能源计量器具识采系统设计与实现

导语：能源计量器具识采系统设计与实现一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要:数显式计量器具识采系统利用自主开发的图形识别数据提取技术，结合现场设备，主动识别计量器具上显示的数字，传送到能耗数据采集终端，是能耗数据实时采集的良好补充。

关键词:数据实时采集;图形识别

能源计量器具的数据采集是完善重点用能单位能源计量体系，提高能源管理精细化水平的基础。在进行能耗数据实时采集的工作中，采集系统需从具备数字输出功能的相应智能计量器具读取实时数据。而企业情况千差万别，在工作中常遇到非智能能源计量器具不宜改造，或改造成本较高的情况，不便于实时能耗计量数据的采集。为解决这一矛盾，贵州省计量测试院研制了这一套数显式量器具识采系统，可在不影响企业生产、不用改造计量仪表的情况下，实现能耗数据的实时采集。本文介绍了该识采系统的基本设计思路及实现的功能。

1系统设计

1.1图像识别开发基本流程。识采系统关键是识别能源计量器具上的数字并进行采集，识别的过程需要利用计算机或其他数字设备对图像信息进行各种加工和处理，抽取输入样本的模式表达形式与预先存储在计算机中标准样本的模式表达形式进行逐一比对，用一定的准则进行判断，找出最接近输入样本表达形式进行匹配。［1－2］其识别过程主要包括图像采集、图像预处理、特征提取、模式匹配四个环节，一个典型的识别过程如图1所示。［4］1.2图像采集。第一步需要用图像采集设备对能源计量器具的显示结果进行摄取并录入到系统软件中进行后续处理。虽然只是简单的一副图像，但企业现场情况复杂，为达到均匀补光防止反射的效果，镜面采用防雾化处理。并配有补光装置，可根据现场情况调节亮度。1.3图像倾斜矫正。由于拍摄角度的问题，有的图像数字倾斜情况较为明显，倾斜矫正的目的是要将数字的竖边矫正为竖直方向。在这之前为减少计算量，需要对图像进行边缘检测，可以采用opencv中的canImage类的cvCreateImage()函数去除无效图像，［3］再进行hough变换并将图像旋转到竖直方向(如图2)。1.4图像预处理。获得的目标数字图像中，常有复杂的显示装置背景和自然背景等，因此需要进行图像变换、复原和校正、去噪等一系列操作来消除对图像的影响。预处理是图像自动识别系统中非常重要的一步，目的是把图像变成一幅清晰的点线图，便于提取正确的图像特征，包括灰度化、二值化，去除噪点、膨胀与腐蚀、字符分割等。1.4.1图像的灰度化、二值化用摄像头摄录得到的图像是24位真彩图像，又称为RGB图像，为减少计算量，需要将彩色图像转换为灰度图像，图像的灰度化常用加权平均值法进行。数学表达式为:Gray(i，j)=0.11×R(i，j)+0.59×G(i，j)+0.3×B(i，j)式中:Gray(i，j)—灰度图像的像素灰度值;R(i，j)—红色通道值;G(i，j)—绿色通道值;B(i，j)—蓝色通道值。OpenCV提供了灰度化的API:cvtColor()函数将原图m_Mat灰度化，可以直接调用。图像经过灰度化处理后是由256个灰度级别组成的灰度图像，背景像素容易干扰数字图像，因此要进行二值化，设计时定义函数Image::Binarization()来实现。运行效果如图3、图4所示。1.4.2去除噪点Opencv库有两个用于去除噪点的操作的函数:连通域法(cvStartFindContours)和泛水填充法(flood-Fill)。连通域法主要思路就是先求出连通域的轮廓，然后用指定的形状拟合，然后求每个连通域的面积。泛水填充法floodFill(Mat，cvPoint(i，j)，cvSca-lar(color))就是将与坐标为cvPoint(i，j)连通的所有的点的颜色都改为cvScalar(color)，两个算法组合来使用，先采用泛水填充法降噪，再使用连通域算法，噪点能去除得比较干净。1.4.3图像膨胀、腐蚀处理经上述处理之后的数字图像常需要通过膨胀处理使中值和模糊平滑处理，让数字变得连续;如果膨胀过大可以进行腐蚀运算。膨胀是将图像中高亮区域的领域扩大，可用函数Imgproc.dilate()。相反，腐蚀为图像中高亮区域的领域缩小，可用函数Img-proc.erode()，如图5、图6所示。1.4.4数字图像分割并存储识别时，需要将图片上的字符一个个“扣”下来，得到单个的字符，再进行OCR识别。字符的粘连是分割的难点。Opencv的泛水填充法floodFill(m_Mat，cvPoint(i，j)，cvScalar(color))可以用于图片分割。1.4.5数字图像识别识别是把图像还原回字符文本的过程，包括特征提取和模式匹配等操作。常用做法是:先获取数字图片的特征码，再用各种算法对特征码进行分类并打上相应的类标签。将最终得到的特征码与我们预先设置好的训练样本特征库内的特征码进行逐一比对，如果匹配成功则返回正确的结果。训练样本准备好后，在OpenCV中创建相应的分类器非常方便。有很多封装好的分类器，如KNN、NN、SVM等。

2系统实现

2.1系统组成。文中设计的能源计量器具识采系统包括采集控制终端和图像采集前端。终端是整个系统的中枢，通过运行定制软件来控制各个节点的图像采集及分析、存储和上传，文件的数字化转换，数据分析识别，原始文件和识别后数据的保存，调用，并将识别好的数据信息发送到指定设备。定制的图像数字识别软件调用OPENCV库文件和自己制作的库进行编程，实现多种现场情况的图像识别功能。前端图像采集部分由单片机控制模块与摄像头组成。前端图像采集部分包括补光处理、图像采集、传输等功能。采集节点之间采用工业485总线结构，将所有设备连接在一起构成有线的前端采集系统，这样可满足工业企业距离远、传输可靠的特点。其中图像采集摄像头实现原始图像的采集。为适应工业能源计量数据采集环境，摄像头整体防水并采用定焦模式，单片机模块及摄像头模组都放在防水壳体内部。通过尾部的引线与系统连接。如图7，在系统设备安装时将镜头的焦距调节好，以后在使用过程中不再改变。为达到均匀补光防止反射的效果，镜面采用雾化处理。2.2系统测试。文中设计的能源计量器具识采系统最终要实现对字轮显示、数码管显示、或者是液晶显示的非智能表具的图像识别。系统工作过程如图8所示。单片机系统控制摄像头和补光灯，对非智能表具的读数界面拍照，将照片传输到采集终端，终端接收用定制程序对照片中的图像数据进行识别，保存所有数据记录(包括原始图像及识别后的数据)，将识别出来的数据保存成指定格式文件记录，供其它程序调取。经过多次调试及改进，本系统对于数码管显示和液晶显示的计量器具的识别没有问题。在识别读数为字轮显示的水表时，字轮在连续旋转过程中可能停留在圆周的任何一个位置，尤其当停留在进位状态时，识别的准确率有所下降。为此，我们下一步建立相应的半字特征库。经过改进软件可进一步实现自学习功能，随着样本数据量的不断增加，逐步减少识别错误或识别混乱的情况，达到更高的识别准确率(见图9)。

3结论

数显式计量器具识采系统结合现场设备，依托图像识别技术对原本无数据接口的计量器具实现自动采集，能很好的适应能耗计量数据的采集工作，大大缩短计量器具改造安装时间。在提高工作效率的同时，最大程度避免人为因素的误差。经过数显式计量器具识采系统定时定点的采集，可满足不宜改造的能源计量器具数据采集的需要，是能耗数据采集系统的良好补充。

参考文献

［1］RafaelC.Gonzalez，RichardE.Woods，阮秋琦，阮宇智等译.数字图像处理(第二版)［M］.北京:电子工业出版社，2003.

［2］白福忠.视觉测量技术基础［M］.北京:电子工业出版社，2013.

［3］黎松，平西定，丁益洪.开放源代码的计算机视觉类库OpenCV的应用［J］.计算机应用技术，2005，22(08):134～136.

［4］金洋，孙洪芳，方绪才，等.基于EmguCV图像识别技术在热力蒸汽流量计量设备数据采集中的应用［J］.电力建设，2017，(04):83～84.

作者:张怡 吴晓雪 李骋 单位:贵州省计量测试院