图像采集识别技术在计量器具检验领域的应用

赵宇东，刘振波，薛激光，周思成，王佳晗，刘 涛

（辽宁省计量中心，沈阳 110000)

图像采集识别技术在计量器具检验领域的应用

赵宇东，刘振波，薛激光，周思成，王佳晗，刘 涛

（辽宁省计量中心，沈阳 110000)

本文建立了一套电能计量器具检验过程监测系统，该系统能够对试验全过程中试验条件和试验现象拍摄照片并保存原始数据，采取数字图像识别技术读取实验条件数据，通过监测实验条件完成监测实验过程的目的，以保证数据真实可靠、准确无误、有据可依。

图像识别技术；计量器具检验；检验监测系统

1 引言

随着现代化网络智能化技术的普及，电能计量器具的质量、性能、计量准确性受到社会各界广泛关注，因此需要权威的检验机构对电能计量器具进行更加全面准确的检验，以保证其准确性、严谨性[1]。现阶段电能表等计量器具全性能试验种类繁多、样品数量大、试验过程复杂，试验过程中可能存在试样样品与所要检验样品不一致、试验条件设置错误等问题。同时试验原始数据采用人工记录方式，可能会出现错记、漏记问题，导致后期无法对试验过程进行追溯和还原。

通过对智能电能表全性能试验过程的分析，本文提出了一种从试验过程拍摄的影像入手，采取图像识别技术直接判断试验样品准确与否的方法。基本思路是，对全性能试验过程中试验样品、试验条件和试验现象进行拍照，并将这些图像上传至数据库，为之后溯源和复现试验过程提供依据。通过预处理、读数区域定位、字符分割、特征提取、字符识别等步骤获取图像中试验样品编号、试验条件数据，并与数据库中的标准数据进行比对。如有偏差系统会自动产生报警告知试验人员，若报警并未及时处理则会在试验报告中标记该项式样为不合格。系统功能设计如图1所示。

图1 系统功能设计图

2 建立系统的必要性

根据国家电网公司规定全性能试验项目按照Q/GDW 1364-2013《单相智能电能表技术规范》、Q/GDW 1863-2013《三相智能电能表技术规范》要求，分别共包括63、68项试验项目。根据规范要求的试验条件和试验数据类型大体可分为三种试验种类：

（1）数据型（A型）：试验过程通过数据采集、计算等方式得出最终结论，试验结果和原始数据为数据或文字性描述。

（2）试验后数据型（B型）：试验过程中改变环境等条件，试验结束后进行数据性试验。

（3）现象判定型（C型）：试验过程中改变环境等条件，在试验过程中需观察现象得出结论，无数据。为保证所有试验项目数据准确可靠，应留存有法律效力的原始记录。

A型试验试验条件是由检验装置自动监控，原始数据是由检验装置自动生成并保存，不受人为因素干扰。B型和C型试验过程中试验条件需要人为检测和控制，并且需要试验人员观察并手工记录试验现象作为原始数据，这一过程不可避免的会受到试验人员的主观意识影响。计量检验的目的就是为了最终得到可靠的数据，为相关的工作提供管理规范，并且要保证数据的科学性以及公正性，是一项综合性、科学性以及严谨性的工作。原始记录是计量检验过程以及检验结果信息的真实记录，同时也是计量器具测量值的反映，能够为检定结果提供客观依据原始记录是检验过程与结果的凭证，原始记录的质量对编制证书或报告的质量有直接的影响[2]。因此，需要采取必要的措施以保证原始记录的准确性、可靠性。

3 系统工作原理及主要器件

3.1 工作原理

本系统由前段图像采集预处理部分、后端的图像算法处理部分和报警显示部分，如图2所示。图像采集预处理部分主要由OV 9650 CMOS摄像头和FPGA逻辑控制部分组成。摄像头主要是完成图像的采集，FPGA负责产生系统所需的逻辑控制信号和各芯片的时钟信号，并对图像进行预处理[3]。图像算法处理部分，则主要是负责将FPGA预处理后的图像读数区域定位、倾斜校正、字符分割、特征提取、字符识别等图像处理运算。报警显示部分由FPGA控制VGA接口的显示器，显示由试验条件偏差而产生的报警。

图2 系统总体框图

图3 系统软件实现流程

图像的算法处理部分是整个系统的核心部分。首先获取图像数据，对图像进行灰度化、降噪、二值化等预处理工作，再采用Canny算子边缘检测图像进行精确定位，采用Canny算子边缘检测和Hough变换相结合的方式实现图像的倾斜校正。最后采用常见的模板匹配算法识别出图像中数字。其软件实现的流程图如图3所示。

3.2 主要器件

系统采用的FPGA是某公司的Cyclone II系列EP2C35芯片。该芯片是一款基于90nm工艺制造、低成本、适合复杂逻辑、带存储缓冲功能的FPGA芯片。图像处理器则选用的是TI公司近年推出的高性能定点DSPTMS320 C6416芯片，其时钟频率可达1GHz，运算能力达8000 MIPS，采用先进的甚长指令结构(VLIW)，内部有6个ALU（32/40 bit），每个时钟周期可以执行8条指令。

DSP通过EMIFB接口的片选信号线、时钟信号线、数据线、地址线及其他信号线与FPGA的IO口连接。该电路的主要功能是实现FPGA内存储器直接映射到DSP的地址空间，以实现DSP与FPGA之间的数据交换。DSP通过EDMA中断信号，实现DSP从FPGA里读取数据或将处理完的数据发送给FPGA，最终灵活的实现FPGA与DSP之间的控制通信。

4 系统主要算法设计

4.1 图像预处理

4.1.1 图像灰度化

灰度变换的方法包括以下三种：平均灰度法、最大值灰度法、加权灰度法。加权灰度法对图像中（x,y）点三种颜色分量附以不同加权值，取加权后的值作为变换后该点的灰度值，其计算方法如下：

式中，α，β，γ分别表示R（x,y），G（x,y），B（x,y）三种颜色分量的权系数，且 。经过长期的实验观察发现，人眼对不同颜色的敏感度不同，最好的权系数取值为：α=0.299，β=0.587，γ=0.114。

平均灰度发处理的图像偏暗，最大值灰度法处理的图像偏亮，加权灰度法处理的图像比较符合人的视觉感受，所以本文使用加权灰度法处理图像。

4.1.2 图像降噪

本文采用中值滤波方法对图像进行降噪处理。中值滤波法是把每个像素值设置为该点某领域（x,y）窗口内所有像素点灰度值的中值，若该窗口内的像素点数为奇数，则将中间值作为（x,y）处的灰度值。若窗口内像素点数为偶数，则将两个中间值的平均值作为（x,y）处的灰度值。假设有一组数字序列x1，x2，x3，…xn，把序列中各数值的大小按顺序排列如下：

y称为数字序列x1，x2，x3，…xn的中值。

4.1.3 图像二值化

图像二值化也叫图像分割，通过设定阀值对灰度图像进行处理，二值化处理后的图像对比更为鲜明，可以有效将重要信息从背景中提取出来。本文使用较为简单的全局阀值二值化方法，设二值化前的图像为f（x），二值化后的图像为g（x），设定阀值为threshold，二值化变换公式为

4.2 区域图像定位与倾斜校正

4.2.1 Canny边缘检测算子

Canny算子是边缘检测算子中最常用的一种，也是公认的检测效果比较好的一种算子，它通常被其他算子引用作为标准算子的对比分析[4]。首先分别求取去噪声后图像在x方向和y方向的梯度Mx和My。

根据Canny算子的性能评价规则，边缘只允许有一个像素的宽度将那些取得最大梯度值的像元保留下来，其他的像元全部除。梯度最大值通常出现在边缘的中心，随着沿梯度方向距离的增加，梯度值将随之减少。由于噪声的影响本来连续的边缘却出现了断裂的现象。滞后阀值化设定两个阂值：一个为高阀值Thigh，一个为低阀值Tlow。如果像素的检测值超过高阀值的Thigh，那么将这些像素点标记为边缘，并且将剩下的超过低阀值的像素值视为噪声，不再标记为边缘。

4.2.2 倾斜校正

本文采用Hough变换对图像进行倾斜校正，Hough变换具有原理简单、鲁棒性好，能够并行实现等优点，该方法是对二值化图像进行角度检测的最有效方法[5]。其基本原理是改变图像的坐标，将图像空间坐标(x, y)的任意一点都映射到参数空间，从而使变换后的坐标方便检测。图像空间的一条直线1可由下面的参数方程表示：

式中，ρ为坐标原点0到直线1的距离；θ为坐标原点直线1的垂涎与x轴正方向的夹角。

对（x, y）平面中的直线y=ax+b，取直线上任意两个点(x1,y1),(x2,y2)，显然满足直线方程。通过解方程组求得a，b的值，显然这点在平面上对应的直线也经过点（a，b）。由Hough变换可知，（u，v）平面坐标系下的一点（a，b）在（x, y）平面坐标系下所对应直线y=ax+b的斜率为a。斜率相同的直线是平行的，而这些平行线的倾斜角正是我们要找的燃气表读数区域倾斜的角度。

角度找到以后，我们以图像的中心作为原点旋转，根据公式可以找出旋转后图像坐标为（i, j）点的灰度值为原图中坐标为点（x, y）的灰度值。

4.3 Gabor小波的特征提取。

Gabor小波是一种对不同尺度进行分析的数学工具，在图像处理等相关领域展现了非凡的能力[6]。在图像处理过程中，通过对二维高斯函数进行调制得到高斯基本函数：

相应的傅里叶变换为

对g（x, y）进行如下的伸缩和旋转

式中，W=Uh且m=0,1, ... ,s-1。为了降低绝对强度值对滤波器的影响，使Gabor滤波器的实数部分被偏移以保证平均值为零。用9mn(x)力对图像I(x, y)进行滤波的结果为

4.4 字符识别

本文采取模板匹配法中常见的特征提取算法，即基于字符像素分布的特征提取方法[7]。该方法根据图像中黑色像素的分布情况进行特征提取，用的模板将字符分割成N×N份。统计分割出来的每一份内字符像素（即黑像素）的个数，除以每份的面积（即该份中总的像素个数），得到的像素个数的比值作为特征初值。将大于某个阀值的特征初值设定为1，小于该阀值的特征初值设定为0，得到最终的特征向量，该特征向量中有N×N个元素。在判别决策时常采用最小距离判别法。设有M个类别：ω1，ω2，ω3，…ωM，每个类由若干向量表示，对ωi类，有特征向量Xi=[xi1，xi2，…，xin]，对于任意待识别数字X，其特征向量X=[x1，x2，…，xn]，Xi与X之间距离d(Xi, X)可表示为公式：

5 结束语

本文从硬件和软件两方面介绍了一套电能计量器具检验过程监测系统，为过程监测和原始数据记录提供了完整的软硬件平台。该系统建立在保障实验室正常检验业务运行可靠和稳定的前提下，保证了试验过程中数据的完整和安全，提高了试验数据及试验报告的准确性。目前该管理系统己经在实验室应用中显现出一定成效，在实验室的标准化管理工作上具有一定示范意义，为该类实验室的规范化管理和高效性运作提供借鉴。■

[1] 李佳，周尚礼，伍少成．电能计量器具质量监督管理平台的开发与应用[J]．广东电力，2011,24(3):65-66

[2] 王慧芳．检测实验室计量器具量值溯源管理[J]．现代测量与实验室管理，2011(06):38-39

[3] 张尚坤，宋树祥．基于DSP和FPGA的竹片图像采集与处理系统设计[J]．实验室研究与探索，2016,35(1):106-110

[4] 赵岩，周百灵，陈贺新．一种改进的基于Canny算子边缘检测算法[J]．吉林大学学报(理学版)，2012,50(4):740-744

[5] 曾文静，张铁栋等．基于Hough变换的水下管道检测方法[J]．仪器仪表学报，2012,33(1):76-84

[6] PANG Y,YUAN Y,LI X. Gabor-based region covariance matri ces for face recognition [J].IEEE Transactions on Circuits and Systems for Video Technology, 2008,18(7):898-993.

[7] 李新良．基于模板匹配法的字符识别算法研究[J]．计算技术与自动化，2012,31(2):90-93

App lication of Image Acquisition and Recognition Technology in Measurement of Measuring Instruments

Zhao Yudong, Liu Zhenbo, Xue Jiguang, Zhou Sicheng, Wang Jiahan, Liu Tao
(Measuring Center of Liaoning Province, Shenyang, 110000)

This paper established a monitoring system of energy measurement equipment inspection process. The system can test the whole process of test conditions and test the phenomenon of taking pictures and save the original data. Take the digital image recognition technology to read the experimental condition data. Through the monitoring of experimental conditions to complete the purpose of monitoring the experimental process to ensure that the data is true and reliable, accurate and well documented.

Image recognition technology; Measurement of measuring instruments; Monitoring System for measurement

10.3969/J.ISSN.1672-7274.2017.04.005

TM93，TB971

A

1672-7274（2017）04-0016-05