基于ESP-32的水表摄像直读系统

2021-06-30左瑞娟武永华张涛

电子测试 2021年5期

左瑞娟，武永华，张涛

（1.福建师范大学数学与信息学院，福建福州，350117；2.福建江夏学院电子信息科学学院，福建福州，350108）

0 前言

近几年在中国电表的智能计量、数据采集、远程控制在大部分地区已经普遍实现了，而水表的自动化、智能化发展的进度却比较迟缓。传统的水表一般都是机械水表，机械水表不会被磁场干扰，方便安装，维修简单，受环境干扰的影响小，因此大部分地区都普遍使用传统的水表。随着时代发展，越来越信息化、智能化，传统的水表已经慢慢逐渐被替代了。传统水表信息记录、统计起来相对比较麻烦[1]。传统水表记录员要挨家挨户，走街串巷的去查看各家各户的水表，工作量十分大，效率低[2]，进度慢，也可能在一定程度上打扰了居民的休息。传统的查水表工作，有可能被一些不法分子利用，作为虚假身份，进行一些违法行为。因此随着社会发展，自动抄表系统[3]开始出现，自动抄表系统的出现提高了抄表工作的效率，使得管理更加的方便，数据更加确，解决了人工抄表的一些弊端。因此，抄表自动化技术应用前景非常广阔[4][5]

本设计通过ESP-32[6]驱动OV2640[7]摄像头采集水表表盘图像后，水表图片进行压缩并且传输到数据采集器。数据采集器通过RS485收集各数据采集设备采集的数据。数据采集器再将数据传输到PC端进行基于OpenCV[8]图像处理和数字识别，识别出图像中的水表数字，并且将识别出来的水表数字存放到数据库当中。PC端软件的流程如图1所示。此系统可以省去很大一部分人工劳动力，降低了水表采集工作在一定程度上对居民生活的打扰。

图1 PC端软件流程图

1 系统硬件设计

本设计通过ESP-32开发板驱动OV2640摄像头，采集水表图像。然后将采集到的水表图像进行JPEG压缩，通过串口RX、TX传输到PC端，同时通过LED CTR管脚控制补光灯。本设计的硬件电路图，如图2所示。

图2 系统硬件电路图

ESP-32是安信可摄像头模组里面最新发布的小尺寸的开发板。ESP-32拥有达到最低6mA的深度睡眠电流，是物联网应用的理想解决方案，内部拥有体积超小的802.11b/g/n Wi-Fi + BT/BLE SoC模块。

OV2640是OmniVision公司生产的一颗1/4寸的CMOS UXGA（1632*1232）图像传感器。通过SCCB 总线控制，可以输出整帧、子采样、缩放和取窗口等方式的各种分辨率8/10位影像数据。UXGA最高15帧/秒（SVGA可达30帧，CIF可达60帧）。

2 水表表盘图像的预处理

本设计采用OpenCV对图像进行预处理，表盘的原始图片如图3所示。由于摄像头采集到的图片都会含有噪声，通过使用OpenCV中的cv.GaussianBlur()函数，对采集的图片进行高斯模糊去噪，如图4所示。使用OpenCv中的cv.cvColor()函数，来对进行高斯模糊去噪后的图像进行灰度化处理，减小原始图像的数据量，如图5所示。本设计采用全局阈值的方法通过使用OpenCv中的cv.threshold()函数将转化为灰度的图像进行二值化处理，从而方便进行轮廓的识别，如图6所示。图像的膨胀和腐蚀，就是对图像中的白色部分进行处理。通过图像的膨胀，可以扩大二值化图像中白色的部分，通过图像的腐蚀，可以缩减二值化图像中白色的部分，本设计通过使用OpenCv中的cv.dilate()函数和cv.erode()函数将转化为二值化的图像进行膨胀或腐蚀的处理，如图7所示。图像的轮廓提取是对二值化图像的操作，是基于图像边缘提取的基础寻找对象轮廓的方法。本设计通过使用OpenCv中的cv.findContours()函数对转化为二值化的图像进行轮廓的提取，如图8所示。

图3 原始图像

图4 图像高斯模糊

图5 图像灰化

图6 图像二值图

图7 膨胀或腐蚀处理后的图像图

图8 轮廓提取的图像

3 水表表盘数字识别

表盘数字的识别有模板匹配、结构特征、神经模糊等方法。本设计采用模板匹配的方法来实现表盘数字识别。启动ESP32开发板，打开摄像头，获取水表表盘图片，然后通过RS485接口传输到PC端。PC端进行高斯模糊去除噪声，转为灰度图像，将图像进行二值化，通过腐蚀操作后，导入模板图片，进行模板匹配，识别出图中全字的水表数字。然后切割剩下的半字区域，将半字图片，切割成上半部分和下半部分，分别于模板图片进行匹配，找出相似度最高的模板图片作为半字识别的结果。然后将识别出来的水表数字按照在图片中的位置，按顺序排列调整好，将数据放入数据库中并显示。

3.1 水表数字全字的识别

表盘全字通过模板匹配来识别。选择全字效果较好的表盘图片，通过高斯模糊去噪、图像灰度化、图像二值化、腐蚀膨胀、轮廓识别，分割出相同尺寸大小0-9十个数字的模板。然后从0-9个数字模板中分别对导入进来的待识别的水表图片，进行模板匹配。在模板匹配中，可通过差值平方和匹配法CV_TM_SQDIFF、相关匹配法CV_TM_CCORR以及标准相关匹配法CV_TM_CCORR_NORMED等方法来寻找相似度。本设计采用标准相关匹配法，通过cv.matchTemplate(methond=CV_TM_CCORR_NORMED)和cv.minMaxLoc()函数在待识别的水表图片中找出0-9个数字模板中，找出相似度较高的几个全字模板。将匹配到的这些数字模板图片如图9所示，水表全字识别如图10所示。

图9 匹配的数字模板图片

图10 全字识别结果的图片

3.2 水表数字半字的识别

因为水表表盘上的数字可能有些位数会出现半字的情况，即由两个数字的上半部分和下半部分组成。本设计中对半字识别采取的方法是：先用全字识别后识别出一些区域，剩下的区域就是半字区域，如图11所示。将半字区域分割出来，如图12所示，将半字图片通过再一步的轮廓识别后，分割为下半部分和上半部分，如图13所示。这些半字图像的组合形式有以下几种(0,1),(1,2),(2,3),(3,4), (4,5),(5,6),(6,7),(7,8),(8,9),(9,0)。将分割出来半字区域的上半部分和下半部分，分别再与全字的模板图片进行逐一的模板匹配。然后通过在0penCV当中的cv.match Template(methond=CV_TM_CCORR_NORMED)和cv.minMaxLoc()函数找出与之相似度最高的两个数字模板。对比两个匹配到的数字模板所对应的数字，将数值较高的数字作为识别结果。