導語：能源計量器具識采系統設計與實現一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要:數顯式計量器具識采系統利用自主開發的圖形識別數據提取技術，結合現場設備，主動識別計量器具上顯示的數字，傳送到能耗數據采集終端，是能耗數據實時采集的良好補充。

關鍵詞:數據實時采集;圖形識別

能源計量器具的數據采集是完善重點用能單位能源計量體系，提高能源管理精細化水平的基礎。在進行能耗數據實時采集的工作中，采集系統需從具備數字輸出功能的相應智能計量器具讀取實時數據。而企業情況千差萬別，在工作中常遇到非智能能源計量器具不宜改造，或改造成本較高的情況，不便于實時能耗計量數據的采集。為解決這一矛盾，貴州省計量測試院研制了這一套數顯式量器具識采系統，可在不影響企業生產、不用改造計量儀表的情況下，實現能耗數據的實時采集。本文介紹了該識采系統的基本設計思路及實現的功能。

1系統設計

1.1圖像識別開發基本流程。識采系統關鍵是識別能源計量器具上的數字并進行采集，識別的過程需要利用計算機或其他數字設備對圖像信息進行各種加工和處理，抽取輸入樣本的模式表達形式與預先存儲在計算機中標準樣本的模式表達形式進行逐一比對，用一定的準則進行判斷，找出最接近輸入樣本表達形式進行匹配。［1－2］其識別過程主要包括圖像采集、圖像預處理、特征提取、模式匹配四個環節，一個典型的識別過程如圖1所示。［4］1.2圖像采集。第一步需要用圖像采集設備對能源計量器具的顯示結果進行攝取并錄入到系統軟件中進行后續處理。雖然只是簡單的一副圖像，但企業現場情況復雜，為達到均勻補光防止反射的效果，鏡面采用防霧化處理。并配有補光裝置，可根據現場情況調節亮度。1.3圖像傾斜矯正。由于拍攝角度的問題，有的圖像數字傾斜情況較為明顯，傾斜矯正的目的是要將數字的豎邊矯正為豎直方向。在這之前為減少計算量，需要對圖像進行邊緣檢測，可以采用opencv中的canImage類的cvCreateImage()函數去除無效圖像，［3］再進行hough變換并將圖像旋轉到豎直方向(如圖2)。1.4圖像預處理。獲得的目標數字圖像中，常有復雜的顯示裝置背景和自然背景等，因此需要進行圖像變換、復原和校正、去噪等一系列操作來消除對圖像的影響。預處理是圖像自動識別系統中非常重要的一步，目的是把圖像變成一幅清晰的點線圖，便于提取正確的圖像特征，包括灰度化、二值化，去除噪點、膨脹與腐蝕、字符分割等。1.4.1圖像的灰度化、二值化用攝像頭攝錄得到的圖像是24位真彩圖像，又稱為RGB圖像，為減少計算量，需要將彩色圖像轉換為灰度圖像，圖像的灰度化常用加權平均值法進行。數學表達式為:Gray(i，j)=0.11×R(i，j)+0.59×G(i，j)+0.3×B(i，j)式中:Gray(i，j)—灰度圖像的像素灰度值;R(i，j)—紅色通道值;G(i，j)—綠色通道值;B(i，j)—藍色通道值。OpenCV提供了灰度化的API:cvtColor()函數將原圖m_Mat灰度化，可以直接調用。圖像經過灰度化處理后是由256個灰度級別組成的灰度圖像，背景像素容易干擾數字圖像，因此要進行二值化，設計時定義函數Image::Binarization()來實現。運行效果如圖3、圖4所示。1.4.2去除噪點Opencv庫有兩個用于去除噪點的操作的函數:連通域法(cvStartFindContours)和泛水填充法(flood-Fill)。連通域法主要思路就是先求出連通域的輪廓，然后用指定的形狀擬合，然后求每個連通域的面積。泛水填充法floodFill(Mat，cvPoint(i，j)，cvSca-lar(color))就是將與坐標為cvPoint(i，j)連通的所有的點的顏色都改為cvScalar(color)，兩個算法組合來使用，先采用泛水填充法降噪，再使用連通域算法，噪點能去除得比較干凈。1.4.3圖像膨脹、腐蝕處理經上述處理之后的數字圖像常需要通過膨脹處理使中值和模糊平滑處理，讓數字變得連續;如果膨脹過大可以進行腐蝕運算。膨脹是將圖像中高亮區域的領域擴大，可用函數Imgproc.dilate()。相反，腐蝕為圖像中高亮區域的領域縮小，可用函數Img-proc.erode()，如圖5、圖6所示。1.4.4數字圖像分割并存儲識別時，需要將圖片上的字符一個個“扣”下來，得到單個的字符，再進行OCR識別。字符的粘連是分割的難點。Opencv的泛水填充法floodFill(m_Mat，cvPoint(i，j)，cvScalar(color))可以用于圖片分割。1.4.5數字圖像識別識別是把圖像還原回字符文本的過程，包括特征提取和模式匹配等操作。常用做法是:先獲取數字圖片的特征碼，再用各種算法對特征碼進行分類并打上相應的類標簽。將最終得到的特征碼與我們預先設置好的訓練樣本特征庫內的特征碼進行逐一比對，如果匹配成功則返回正確的結果。訓練樣本準備好后，在OpenCV中創建相應的分類器非常方便。有很多封裝好的分類器，如KNN、NN、SVM等。

2系統實現

2.1系統組成。文中設計的能源計量器具識采系統包括采集控制終端和圖像采集前端。終端是整個系統的中樞，通過運行定制軟件來控制各個節點的圖像采集及分析、存儲和上傳，文件的數字化轉換，數據分析識別，原始文件和識別后數據的保存，調用，并將識別好的數據信息發送到指定設備。定制的圖像數字識別軟件調用OPENCV庫文件和自己制作的庫進行編程，實現多種現場情況的圖像識別功能。前端圖像采集部分由單片機控制模塊與攝像頭組成。前端圖像采集部分包括補光處理、圖像采集、傳輸等功能。采集節點之間采用工業485總線結構，將所有設備連接在一起構成有線的前端采集系統，這樣可滿足工業企業距離遠、傳輸可靠的特點。其中圖像采集攝像頭實現原始圖像的采集。為適應工業能源計量數據采集環境，攝像頭整體防水并采用定焦模式，單片機模塊及攝像頭模組都放在防水殼體內部。通過尾部的引線與系統連接。如圖7，在系統設備安裝時將鏡頭的焦距調節好，以后在使用過程中不再改變。為達到均勻補光防止反射的效果，鏡面采用霧化處理。2.2系統測試。文中設計的能源計量器具識采系統最終要實現對字輪顯示、數碼管顯示、或者是液晶顯示的非智能表具的圖像識別。系統工作過程如圖8所示。單片機系統控制攝像頭和補光燈，對非智能表具的讀數界面拍照，將照片傳輸到采集終端，終端接收用定制程序對照片中的圖像數據進行識別，保存所有數據記錄(包括原始圖像及識別后的數據)，將識別出來的數據保存成指定格式文件記錄，供其它程序調取。經過多次調試及改進，本系統對于數碼管顯示和液晶顯示的計量器具的識別沒有問題。在識別讀數為字輪顯示的水表時，字輪在連續旋轉過程中可能停留在圓周的任何一個位置，尤其當停留在進位狀態時，識別的準確率有所下降。為此，我們下一步建立相應的半字特征庫。經過改進軟件可進一步實現自學習功能，隨著樣本數據量的不斷增加，逐步減少識別錯誤或識別混亂的情況，達到更高的識別準確率(見圖9)。

3結論

數顯式計量器具識采系統結合現場設備，依托圖像識別技術對原本無數據接口的計量器具實現自動采集，能很好的適應能耗計量數據的采集工作，大大縮短計量器具改造安裝時間。在提高工作效率的同時，最大程度避免人為因素的誤差。經過數顯式計量器具識采系統定時定點的采集，可滿足不宜改造的能源計量器具數據采集的需要，是能耗數據采集系統的良好補充。

參考文獻

［1］RafaelC.Gonzalez，RichardE.Woods，阮秋琦，阮宇智等譯.數字圖像處理(第二版)［M］.北京:電子工業出版社，2003.

［2］白福忠.視覺測量技術基礎［M］.北京:電子工業出版社，2013.

［3］黎松，平西定，丁益洪.開放源代碼的計算機視覺類庫OpenCV的應用［J］.計算機應用技術，2005，22(08):134～136.

［4］金洋，孫洪芳，方緒才，等.基于EmguCV圖像識別技術在熱力蒸汽流量計量設備數據采集中的應用［J］.電力建設，2017，(04):83～84.

作者:張怡 吳曉雪 李騁 單位:貴州省計量測試院