圖像采集識(shí)別技術(shù)在計(jì)量器具檢驗(yàn)中的應(yīng)用研究

李彩霞

[摘? ? 要]? 文章主要就計(jì)量器具的檢驗(yàn)進(jìn)行相關(guān)的研究，通過動(dòng)態(tài)化的圖像采集識(shí)別技術(shù)制定一個(gè)更加智能化的監(jiān)測(cè)系統(tǒng)，該系統(tǒng)可以有效地對(duì)試驗(yàn)過程當(dāng)中的條件和現(xiàn)象進(jìn)行拍照保存，能夠得到最原始的數(shù)據(jù)，并且采集圖像識(shí)別技術(shù)，讀取相關(guān)的數(shù)據(jù)條件，通過監(jiān)測(cè)條件能夠有效地完成整個(gè)試驗(yàn)的監(jiān)測(cè)，可以確保整個(gè)過程是安全可靠的。

[關(guān)鍵詞]圖像采集識(shí)別 ;計(jì)量器具 ;檢驗(yàn)系統(tǒng)

[中圖分類號(hào)]TM63 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]2095–6487（2021）07–00–02

Application of Image Acquisition and Recognition Technology?in Inspection of Measurement Instruments

Li Cai-xia

[Abstract]In this article， mainly on the inspection of measuring instruments， through dynamic image acquisition recognition system， a more intelligent monitoring system， which can effectively save the conditions and phenomena in the experimental process， allows us to get the most original data， read the relevant data conditions， can effectively complete the monitoring， the whole process is safe and reliable.

[Keywords]image acquisition and recognition; measuring instruments; inspection system

社會(huì)發(fā)展非常迅速，而且智能化技術(shù)開始在各行各業(yè)普及。電能計(jì)量器具的質(zhì)量以及準(zhǔn)確性開始受到了社會(huì)各界的關(guān)注，因此將電能計(jì)量器具放置在權(quán)威的機(jī)構(gòu)完成更加全面的檢驗(yàn)，確保整個(gè)電能計(jì)量裝置的準(zhǔn)確性是非常必要的。在現(xiàn)階段，電能表等計(jì)量器具的種類是非常多的，而且樣品的數(shù)量也非常大，整個(gè)試驗(yàn)的過程是比較復(fù)雜的。

1 人工智能以及計(jì)算機(jī)視覺的發(fā)展現(xiàn)狀

在20世紀(jì)50年代，主要的計(jì)算機(jī)圖像識(shí)別在于光學(xué)字符的識(shí)別以及顯微圖片和航空?qǐng)D片的分析上面。60年代的MIT能夠通過計(jì)算機(jī)圖像當(dāng)中提取出立方體或者是棱柱體等多種三維模型，并且對(duì)物體的形狀進(jìn)行描述，Roberts的研究工作開創(chuàng)了三維場(chǎng)景的研究，Roberts對(duì)于積木世界的創(chuàng)造性給予了人們很多的啟示，70年代正式出現(xiàn)了視覺應(yīng)用系統(tǒng)。70年代的中期，麻省理工學(xué)院的人工智能實(shí)驗(yàn)室展開了相關(guān)的課程研究，并且吸引了許多知名學(xué)者參與研究，對(duì)于該項(xiàng)技術(shù)的研究熱潮，從20世紀(jì)80年代開始一直到中期，計(jì)算機(jī)視覺得到了非常好的發(fā)展，有一些新的理論以及現(xiàn)在概念開始不斷地涌現(xiàn)出來，計(jì)算機(jī)視覺領(lǐng)域在研究的過程當(dāng)中一直呈現(xiàn)著兩個(gè)非常明顯的特點(diǎn)，分別為多樣性和不完善性，針對(duì)于計(jì)算機(jī)視覺的研究其實(shí)可以追溯到更早的時(shí)候。但是一直到20世紀(jì)70年代后期，計(jì)算機(jī)的性能有效地提升了之后才得到真正的關(guān)注，而且這些發(fā)展是源自于其他不同的領(lǐng)域的需求的，對(duì)于計(jì)算機(jī)視覺問題始終沒有得到一個(gè)真正的定義盡管如此，但是人們?nèi)耘f對(duì)計(jì)算機(jī)視覺的研究任務(wù)非常的憧憬，并且將這些方法應(yīng)用在了某些大規(guī)模系統(tǒng)的問題的解決上面。比如工業(yè)當(dāng)中的質(zhì)量控制和醫(yī)學(xué)當(dāng)中的圖像處理。人工智能在研究過程當(dāng)中的一個(gè)最為主要的問題就是如何讓系統(tǒng)設(shè)備能夠具有計(jì)劃跟決策的能力，從而完成一個(gè)特定的動(dòng)作。這和計(jì)算機(jī)的視覺問題發(fā)展是有著很大的聯(lián)系，對(duì)于人工智能來說，計(jì)算機(jī)的視覺相當(dāng)于它的一個(gè)智能的感應(yīng)器，可以有效地提供更多的數(shù)據(jù)信息。另外一方面研究的方向也包括機(jī)器學(xué)習(xí)以及模式的識(shí)別，也可以把計(jì)算機(jī)視覺看作是人工智能發(fā)展過程當(dāng)中的一個(gè)主要的分支點(diǎn)。

2 研究圖像采集識(shí)別技術(shù)在計(jì)量器具檢驗(yàn)中的應(yīng)用的必要性

電力體制改革以及能源的建設(shè)現(xiàn)在已經(jīng)上升到了國(guó)家戰(zhàn)略，計(jì)量傳統(tǒng)業(yè)務(wù)也要向著新型的業(yè)務(wù)拓展，營(yíng)銷的業(yè)務(wù)需要向全社會(huì)方向延伸，公司內(nèi)部必須要持續(xù)發(fā)展，對(duì)于計(jì)量的側(cè)信息支撐能力也提出了新的要求。

2.1 計(jì)量管理質(zhì)效的提升

依照發(fā)展的需求，必須要最大程度的提升現(xiàn)場(chǎng)的處理質(zhì)效，有效的結(jié)合新的技術(shù)來完成設(shè)備的評(píng)估以及缺陷智能化的檢測(cè)，圍繞著計(jì)量的現(xiàn)場(chǎng)進(jìn)行運(yùn)維工作，實(shí)現(xiàn)計(jì)量箱以及電表的自動(dòng)核查和校對(duì)，協(xié)助計(jì)量設(shè)備人員對(duì)于現(xiàn)場(chǎng)的裝置進(jìn)行巡視，保障現(xiàn)場(chǎng)的裝置的質(zhì)量以及技能評(píng)估的效果。

2.2 精準(zhǔn)定位，統(tǒng)籌管理

依據(jù)現(xiàn)場(chǎng)的具體的情況，集中的處理目標(biāo)，結(jié)合現(xiàn)有的位置信息以及交通狀況，對(duì)現(xiàn)場(chǎng)的計(jì)量工作展開動(dòng)態(tài)的規(guī)劃，并且實(shí)現(xiàn)故障點(diǎn)以及同一故障范圍的工作的歸集，融合工作人員的評(píng)估以及對(duì)于備件的分析構(gòu)建，提升現(xiàn)場(chǎng)的運(yùn)維人員的輔助導(dǎo)航以及相關(guān)智能化的調(diào)度，提升現(xiàn)場(chǎng)的高效的處置能力以及服務(wù)水平。

3 圖像采集識(shí)別技術(shù)

圖像采集識(shí)別技術(shù)是機(jī)器視覺中的一個(gè)非常重要的構(gòu)成部分，圖像采集包括對(duì)于傳感器進(jìn)行選取以及對(duì)于光照強(qiáng)度進(jìn)行調(diào)整和對(duì)圖像采集裝置進(jìn)行設(shè)計(jì)，首先在進(jìn)行圖像采集之前，應(yīng)該選擇一個(gè)更加合適的傳感器，這樣才能夠保證成圖的質(zhì)量。其次需要調(diào)整好光照的強(qiáng)度以及光圈的大小，這對(duì)于圖像采集的清晰度是非常的重要的。第三就是合理的設(shè)置好裝置，進(jìn)行相機(jī)的固定，保證整個(gè)采集環(huán)境是比較穩(wěn)定的。最后需要對(duì)我們采集到的圖像進(jìn)行一個(gè)預(yù)處理，首先突出有興趣的部分的圖像，這樣更加方便于圖像進(jìn)行識(shí)別，圖像識(shí)別主要是對(duì)于圖像進(jìn)行提取，然后對(duì)所反映出來的信息進(jìn)行理解，這樣有利于對(duì)其進(jìn)行分類處理。試驗(yàn)的過程當(dāng)中也可能存在著其他的一些情況，導(dǎo)致最終的檢驗(yàn)樣品出現(xiàn)不一致或者是實(shí)驗(yàn)的條件并不符合相關(guān)的要求，導(dǎo)致最終出現(xiàn)設(shè)置錯(cuò)誤，同時(shí)在試驗(yàn)的時(shí)候采取全人工的記錄方法，有可能也會(huì)存在著錯(cuò)記或者是漏記的情況，導(dǎo)致后期沒有辦法真正的對(duì)實(shí)驗(yàn)的過程進(jìn)行追蹤以及還原。通過對(duì)電能表性能測(cè)試的過程的分析，在本文中主要提出了一種圖像識(shí)別辦法，使用圖像識(shí)別的技術(shù)能夠有效的去判斷實(shí)驗(yàn)的樣品以及實(shí)驗(yàn)的過程是否是科學(xué)規(guī)范的。首先通過圖像識(shí)別技術(shù)對(duì)整個(gè)實(shí)驗(yàn)的過程以及實(shí)驗(yàn)的樣品跟條件進(jìn)行拍照，并且這樣這些照片傳到數(shù)據(jù)庫(kù)上面，這樣能夠?yàn)槿蘸蟮膶?shí)驗(yàn)的復(fù)試提供更多的數(shù)據(jù)。通過對(duì)于整個(gè)實(shí)驗(yàn)過程的預(yù)處理以及字符分割和特征提取等方面來有效地提取圖像當(dāng)中的樣品編號(hào)和實(shí)驗(yàn)的數(shù)據(jù)條件，并且跟標(biāo)準(zhǔn)條件進(jìn)行對(duì)比，如果出現(xiàn)了偏差的話，監(jiān)測(cè)系統(tǒng)會(huì)自動(dòng)將其報(bào)告給實(shí)驗(yàn)人員，如果未及時(shí)報(bào)警的話，則會(huì)在實(shí)驗(yàn)當(dāng)中標(biāo)記出該項(xiàng)實(shí)驗(yàn)是不合格的。

4 系統(tǒng)的工作原理以及主要的器件

4.1 工作的原理

該系統(tǒng)應(yīng)用的過程當(dāng)中，前半部分使用的是圖像采集預(yù)處理，后端使用的是算法處理以及報(bào)警顯示，圖像的采集已經(jīng)預(yù)處理部分使用的是ova9650，CMOS攝像頭以及邏輯控制，F(xiàn)PGA主要負(fù)責(zé)的是控制各個(gè)邏輯信號(hào)以及芯片當(dāng)中的信號(hào)，并且能夠有效地對(duì)所采集到的圖像首先進(jìn)行一個(gè)預(yù)處理，圖像算法的處理部分主要是負(fù)責(zé)把FPGA預(yù)處理完畢之后的各個(gè)圖像進(jìn)行校正，以及對(duì)于其讀數(shù)區(qū)域進(jìn)行定位，完成字符的分割，包括提取圖像當(dāng)中的各類數(shù)據(jù)，報(bào)警顯示部分主要由FPGA來控制，主要的作用就是顯示在實(shí)驗(yàn)的過程當(dāng)中產(chǎn)生的條件偏差。

圖像的算法部分才是整個(gè)系統(tǒng)的核心性內(nèi)容。首先需要獲取圖片信息，然后對(duì)其進(jìn)行二次處理，再采取算子邊緣檢測(cè)對(duì)其進(jìn)行精準(zhǔn)的定位，使用算子邊緣檢測(cè)以及變換結(jié)構(gòu)的辦法實(shí)現(xiàn)圖像的校正，最終采用常見的算法來匹配出圖像當(dāng)中的數(shù)字。

4.2 主要的器件

在該系統(tǒng)當(dāng)中所采取的FPGA是某個(gè)公司所生產(chǎn)出來的芯片，該芯片的成本比較低，而且使和使用在一個(gè)比較復(fù)雜的邏輯程序當(dāng)中，圖像處理器使用的是TI公司近些年所推出來的芯片，其時(shí)鐘頻率能夠達(dá)到1 GHz，計(jì)算的能力能夠達(dá)到8000 IPS，使用的是先進(jìn)的指令結(jié)構(gòu)，內(nèi)部包含了6個(gè)ALU，每一個(gè)指令能夠執(zhí)行8條命令。

DSP通過接口選擇信號(hào)線，時(shí)鐘信號(hào)線以及數(shù)據(jù)線和接口相連，該電路的主要的功能是實(shí)現(xiàn)內(nèi)存氣得直接映射，可以有效地實(shí)現(xiàn)DSP跟FPGA之間的數(shù)據(jù)的交換，DSP能夠通過信號(hào)的中斷實(shí)現(xiàn)數(shù)據(jù)的讀取，或者可以把處理完的數(shù)據(jù)直接發(fā)送給FPGA，最終能夠有效地實(shí)現(xiàn)這二者之間的通信。

5 系統(tǒng)的算法設(shè)計(jì)

5.1 圖像預(yù)處理

5.1.1 圖像的灰度化

灰度化主要包括三種，分別為平均灰度法，最大值灰度法以及加權(quán)灰度法，加權(quán)灰度法可以對(duì)圖像當(dāng)中的點(diǎn)賦予不同的加權(quán)值，取完加權(quán)值之后作為該點(diǎn)的灰度值，平均灰度法處理出來的圖像是比較暗的，最大值灰度法所處理出來的圖像又偏亮，而加權(quán)灰度法在處理之后，其圖片會(huì)更加符合選擇，比較適中。因此在本文中使用的也是這樣的方法來處理圖像。

5.1.2 圖像降噪

在本文當(dāng)中使用的是中值濾波的方法來對(duì)圖像完成降噪處理。中值濾波指的就是把每一個(gè)像素設(shè)置為該點(diǎn)領(lǐng)域窗口內(nèi)的灰度值的中值，如果該窗口的像素點(diǎn)數(shù)是奇數(shù)的話，那么可以將其中間值作為灰度值來處理，如果窗口數(shù)是偶數(shù)，則把兩個(gè)中間值的平均值作為灰度值。

5.1.3 圖像二值化

圖像二值化指的是日常生活當(dāng)中所說的圖像分割，通過特定的設(shè)置來對(duì)其進(jìn)行圖像處理。二值化之后的圖像，其效果會(huì)更為鮮明，也可以提取一些有效的信息，在本文當(dāng)中的系統(tǒng)使用的是非常簡(jiǎn)單的全局閥值二值化這樣的辦法。

5.2 區(qū)域圖像定位以及傾斜校正

5.2.1 canny邊緣檢測(cè)算子

canny算子式檢測(cè)當(dāng)中非常常用的是一種，也是公認(rèn)效果比較好的一種，它通常會(huì)被使用在其他算子當(dāng)中，被作為標(biāo)準(zhǔn)算子來進(jìn)行看待。

依據(jù)該算子的性能評(píng)價(jià)來看，邊緣只允許一個(gè)像素寬度可以取最大值留下來，其他的像元全部去除，梯度的最大值，在邊緣的中心沿著梯度方向增加，梯度值也會(huì)越來越少。由于噪聲本身就會(huì)存在著斷裂現(xiàn)象，所以說可以把這些像素點(diǎn)標(biāo)記為邊緣，剩下的超過閥值的視做噪聲不再標(biāo)記。

5.2.2 傾斜校正

在本篇文章當(dāng)中使用的是Hough變換來對(duì)收集到的圖像進(jìn)行校正，該變換的原理非常的簡(jiǎn)單，而且實(shí)時(shí)性也比較好，這種變換辦法是對(duì)圖像分割進(jìn)行角度測(cè)驗(yàn)的一個(gè)最為有效的辦法之一，原理在于改變現(xiàn)有圖像的坐標(biāo)，然后將空間的任意一點(diǎn)映射到參數(shù)空間當(dāng)中，使其在變換之后能夠進(jìn)行更加方便的檢測(cè)。

5.2.3 字符識(shí)別

本文當(dāng)中所采取的提取算法主要是依據(jù)模板來進(jìn)行模板匹配法，也就是說依據(jù)圖像的像素分布來進(jìn)行特征的提取。該辦法能夠根據(jù)圖像的具體的分布有效地提取特征，使用的是將字符分割成n×n份，然后分割出每一個(gè)字符當(dāng)中的個(gè)數(shù)除以每一份的面積，得到的像素?cái)?shù)就是特征初值，大于閥值的初值設(shè)為1，小于閥值的初值設(shè)為0，得到最終的特征向量，該向量當(dāng)中包含n×n個(gè)元素，在判別的時(shí)候，一般來說會(huì)使用最小距離判別法。

6 結(jié)語

在本文中，主要介紹了一套電能計(jì)量器具在檢驗(yàn)過程當(dāng)中所使用的監(jiān)測(cè)系統(tǒng)，為系統(tǒng)以及數(shù)據(jù)的記錄提供了更加完整的平臺(tái)。該系統(tǒng)是建立在保障正常檢驗(yàn)業(yè)務(wù)的情況下，保證在整個(gè)實(shí)驗(yàn)過程當(dāng)中的數(shù)據(jù)的完整性，提升了數(shù)據(jù)的準(zhǔn)確性。

參考文獻(xiàn)

[1] 趙宇東，劉振波，薛激光，等.圖像采集識(shí)別技術(shù)在計(jì)量器具檢驗(yàn)領(lǐng)域的應(yīng)用[J].數(shù)字通信世界，2017（4）：16-20.

[2] 任浩源，景晶.基于圖像識(shí)別技術(shù)的耐久試驗(yàn)設(shè)備數(shù)據(jù)自動(dòng)采集方法研究[J].上海汽車，2020（3）：36-39.

[3] 俞陳光，王萌萌，沈斌，等.基于圖像識(shí)別技術(shù)靜態(tài)容積法水流量標(biāo)準(zhǔn)裝置數(shù)據(jù)采集自動(dòng)化改造[J].工業(yè)計(jì)量，2020，30（3）：38-39.

[4] 紀(jì)春光.二代證快速圖像識(shí)別技術(shù)在圖像采集工作中的具體運(yùn)用[J].工程技術(shù)研究，2019，4（5）：101，126

[5] 陳惠娜.LDCT方法與邊緣檢測(cè)技術(shù)在信息采集的應(yīng)用——以光照人臉圖像識(shí)別為例[J].現(xiàn)代經(jīng)濟(jì)信息，2019（31）：322-323.