一种智能变电站指针式仪表读数识别方法

王东灿

摘要：为了解决智能变电站中人工读取仪表存在的效率低下，读取困难等问题，运用数字图像处理技术设计了一个智能变电站指针式仪表自动读数识别系统。该系统对采集到的图像进行预处理，提出了一种基于Hough变换指针角度识别方法，推导出指针方向与识别读数的数学公式。此算法比传统Hough变换提取法增加了仪表指针通过圆盘圆心等这一条件，提高了指针特征提取的精度。经过大量实验表明，该指针式仪表自动读数识别方法可以准确地读出仪表的读数。

关键字：智能变电站；Hough变换；图像处理；指针式仪表；指针角度

中图分类号：TP391.4 文献标识码：A 文章编号：1009-3044（2018）14-0191-02

1引言

在科技高度发达的今天，随着深度学习、计算机视觉和机器学习等技术的高速发展，数字图像处理技术在诸多领域有了用武之地，尤其在车牌识别，指纹识别，人脸识别等领域已经有了比较成熟的产品在使用。针对人工读取指针式仪表存在的种种缺陷，采用数字图像处理技术和模式识别相关技术，设计一种智能变电站指针式仪表自动读数识别方法已成为一件十分重要且紧迫的事情。变电站待巡检的仪表设备中大部分是指针式仪表，这类仪表相较于数字式仪表，结构简单，价格低廉，因为是机械结构，无须电源，使用起来方便，广泛应用于电力系统中。传统的仪表大多采用人工读取的方式，但是人工读取存在诸多问题，比如易产生疲劳，误差较大，效率低下，有些仪表由于存放位置的原因，人眼无法读到。

2系统算法结构

采集图像后并对其进行预处理，指针式仪表识别的关键是指针特征值的提取，确定指针的指向。用Hough变换检测最长的直线，该直线即可认为指针，然后判断指针的两端，距离指针座最远的一端即为指针指向刻度的一端。将指向刻度的一端与指针座连接起来所在的直线即为指针的中轴线。下图为指针式仪表自动读数识别的算法结构与处理流程。

3图像预处理

指针式仪表的图像是由普通数字摄像机在自然场景下采集到的。在采集的过程中，由于受到拍摄角度、仪表玻璃面反射、光照等因素的影响，采集到的图像往往包含大量的噪声。没有经过任何处理的图像，图像中所包含的噪声会使图像模糊，甚至使图像中的有用信息丢失，所以必须对获得的图像进行预处理，否则会导致仪表指针特征值提取困难，影响最终识别结果的准确性。预处理主要包括以下方法：图像灰度化、去除噪声、边缘检测、二值化等。

3.1图像采集

图像采集是指针式仪表自动读数识别系统的第一步，主要是采集在实际的生产生活环境中包含有待监控识别的指针式仪表的图像，传送到我们的指针式仪表自动读数识别系统进行判读。一个良好的数字图像采集系统应该能够随时采集到高质量的指针式仪表图像。在图像采集环节，采集到图像质量越高越好，后期的特征值提取就越准确。高质量的图像应该是分辨率高，干扰因素少，光照适中，背景区域和目标区域边界分明。该系统采集的图像是使用普通摄像机在自然光情景下指针式仪表图像。

3.2图像的灰度化

由于摄像头采集到的图像是彩色图像，彩色图像所占用的存储空间大，处理时间长，处理效率低下，所以必须将彩色图像进行灰度化。常用的图像灰度化方法有：

本系统采用加权平均值法对彩色图像灰度化，根据公式（1）对每一个像素点进行灰度化处理。

3.3表盘图像去噪

图像在采集和传输过程中，容易受到各种外界因素的干扰，不可避免地会产生各种噪声从而影响图像的质量。这对后续图像的处理产生很大的影响，有可能会导致识别出现错误，所以有必要了解噪声的来源及种类。然后采取图像处理技术消除噪声，改善图像质量。常见的噪声模型有以下几种：高斯噪声，均匀噪声，脉冲噪声。本系统采用中值滤波的方法重点处理高斯噪声和脉冲噪声。

3.4边缘检测

图像易受环境光源影响，噪声明显，图像处理需要将有意义的对象与背景分离开，分离的首要步骤就是边缘检测，边缘检测过的图像特征更有效。边缘检测是计算机视觉和数字图像处理中的基本问题，标识数字图像中亮度变化明显的像素点是边缘检测的目的。本系统采用Canny边缘检测算法，包括跟踪边缘、消除噪声、寻找图像中的梯度方向和幅值。消除噪声需要对原始图像数据与高斯内核（Mask）作卷积降噪。使用垂直和对角线方向的边缘、4个内核（Mask）检测水平得到梯度方向和幅值；跟踪边缘需要采用滞后阈值，包括高阈值和低阈值，跟踪图像中模糊的部分，避免将噪声像素当成边缘。

3.5图像二值化

所谓图像二值化就是将具有256个亮度等级的灰度图像处理成只有0和255两个亮度等级的二值化图像，表现为黑色和白色。在图像预处理阶段进行图像二值化处理具有十分重要的意义。首先，在图像采集过程中面临着多种多样的环境，通过对图像进行二值化处理，能够把一些干扰因素去除，为后续的特征提取做前提准备。一些有用的信息并不会因为图像二值化丢失，相反好的图像二值化算法可以更好提取出这些前景目标比如：表盘边缘、指针、刻度数字等。目前已经有很多成熟的图像二值化算法，基本是采用閾值分割的思想。根据条件选定一个灰度值T，然后将图像中所有的像素点与T相比较，把比T大的分一类，把比T小的分一类。这样图像中所有的像素点分成了两类：一类赋值0，一类赋值1，形成二值图像。有三种常见的阈值计算方法：（1）灰度平均法；（2）双峰法；（3）最大类间方差法（OTSU）。其中最大类间方差法是使用的最为广泛的阈值分割方法，本系统使用最大类间方差法对图像进行二值化处理。

4仪表的特征提取和读数识别

4.1仪表指针的提取

仪表图像中指针具有灰度关于中轴线对称、底端粗、顶端细的特征，而且指针的中轴线经过转动轴心。因此指针定位可通过hough变换提取经过表盘转动轴心的指针中轴线来实现。

直角坐标系中直线l的方程为：

用极坐标表示为：

式中：ρ表示直线l到原点o的距离，θ则表示x轴与垂线的夹角。x-y平面内的任一条直线与ρ-θ空间内的一个点相对应。x-y平面的任一个点与ρ-θ平面上的一条正弦曲线相对应。Hough变换的本质是将图像空间内具有一定关系的像元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点。x-y平面上任意一条直线对应于ρ-θ空间中的一个点，x-y平面任意一个点对应于ρ-θ空间中的一条曲线。

根据仪表指针具有的直线特性，本系统提出了基于Hough变换的指针定位算法，计算出指针中轴线与x轴的夹角θ并检测出过表盘转动轴心的指针位置。仪表指针围绕指针轴心旋转，中轴线必过指针的转动轴心，通过这个特征定位指针中轴线，从而进一步提高指针角度的提取准确度。仪表的指针转动角度限制在仪表的量程范围内，在对图像的Hough变换值进行搜索的时候，可以对特定角度范围内的直线进行搜索，这样可以提高搜索的效率，减少搜索量。具体步骤如下：

1）在对图像进行二值化处理后，在处理后的图像的基础上决定Hough变换累加器的大小并分配内存空间。

2）如果指针目标中的像素满足表盘转动轴心在ρ-θ空间上的曲线，则存入累加器。

3）根据前期建模的仪表量程设定检测直线角度的阈值T，分别计算θ在T范围内每一个ρ的值，将结果保存在Hough变换累加器中。

4）遍历整个累加器来查找累加值最大的那个点，然后记录这个点并将其邻域清零。

5）重复第4）步直到累加器下所有的累加值都为零为止，记录下这些点即对应了检测的表盘图像中指针中轴线。

4.2仪表读数识别

在进行表盘区域定位后，仪表的示数可以用指针的偏转角度来描述。Hough变换是现今直线检测中比较成熟的检测方法，其运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，其中直线y=kx+b检测的极坐标形式如公式（2）所示。

Hough变换用于变电站指针式仪表图像中指针的检测时，如果指针边缘受到噪声干扰或其他原因出现间断的情况下仍然能进行良好的分割，原因就是Hough变换有一个突出的优点：对分割结果的不完全或噪声不是十分敏感。对提取出来的图像进行边缘化处理后，利用改进的Hough变换将检测到的断续的短直线进行迭代拟合，由此得到的长线段即为仪表指针所在的直线y=kx+b。知道斜率k，通过θ=tan-1k计算出指针的倾斜角度。指针的示数N由下式得出。

N=A×（θ-θ（min））/（θ（max）-θ（min）） （4）

式中，A为仪表盘总量程，θ（min）表示表盘零刻度、θ（max）表示表盘的满刻度的角度。

5结论

本系统针对智能变电站中指针式仪表读取准确性差，自动化程度低等问题，采用数字图像处理相关技术，以OpenCV为图像处理的核心软件，运用加权平均法灰度化、中值滤去噪、Canny边缘检测、最大类间方差确定阈值和Hough直线提取等算法，设计了一个指针式仪表自动识别读数系统。该系统能够在复杂的环境下实现指针式仪表的自动判读。

参考文献：

[1] 许丽，石伟，方甜巡检机器人中的指针式仪表读数识别系统[J].仪器仪表学报，2017，38（7）：1782-1790.

[2] 尹力. 基于图像的指针式仪表读数自动识别技术研究[D].成都：电子科技大学，2016.

[3] 刘阳.基于数字图像处理技术的指针式仪表识别系统[D].济南：山东大学，2016.

[4] 王欣，孙鹏. 智能变电站中指针式仪表图像自动识别方法[J].电气技术，2016，5（1）：7-10.

[5] 石伟，王朝立，陈建帅，等. 基于图像处理的变电站指针式仪表读数研究[J].电子技术，2016，29（1）：118-121.

[6] 佘世洲，宋凯，刘辉等. 一种电力指针式仪表示数自動识别的鲁棒方法[J].计算机技术与发展，2011，35（19）：85-88.

[7] 王瑞，李琦，方彦军.一种基于改进角度法的指针式仪表图像自动读数方法[J].电测与仪表，2013，50（11）：115-118.

[8]CorreaAlegriaF，CruzSerraA.Computervisionappliedtotheauto maticcalibrationofmeasuringinstruments[J].Measurement，2000（28）：185-195.