一种机器视觉的拆回电能表图像信息识别系统

郭子兴 郝国凯 陆淼

摘要：随着国民经济的不断发展，电力已经成为国家的最重要能源。就民用电力来说，由于人民物质生活的极大丰富，生活质量迅速提高，对电力的需求也越来越大。就系统的完整性而言，电力系统从发电配电，传输一直到区域变电所已基本实现网络化管理，而唯独用户终端没有和网络连接上造成了系统的不完整，目前智能电表的检测主要釆用人工目视检测。为了进一步提高电能表的出厂质量和生产效率，减少成本和劳动强度，将机器视觉应用到电能表检测中具有重要的意义。

关键词：智能电表;图像信息识别;机器视觉

1 图像信息识别系统的背景：

目前智能电表的检测主要釆用人工目视检测。这种检测方式主要存在以下问题：（1）漏检率高、检测速度慢;（2）人工目测对人力的体力与精力消耗过大，无法长时间作业。（3）人为目测不确定因素多，无法保证准确率。

针对这种情况我们团队最终开发基于机器视觉的电能表检测系统软件，实现电能表图像处理、识别和缺陷检测等功能，具有可视化的效果。

2 设计简介：

2.1系统简介

基于工业相机及其图像分析软件的机器视觉系统（简称系统）能够在规定时间内驱动多台工业相机，完成对单相、三相智能电能表的外观、液晶显示、LED状态进行拍照和故障分析检测。

系统由以下主要组成部分：1、工业相机;2、工业相机配套镜头;3、光源及光源控制器;4、视觉分析软件。模块化设计组成部分包括：相机控制模块、图像分析处理模块、对外通讯接口模块。整个系统分三层架构，调用关系如图1所示。

2.2功能简介

系统通过图像处理与分析实现自动识别以下基本故障类型：①进行自动从采集的图像中提取条形码并识别;②进行自动识别电能表等级、额定电压、额定电流、电表常数等基本参数信息;③进行当前正向有功总电量读数识别;④进行背光识别。

系统分析了电能表缺陷的类型，采用模板匹配和图像差分的方法对特征区域进行缺陷检测，并对缺陷差分图像进行分析，着重对电能表缺陷区域进行标定并判别出缺陷类型，分析缺陷判定过程中所需的缺陷面积、周长、圆形度和权重等参数，同时说明判别缺陷类型的依据。

3硬件部分设计：

系统在试验室内静态环境下运行，被测产品为6只（可扩展）单相智能电能表，电能表成单排垂直排列方式，每只电能表有唯一的工业相机为其拍照，布局示意如下图2，相机之间均为40*40铝型材连接固定，具有方便拆装更换的优点。

4软件部分设计

基于HALCON和visual C#混合编程，完成了图像分析处理模块设计;hHALCON与传统的Opencv相比，其作为机器视觉行业里知名的商业视觉库，其提供多个API算子供开发人员使用，入门简单，方便调试，断电单步运行，图像变化随时可以看到。而Opencv相比则不太方便，且开发周期较长。

此外我们还进行了模块化设计---标准图像学习模块;完成了接口功能设计，实现通过规范接口与电能表检测主控程序交换数据，数值识别成功时上传解析数值内容、异常时上传解析失败标志、并上传图像分析结论及故障位置。

5.结语

基于工业相机及其图像分析软件的机器视觉系统能够在规定时间内驱动多台工业相机，完成对单相智能电能表的外观、液晶显示、LED状态进行拍照和故障分析检测。以此在一定程度上减少效率较低且成本较高的人力的使用，发展到一定程度后，可完全代替人力实现对各种环境下的电表信息的识别，最终实现电表信息识别的智能化。为中国的电力等领域贡献一份力量。

参考文献

[1]汪成龙黄余风《基于Halcon的字符缺陷检测系统》。制造业自动化。1009-0134（2018）09-0038-04

[2]耿立明楊威王迪.《HALCON图像处理在机器视觉中的应用》。电子测试。1000-8519.2019.01.054