置等。

3.2 關鍵技術研究

3.2.1 儀表存在陰影或局部遮擋的情況

針對光照陰影的情況，通過光照平衡算法對采集圖像進行處理；針對存在立桿局部遮擋儀表表盤的情況，擴大儀表的數(shù)據(jù)集并通過圖像還原算法優(yōu)化采集儀表圖像，以提高儀表識別率和準確度。系統(tǒng)在安裝攝像頭階段已經(jīng)考慮過遮擋情況，不存在完全遮擋儀表或儀表指針的情況，因此指針刻度完全可通過圖像還原算法計算得出。

3.2.2 非線性畸變校準

對攝像機部署安裝角度無法垂直于儀表表盤的情況，擴大儀表的數(shù)據(jù)集并通過非線性畸變校準算法對儀表圖像進行三維對齊，以提高儀表識別率和準確度。實現(xiàn)非線性畸變，須預先對標準角度的儀表盤進行建模，然后將非垂直角度的儀表圖片映射到標準模型，以此得到垂直角度的儀表圖片。圖像在三維對齊過程中，儀表盤和儀表指針做的非線性畸變是完全相同的，所以對齊后的指針刻度高度可信。

3.2.3 一機多表

一機多表是指針對1臺攝像機需要識別多個儀表，通過圖像建模建立儀表盤模型，識別圖中多個儀表，進而讀取每個儀表刻度數(shù)據(jù)。一機多表同樣存在儀表表盤與攝像頭角度不垂直的情況，一機多表在讀取儀表數(shù)據(jù)時同樣需要進行三維對齊處理。另外系統(tǒng)維護人員會將攝像頭位置和儀表位置錄入系統(tǒng)，用以驗證一機多表情況下讀取的儀表數(shù)據(jù)個數(shù)是否匹配。

3.2.4 模型自動更新

系統(tǒng)在設計階段設計并訓練了大量數(shù)據(jù)模型用于模式識別，這些初始模型采用的訓練樣本都是預先采集的，樣本數(shù)量有限且多為常規(guī)樣本，初始模型的識別能力有限，特別是針對非常規(guī)圖像的情況，例如遮擋位置或者偏斜角度未在訓練樣本中出現(xiàn)過。系統(tǒng)在運行過程中運維人員也會對識別結果適當進行人工干預，對識別數(shù)據(jù)進行校正。這些校正后的樣本會再次進入樣本庫，數(shù)據(jù)模型會對新產生的結果和人工修正后的樣本進行再訓練再學習，自動更新和升級模型。因此，系統(tǒng)運行越久，訓練樣本越多，識別能力越強。

3.3 測試記錄

基于上述外部條件和訓練模型，在肉眼可辨的條件下進行測試，測試100次，次數(shù)記錄見下表1，人工抄表及智能抄表對比見下表2。

表1 測試情況記錄表

表2 人工抄表與智能抄表的對比

準確率為系統(tǒng)讀數(shù)識別精度控制在±5%以內（±a%=（ΔXm/Xm）×100%），其中，ΔXm為最大絕對誤差，Xm為儀表的基本量程。

4 結論

在石油石化行業(yè)中，基于現(xiàn)有視頻監(jiān)控系統(tǒng)的智能抄表技術研究，該文有效地結合生產系統(tǒng)中視頻監(jiān)控系統(tǒng)和智能圖像識別技術，將圖像識別智能抄表技術首次應用在石油石化行業(yè)，并且實現(xiàn)了一機多表、非線性畸變和部分遮擋等復雜情況下儀表數(shù)據(jù)的準確識別。顯著提升了儀表數(shù)據(jù)的及時性，降低了現(xiàn)場巡檢的工作難度和安全風險，改善了巡檢人員的工作環(huán)境，實現(xiàn)人工抄表向智能抄表的跨越。

此外，在研究過程中，發(fā)現(xiàn)攝像機被環(huán)境、光線因素影響較大，存在無法自動對焦導致畫面模糊而無法識別儀表數(shù)據(jù)的情況，后續(xù)在推廣應用時，可針對畫面模糊的儀表采用AI智能數(shù)據(jù)分析算法，有效推算出當前儀表數(shù)值。