图像采集识别技术在计量器具检验中的应用研究

李彩霞

[摘    要]  文章主要就计量器具的检验进行相关的研究，通过动态化的图像采集识别技术制定一个更加智能化的监测系统，该系统可以有效地对试验过程当中的条件和现象进行拍照保存，能够得到最原始的数据，并且采集图像识别技术，读取相关的数据条件，通过监测条件能够有效地完成整个试验的监测，可以确保整个过程是安全可靠的。

[关键词]图像采集识别 ;计量器具 ;检验系统

[中图分类号]TM63 [文献标志码]A [文章编号]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

社會发展非常迅速，而且智能化技术开始在各行各业普及。电能计量器具的质量以及准确性开始受到了社会各界的关注，因此将电能计量器具放置在权威的机构完成更加全面的检验，确保整个电能计量装置的准确性是非常必要的。在现阶段，电能表等计量器具的种类是非常多的，而且样品的数量也非常大，整个试验的过程是比较复杂的。

1 人工智能以及计算机视觉的发展现状

在20世纪50年代，主要的计算机图像识别在于光学字符的识别以及显微图片和航空图片的分析上面。60年代的MIT能够通过计算机图像当中提取出立方体或者是棱柱体等多种三维模型，并且对物体的形状进行描述，Roberts的研究工作开创了三维场景的研究，Roberts对于积木世界的创造性给予了人们很多的启示，70年代正式出现了视觉应用系统。70年代的中期，麻省理工学院的人工智能实验室展开了相关的课程研究，并且吸引了许多知名学者参与研究，对于该项技术的研究热潮，从20世纪80年代开始一直到中期，计算机视觉得到了非常好的发展，有一些新的理论以及现在概念开始不断地涌现出来，计算机视觉领域在研究的过程当中一直呈现着两个非常明显的特点，分别为多样性和不完善性，针对于计算机视觉的研究其实可以追溯到更早的时候。但是一直到20世纪70年代后期，计算机的性能有效地提升了之后才得到真正的关注，而且这些发展是源自于其他不同的领域的需求的，对于计算机视觉问题始终没有得到一个真正的定义尽管如此，但是人们仍旧对计算机视觉的研究任务非常的憧憬，并且将这些方法应用在了某些大规模系统的问题的解决上面。比如工业当中的质量控制和医学当中的图像处理。人工智能在研究过程当中的一个最为主要的问题就是如何让系统设备能够具有计划跟决策的能力，从而完成一个特定的动作。这和计算机的视觉问题发展是有着很大的联系，对于人工智能来说，计算机的视觉相当于它的一个智能的感应器，可以有效地提供更多的数据信息。另外一方面研究的方向也包括机器学习以及模式的识别，也可以把计算机视觉看作是人工智能发展过程当中的一个主要的分支点。

2 研究图像采集识别技术在计量器具检验中的应用的必要性

电力体制改革以及能源的建设现在已经上升到了国家战略，计量传统业务也要向着新型的业务拓展，营销的业务需要向全社会方向延伸，公司内部必须要持续发展，对于计量的侧信息支撑能力也提出了新的要求。

2.1 计量管理质效的提升

依照发展的需求，必须要最大程度的提升现场的处理质效，有效的结合新的技术来完成设备的评估以及缺陷智能化的检测，围绕着计量的现场进行运维工作，实现计量箱以及电表的自动核查和校对，协助计量设备人员对于现场的装置进行巡视，保障现场的装置的质量以及技能评估的效果。

2.2 精准定位，统筹管理

依据现场的具体的情况，集中的处理目标，结合现有的位置信息以及交通状况，对现场的计量工作展开动态的规划，并且实现故障点以及同一故障范围的工作的归集，融合工作人员的评估以及对于备件的分析构建，提升现场的运维人员的辅助导航以及相关智能化的调度，提升现场的高效的处置能力以及服务水平。

3 图像采集识别技术

图像采集识别技术是机器视觉中的一个非常重要的构成部分，图像采集包括对于传感器进行选取以及对于光照强度进行调整和对图像采集装置进行设计，首先在进行图像采集之前，应该选择一个更加合适的传感器，这样才能够保证成图的质量。其次需要调整好光照的强度以及光圈的大小，这对于图像采集的清晰度是非常的重要的。第三就是合理的设置好装置，进行相机的固定，保证整个采集环境是比较稳定的。最后需要对我们采集到的图像进行一个预处理，首先突出有兴趣的部分的图像，这样更加方便于图像进行识别，图像识别主要是对于图像进行提取，然后对所反映出来的信息进行理解，这样有利于对其进行分类处理。试验的过程当中也可能存在着其他的一些情况，导致最终的检验样品出现不一致或者是实验的条件并不符合相关的要求，导致最终出现设置错误，同时在试验的时候采取全人工的记录方法，有可能也会存在着错记或者是漏记的情况，导致后期没有办法真正的对实验的过程进行追踪以及还原。通过对电能表性能测试的过程的分析，在本文中主要提出了一种图像识别办法，使用图像识别的技术能够有效的去判断实验的样品以及实验的过程是否是科学规范的。首先通过图像识别技术对整个实验的过程以及实验的样品跟条件进行拍照，并且这样这些照片传到数据库上面，这样能够为日后的实验的复试提供更多的数据。通过对于整个实验过程的预处理以及字符分割和特征提取等方面来有效地提取图像当中的样品编号和实验的数据条件，并且跟标准条件进行对比，如果出现了偏差的话，监测系统会自动将其报告给实验人员，如果未及时报警的话，则会在实验当中标记出该项实验是不合格的。

4 系统的工作原理以及主要的器件

4.1 工作的原理

该系统应用的过程当中，前半部分使用的是图像采集预处理，后端使用的是算法处理以及报警显示，图像的采集已经预处理部分使用的是ova9650，CMOS摄像头以及逻辑控制，FPGA主要负责的是控制各个逻辑信号以及芯片当中的信号，并且能够有效地对所采集到的图像首先进行一个预处理，图像算法的处理部分主要是负责把FPGA预处理完毕之后的各個图像进行校正，以及对于其读数区域进行定位，完成字符的分割，包括提取图像当中的各类数据，报警显示部分主要由FPGA来控制，主要的作用就是显示在实验的过程当中产生的条件偏差。

图像的算法部分才是整个系统的核心性内容。首先需要获取图片信息，然后对其进行二次处理，再采取算子边缘检测对其进行精准的定位，使用算子边缘检测以及变换结构的办法实现图像的校正，最终采用常见的算法来匹配出图像当中的数字。

4.2 主要的器件

在该系统当中所采取的FPGA是某个公司所生产出来的芯片，该芯片的成本比较低，而且使和使用在一个比较复杂的逻辑程序当中，图像处理器使用的是TI公司近些年所推出来的芯片，其时钟频率能够达到1 GHz，计算的能力能够达到8000 IPS，使用的是先进的指令结构，内部包含了6个ALU，每一个指令能够执行8条命令。

DSP通过接口选择信号线，时钟信号线以及数据线和接口相连，该电路的主要的功能是实现内存气得直接映射，可以有效地实现DSP跟FPGA之间的数据的交换，DSP能够通过信号的中断实现数据的读取，或者可以把处理完的数据直接发送给FPGA，最终能够有效地实现这二者之间的通信。

5 系统的算法设计

5.1 图像预处理

5.1.1 图像的灰度化

灰度化主要包括三种，分别为平均灰度法，最大值灰度法以及加权灰度法，加权灰度法可以对图像当中的点赋予不同的加权值，取完加权值之后作为该点的灰度值，平均灰度法处理出来的图像是比较暗的，最大值灰度法所处理出来的图像又偏亮，而加权灰度法在处理之后，其图片会更加符合选择，比较适中。因此在本文中使用的也是这样的方法来处理图像。

5.1.2 图像降噪

在本文当中使用的是中值滤波的方法来对图像完成降噪处理。中值滤波指的就是把每一个像素设置为该点领域窗口内的灰度值的中值，如果该窗口的像素点数是奇数的话，那么可以将其中间值作为灰度值来处理，如果窗口数是偶数，则把两个中间值的平均值作为灰度值。

5.1.3 图像二值化

图像二值化指的是日常生活当中所说的图像分割，通过特定的设置来对其进行图像处理。二值化之后的图像，其效果会更为鲜明，也可以提取一些有效的信息，在本文当中的系统使用的是非常简单的全局阀值二值化这样的办法。

5.2 区域图像定位以及倾斜校正

5.2.1 canny边缘检测算子

canny算子式检测当中非常常用的是一种，也是公认效果比较好的一种，它通常会被使用在其他算子当中，被作为标准算子来进行看待。

依据该算子的性能评价来看，边缘只允许一个像素宽度可以取最大值留下来，其他的像元全部去除，梯度的最大值，在边缘的中心沿着梯度方向增加，梯度值也会越来越少。由于噪声本身就会存在着断裂现象，所以说可以把这些像素点标记为边缘，剩下的超过阀值的视做噪声不再标记。

5.2.2 倾斜校正

在本篇文章当中使用的是Hough变换来对收集到的图像进行校正，该变换的原理非常的简单，而且实时性也比较好，这种变换办法是对图像分割进行角度测验的一个最为有效的办法之一，原理在于改变现有图像的坐标，然后将空间的任意一点映射到参数空间当中，使其在变换之后能够进行更加方便的检测。

5.2.3 字符识别

本文当中所采取的提取算法主要是依据模板来进行模板匹配法，也就是说依据图像的像素分布来进行特征的提取。该办法能够根据图像的具体的分布有效地提取特征，使用的是将字符分割成n×n份，然后分割出每一个字符当中的个数除以每一份的面积，得到的像素数就是特征初值，大于阀值的初值设为1，小于阀值的初值设为0，得到最终的特征向量，该向量当中包含n×n个元素，在判别的时候，一般来说会使用最小距离判别法。

6 结语

在本文中，主要介绍了一套电能计量器具在检验过程当中所使用的监测系统，为系统以及数据的记录提供了更加完整的平台。该系统是建立在保障正常检验业务的情况下，保证在整个实验过程当中的数据的完整性，提升了数据的准确性。

参考文献

[1] 赵宇东，刘振波，薛激光，等.图像采集识别技术在计量器具检验领域的应用[J].数字通信世界，2017（4）：16-20.

[2] 任浩源，景晶.基于图像识别技术的耐久试验设备数据自动采集方法研究[J].上海汽车，2020（3）：36-39.

[3] 俞陈光，王萌萌，沈斌，等.基于图像识别技术静态容积法水流量标准装置数据采集自动化改造[J].工业计量，2020，30（3）：38-39.

[4] 纪春光.二代证快速图像识别技术在图像采集工作中的具体运用[J].工程技术研究，2019，4（5）：101，126

[5] 陈惠娜.LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例[J].现代经济信息，2019（31）：322-323.