多用表全自动检定装置的研制和应用

顾 杲 卲彭飞 鲁 瑛

(国网绍兴供电公司客户服务中心，绍兴 312000)



多用表全自动检定装置的研制和应用

顾 杲 卲彭飞 鲁 瑛

(国网绍兴供电公司客户服务中心，绍兴 312000)

传统多用表检定工作由人工完成接线，逐点、逐档控制标准电源电流、电压输出来进行不同档位的测量，并人工读取多用表显示值，输入计算机的电子表格进行误差计算，生成检定证书，完成整个检定过程。针对这种人工检定模式存在的工作效率低、测量数据易人为干预和安全隐患等状态，本文研究和设计了一种基于图像识别和档位智能切换技术的多用表全自动检定装置，并在实际计量检定工作中进行应用，极大的提高了检定工作效率和计量工作的标准化、智能化程度。

图像处理；图像识别；智能切换；检定

0 引言

多用表是我们电力系统常用的仪表之一，应用面非常广泛，它的测量精度准确与否，轻则关系检修施工的质量，重则关系到设备、人身安全。因此，必须加强多用表的日常维护、维修和定期检定工作，保证其在合格、可控的范围之内。

传统的多用表检定工作是由检定人员完成接线后，控制标准电源逐点、逐档升流、升压至测量点，人工随各点、各档读取多用表显示值，输入计算机的电子表格，进行计算各点、各档测量误差，最后完成检定证书。但由于多用表测量功能全、档位多，依据JJG 124—2005《电流表、电压表、功率表及电阻表检定规程》的要求，受人工作业影响，检定工作效率低，数据人为干预易引发检定质量问题。同时检定过程需要经常接、拆线，以及调整各档位量程，存在安全隐患，比如对高电压、大电流等量程检定时，可能会因接线错误造成表计损坏，严重的将对检定人员人身安全构成威胁。

近年来随着电网的发展，检修施工工作的需要，多用表检定量也在逐年增加，但其检定工作一直采用传统的人工作业模式，难以满足各送检单位即检即用的要求，制约着检定工作的效益。因此，通过多用表全自动检定装置的研制和应用，极大地提高多用表检定工作效率，为计量工作集约化、标准化提供条件。

1 检定装置构成

1.1 框架概述

多用表全自动检定装置(以下简称检定装置)通过生产计划和选定的检定方案，借助智能切换装置在不变更接线的情况下自动切换不同的电压、电流测量量程，采用图像采集装置自动获取和识别多用表显示数值供检定系统进行误差技术，实现多用表全自动检定过程。

检定装置由多用表检定机构、多用表全自动检定系统平台(简称检定平台)和图像采集装置组成，如图1所示。其中检定系统平台由参数设置、智能切换、表计检定、数据管理、系统维护五部分组成。检定机构由提供标准信号源的高精度的检定设备和智能接线切换控制器组成。

图1 检定装置结构图

检定平台根据被检仪表要求启动设定的检定方案，控制检定装置按不同量程、不同检定点输出相应的电流、电压和电阻值，给待检定的多用表进行测量，图像采集装置通过摄像头获取多用表测量的数值图像，经USB口传送至检定平台，检定平台对其进行分析处理获得测量结果，再进行误差计算，自动形成检定报告。

1.2 检定系统软件设计

检定系统软件模块由信息管理模块、设备检定模块、设备管理模块和系统维护模块4个主要部分构成，对检定方案、检定过程监控、设备信息、数据处理、基础管理和检定记录报告管理等项目进行综合管理，如图2所示。

图2 软件结构图

软件采用Microsoft Windows XP Professional SP3操作平台、程序语言C#、数据库管理系统SQL Server和运行环境Windows All。

1.3 业务流程

多用表检定系统将计量管理中心(现有的检定信息管理系统)读取的待检表基本信息传输给工控机信息管理模块，生成工作计划；工作人员根据人员安排和仪表类别将任务分派给相关工作组；工作组接到任务后开展检定任务工作，检定系统平台下载任务数据，自动完成检定项目，输出打印结果，并将结果、数据汇总、审核传输给管理中心备案和最后作出检定结论，完成仪表的检定。整个业务检定过程无需检定人员进行人工接线、人工切换量程档位、误差计算和结论判断，业务流程图如图3所示。

图3 业务流程图

2 主要功能

2.1 检定管理

检定装置通过多用表检定系统，生成计划管理，创建检定方案，确定其检定项目、检定点、量程范围等，并根据检定方案进行检定，完成标准量的自动录入，自动进行误差计算和修约，自身通过判断，自动存档生成检定报告，并可按照不同的条件进行表计的查询。

2.2 自动切换测量量程档位

通过智能转换器可以选择针对不同测量对象量程等，在不换接线的情况下，自动切换多用表开关，测量交(直)流电压、交(直)电流和电阻等。

2.3 图像获取与识别

通过图像采集装置的摄像头SDK进行实时视频采集与显示，抓拍计量设备显示数字的图像，对图像进行滤波、二值化和规格化等图像处理后提取数字特征，通过模板匹配、神经网络等模式识别算法，与先前数字样本特征库进行比对，完成图像数字和符号识别，并在系统中自动录入该点的数据，代替人工通电检查多用表记录测量数据的单调重复过程。

3 关键技术实现

3.1 数字图像处理

按检定系统设置的检定方案，PC机自动调节标准信号源输出值，连续步进，自动定位上升误差、下降变差等参数，通过图像识别仪，读出被检多用表液晶显示屏上数值，并在系统中自动录入该点的数据。本检定系统采用基于BP神经网络的图像自动识别技术代替人工操作，自动完成数字和符号识别。

3.1.1 BP神经网络结构及识别算法

BP神经网络是一种典型的多层神经网络，其网络的基本结构如图4所示[1]，它包含输入层、隐藏层及输出层，隐层可以为一层或多层，每层上的神经元称为节点或单元，它们由可修正的权值互连[2]。其基本思想是：根据训练样本和期望输出来设置合适的权值，不断的调整网络连接的权值，使误差达到实际的要求。

图4 BP网络结构

三层结构中：

输入向量为X=(x1,x2,Lxi,L,xn)T；隐层输出向量为y=(y1,y2,Lyj,L,ym)T；输出层输出向量为O=(o1,o2,Lok,L,ol)T；期望输出向量为d=(d1,d2,Ldk,L,dl)T；输入层到输出层的权值为V=(V1,V2,LVJ,L,VM)；隐藏层到输出层的权值矩阵为W=(W1,W2,LWk,L,Wl)。各层之间的信号关系如下：

对输出层有：

ok=f(netk)k=1,2,L,l

对隐藏层有：

yj=f(netj)j=1,2,L,m

3.1.2 算法过程

1)初始化。对权值矩阵W、V赋随机数，将样本模式计数器p和训练次数计数器q置为1，误差E置0，学习率η设为0～1内的小数，网络训练后达到的精度Emin设为一个正的小数ε。

2)输入训练样本对，计算各层输出，用当前样本对X，d序列赋值。

ok=f(netk) k=1,2,L,l

yj=f(netj)j=1,2,L,m

3)计算网络输出误差。

4)设共有N对训练样本，网络对于不同的样本具有不同的误差采用均方根误差作为总误差。

5)计算各层误差信号。

6)调整各层权值。

7)检查是否对所有样本完成一次轮训。若p

8)检查网络总误差是否达到精度要求。

3.2 液晶显示的数字读取

3.2.1 数字图像获取

一般的图像识别，图像往往处于静止状态，但多用表测量的数据在动态改变，工业相机在拍照过程中有可能拍到的数字图像不全。采用同步技术、采用高两个等级的标准源、误差逻辑判别方法，解决了可能出现的图像不全问题。

工业摄像头获得的图像区域较大，多用表显示屏的灰度值较高且构成矩形区域，利用这个特点，将图像区域定位到多用表数字显示屏区域，同时根据多用表显示，建立定位符(可识别彩色点的标记，在送检多用表上贴有色标记或其他有意义的颜色纹理)，解决了液晶屏显示数值图像的定位问题[3]。

多用表液晶显示屏上除了显示数字外，还有其他的符号(如V、-、Ω等)，这些符号相对显示数字来说很小。由于待检仪表信息已提前录入管理系统，多用表当前的输出单位和类型系统已默认，因此，图像预处理过程可把它们剔除掉，识别率提高[4]。

3.2.2 数字图像的特征参数提取

为解决不同多用表显示的数字0～9大小不同，且有动态改变现象问题，本检定系统进行了归一化处理：对每个数字，归一化为16×8个像素后平均分成8份(图5a)，统计每一份中黑色像素的百分比得到8个特征参数；统计水平方向中间两行和竖直方向中间两列(图5b方框中的实线)的黑色象素点的百分比得到4个特征参数；最后统计所有黑色象素点的百分比作为第13个特征参数，构成数字样本特征库，作为神经网络的输入训练样本[5]。

图5 数字处理图

3.3 算法实际应用

先用上述方法离线训练神经网络。实际应用时，多用表显示的测量数据有时会动态变化，特别是测量数据小数点最后一位变化频繁，相机在拍照过程中有可能拍到的数字图像不全，图像出现拖影、重影，甚至识别为“田”字形，造成管理系统软件识别数据与实际数据有偏差，在最后计算多用表检定误差时数据不准确，检定平台错误判断结果，检定结论不可信。对此种情况，算法会安排重读图像，再次计算，比较误差，重复5次识别，误差均超过约定误差，则得到检定结果不合格；若连续5次无法识别图像数字，则提示“数码相机识别有问题”，本检定点检定失败，需要人工辅助检定或重新调整多用表或数码相机的位置等操作后，重新检定该点。

3.4 量程自动切换

目前多用表检定过程中，需要多次改接线以适应不同量程档位精度等级的检定，因此，从安全性和可靠性方面，首先，必须解决手工改接线带来的安全可靠性问题。在考虑对系统中标准源输出装置改动不大的前提下，采用电子开关切换技术和切换自适应算法，设计了智能转换器。

由于一般标准源输出模块的前级放大倍数固定，大量程与小量程测量精度就会不一致，甚至在某个量程无法测量。比如按照1000V档设计，前级放大倍数为0.005，不能太大，否则放大器会饱和；此外在10V档时，最大输出只有0.05V，造成某些小信号无法测量。因此，本标准源CPU采用自适应量程转换算法，保证前后级放大倍数协调。在前、后级放大器的反馈回路中，控制电子开关的使能端和输入控制端，从而控制采集电路初级放大器和次级放大器的不同反馈电阻接通和断开，达到自动切换量程目的。它可以选择针对不同测量对象量程档位等，在不改换接线的情况下，自动切换标准源的输出，如输出交(直)流电压、交(直)电流和电阻等。量程自动切换装置结构框图，如图6所示。

图6 量程自动切换装置结构框图

4 结束语

多用表自动检定装置的研制和应用，彻底改变目前传统的检定点设置复杂，检测数据人工记录、人工干预大、易出错，检定效率低，存在安全风险等问题。同时，在同类行业中具有极大的推广价值，如数字式测量仪表及电阻箱等检定工作中。

[1] 蔺广逢，等.主成分分析与BP神经网络的人脸识别方法研究[J].现代电子技术，2007(2)

[2] 朱正礼.基于三层BP神经网络的字符识别系统的实现[J].现代计算机，2006(10)

[3] 孙航.基于BP神经网络的指纹识别[J].信息与电脑，2011(5)

[4] 戴亚文，王三武，李金龙.基于图像处理技术复杂仪表的自动识别[J].计量技术，2003(12)

[5] 郭勇.行驶车辆的牌照识别系统[J].测控技术与设备，2000(11)

10.3969/j.issn.1000-0771.2015.4.14