一种基于SVM分类器的电力柜方形指针仪表读数识别方法

唐凌翔 李雨东 周政 李荣和

摘  要：指针表盘定位和指针读数识别是变电站巡检的重要一环，指针表盘在拍摄时具有光照影响严重、指针重影干扰等问题，该文对指针表盘定位和指针读数识别进行研究。为了减小误差，该文提出在SVM环节前增加HOG提取、在霍夫变换前增加边缘检测和角点检测方案，实验验证在数据量少的情况下，使用SVM支持向量机方法可以有效识别指针读数，避免了深度学习的过拟合问题，实验结果验证了方案的有效性。

关键词：指针仪表读数;SVM;霍夫变换

中图分类号：TP391;TP18        文献标识码：A文章编号：2096-4706（2021）24-0045-03

Abstract： Pointer dial positioning and pointer reading identification are an important link of substation inspection. The pointer dial has serious lighting effects and pointer ghosting interference problems when shooting. This paper studies the pointer dial positioning and pointer reading identification. In order to reduce the error， this paper proposes to add HOG extraction before the SVM link， and add edge detection and corner detection before the Hough Transform. Experiments show that in the case of a small amount of data， using the SVM Support Vector Machine method can effectively identify pointers reading and avoid the over-fitting problem of deep learning， and the experimental results verify the effectiveness of the scheme.

Keywords： pointer instrument reading; SVM; Hough Transform

0  引  言

实现高精度的仪器测量是实现工业控制的重要一环[1]。传统的测量仪器主要分为两大类，即能把测量信号转换显示在LCD或者OLED等设备的仪器称为数字式仪器;通过使用指针刻度的仪器，称为指针式仪表。在传统变电站工业环境中，由于室内电磁干扰较强，因此大多数仍然使用传统的指针式仪器，但是在传统变电站室内存在窄域观测以及空间分布不均匀问题，使用人工抄表的方式将会带来很多误差与隐患，如读数出错、遗漏等问题[2]。

目前，通过智能化指针读数识别的技术尚未成熟，存在许多问题：一是无人化设备巡检时识别率不高的问题，二是由于光照、空间分布等问题，造成识别仪表指针位置困难以及结果精度不高[3]，目前由于无人化设备普遍价格较贵，使用RCNN等方法对无人化设备的系统要求较高，导致成本较高[4]。对于部分ARM架构的设备，如jetson nano等，算法库不兼容，移植性差。……