基于旋转投射校准的配电室指针仪表读取方法.pdf

Microcomputer Applications Vol.39,No.8,2023文章编号：10 0 7-7 57 X（2 0 2 3)0 8-0 0 0 9-0 4基金项目基于旋转投射校准的配电室指针仪表读取方法微型电脑应用2 0 2 3年第39 卷第8 期唐冬来，李玉，杨平，付世峻，黄璞，邓园园（四川中电启明星信息技术有限公司，四川，成都6 10 0 95）摘要：为了解决配电室指针仪表监测中存在准确率差、采集频度低的问题，基于旋转投射校准，提出配电室指针仪表自动读取方法。为了消除巡检机器人多次拍摄配电室指针仪表图片存在拍摄角度差的影响，采用区域卷积神经网络对配电室指针仪表图片进行图像旋转投射校准；采用固定标准特征变换算法对指针仪表图像进行分割，并采用颜色变换特征提取指针仪表的刻度特征。在此基础上，通过霍夫变换提取指针仪表的指针读数；在某区域配电室进行实例应用，并将所提方法与应用支持向量机方法进行比较，其结果验证了所提方法的有效性和可行性。关键词：旋转投射校准；图像分割；指针仪表；刻度特征；指针读数中图分类号：TN99文献标志码：AReading Method of Pointer Meters in Distribution RoomBased on Rotation Projection CalibrationTANG Donglai,LI Yu,YANG Ping,FU Shijun,HUANG Pu,DENG Yuanyuan(Aostar Information Technology Co.,Ltd,Chengdu 610o95,China)Abstract:In order to solve the problems of poor accuracy and low acquisition frequency in the monitoring of pointer instrumentsin distribution room,an automatic reading method is proposed based on rotary projection calibration.In order to eliminate theinfluence of the angle difference when the inspection robot takes the pointer images for many times,the regional convolutionneural network is used to calibrate the image rotation projection of the pointer images.The fixed standard feature transform al-gorithm is used to segment the pointer instrument image,and the color transform feature is used to extract the scale feature ofthe pointer instrument.On this basis,Hough transform is used to extract the pointer reading of pointer meter.An example isapplied in a regional distribution room,and the proposed method is compared with the support vector machine method.The re-sults verify the effectiveness and feasibility of the proposed method.Key words:rotation projection calibration;image segmentation;pointer instrument;scale characteristics;pointer reading0引言通常情况下，配电室有大量的电流、油温等指针仪表，而这些指针仪表不具备数据采集功能11。若采用人工方式读取指针仪表，则会造成人力资源浪费、数据采集频度低等问题，不能满足政府对重点用能单位碳排放监测频度需求 2 3。近年来，随着信息技术的迅猛发展，配电室巡检机器人逐步替代人工进行指针仪表的图像读取工作4，但如何准确读取指针仪表数据至今仍然是一个难题 5。为此，国内外大量的学者对配电室指针仪表自动读取做了研究。文献 6 通过双边滤波消除光照对指针仪表识别的影响，并采用全卷积网络识别图像中的指针仪表数据。文献7通过颜色像素点的突变位置获取指针仪表盘的中心位基金项目：四川省科技计划项目（2 0 2 1GFW0021）作者简介：唐冬来（198 0 一），男，本科，正高级工程师，研究方向为配电网量测、分析和电力信息化咨询；李玉（197 8 一），女，硕士，高级工程师，研究方向为电力信息化、物流信息化；杨平（197 1一），女，硕士，高级经济师，研究方向为物流信息化、供应链；付世峻（197 6 一），男，硕士，工程师，研究方向为电网信息化、电力市场；黄璞（198 1一），女，本科，工程师，研究方向为电网信息化、电力市场；邓园园（198 7 一），女，本科，助理工程师，研究方向为计算机软件开发与应用。置，并通过颜色分割获取指针仪表的读数。文献 8 通过支持向量机线性分类器对图像窗口特征进行分析，并通过图像灰度信息检测指针仪表数据。文献 9 通过指针仪表盘分布直方图消除外界光线对图像读取的干扰，并通过快速旋转(ORB)方法检测图像角点来实现仪表指针定位。文献 10 通过卷积神经网络检测指针仪表图像边缘，在进行缩放修正相机图像后，提取指针仪表读数。由此可见，配电室指针仪表自动读取方法多样且取得了一定的效果，但配电室巡检机器人在巡检时，每次拍摄指针仪表盘的视野角度存在变化，且受指针仪表盘上干扰条纹影响，造成了配电室指针仪表识别准确度差。为解决配电室指针仪表监测中存在准确率差、采集频度低的问题，本文提出基于旋转投射校准配电室指针仪表自动9Microcomputer Applications Vol.39,No.8,2023读取方法。首先，采用区域卷积神经网络对指针仪表图像进行旋转校准；然后，采用固定标准特征变换算法对指针仪表图像进行分割，提取指针仪表的刻度特征；最后，通过霍夫变换，提取指针仪表读数。1指针仪表自动读取流程本文所述的基于旋转投射校准的配电室指针仪表自动读取方法流程如图1所示。指针仪表自动读取分为指针仪表拍摄角度校准、指针仪表刻度数据提取和指针仪表数据识别三环节。在指针仪表拍摄角度校准环节，首先对配电室巡检机器人拍摄图像角度进行识别，如超过阈值，则重新拍摄图片，然后采用区域卷积神经网络对指针仪表图片数据进行旋转校准。在指针仪表刻度数据提取环节，通过固定标准特征变换算法对配电室指针仪表数据进行分割，然后基于颜色特征数据进行指针仪表刻度数据提取。在指针仪表数据识别环节，通过霍夫变换，提取指针仪表的指针读数。开始配电室指针仪表数据输入图像偏转角度是否在阅值范围内香巡检机器人重新拍摄图片指针仪表图片旋转校准指针仪表图像分割图1指针仪表自动读取流程图2指针仪表自动读取流程2.1指针仪表拍摄角度校准配电室巡检机器人每次拍摄配电室指针仪表时存在视野角度差异，会造成配电室指针仪表识别准确率下降。所以在配电室指针仪表识别前需进行拍摄图像角度校准。区域卷积神经网络（R-CNN）具有图像特征学习能力 11-12 ，通过模型训练，可用于指针仪表拍摄角度偏移旋转校准。本文对配电室巡检机器人拍摄的指针仪表角度进行识别。首先，采用Canny边缘检测获取配电室指针仪表的图像边缘特征；然后，采用线条检测获取配电室指针仪表的中心点和4个边缘点，在得到配电室指针仪表中心点和4个边缘点的坐标数据后，通过余弦三角函数计算配电室指针仪表的倾角。设配电室指针仪表中心点到其中一个顶点的距离长度为L。，通过配电室仪表档案数据获取到仪表中心点到对应的顶点距离长度为L，配电室巡检机器人拍摄到的指针仪表角度为(1)L若指针仪表图像角度在阈值范围外，则控制配电室巡检机器人再次进行指针仪表图像拍摄，直至指针仪表图像角度满足图像识别要求。然后，采用区域卷积神经网络对指针仪表的图片边缘区基金项目域进行池化，获得指针仪表固定区域的特征图。设指针仪表特征区域图像长度为ha，宽度为la，指针仪表中心点的位置横轴长度为J，纵轴长度为y。，其最长的边指针仪表图像的水平线G.为(2)其次，区域卷积神经网络对指针旋转标签进行训练，设指针仪表偏移的角度为,图像中显示的区域为K，旋转角度次数为s，回归目标B()为B(u)=smooth(K,:)i=s最后，将指针仪表图片区域进行角度旋转，实现对指针仪表拍摄图片的角度校准。2.2指针仪表刻度数据提取固定标准特征变换算法是一种针对图像尺度空间识别的局部特征分析算法。通过在空间尺度寻找极值点的方法实现指针仪表数据区块分析，以提高识别精准度。本文对固定标准特征变换算法进行了改进，增加了表盘区块分割、刻度、指针颜色特征提取和刻度拼接，可减少仪表表盘干扰条纹数据的影响。指针仪表刻度数据提取设经过角度校正的指针仪表图像数据为F（b，y o），固指针仪表指针数据提取定标准特征变换算法的空间尺度为，采用高斯滤波，得到图否像信息L（c，y b，o），设角度校准后的配电室指针仪表边缘为指针仪表数据识别是工是否识别成功是结束微型电脑应用2 0 2 3年第39 卷第8 期Gu=max(J.)(3)u、u,则配电室指针仪表空间尺度极值P(a，y b，o)为P(ab,yb,o)=L(m,yu ou)-L(,ou，o）(4)在检测到配电室指针仪表空间尺度之后，对指针仪表图像数据进行尺度转换，转换值E.为Ea=P(cb,yb,o)XH(cb,yh)在此基础上，对配电室指针仪表尺度转换后的表盘图像数据进行分割，以消除干扰条纹对配电室指针仪表的影响。通过红、绿、蓝颜色（RGB)灰度检测，获得配电室指针仪表的刻度特征值。设指针仪表刻度点的坐标为（ac，y）,顶点坐标为（d，ya),图像积分函数为,其灰度值之和V(a，y)为V(ae,ye)=设指针仪表刻度的4个角边缘点坐标为V（a e i，y e i）、V(e2,ye2)、V(3,c 3)、V(e 4,y e 4),计算区域灰度值Pk：Pr=V(e4,ye)-V(e2,ye2)-V(e3,yes)+V(xel,ya)最后，建立配电室指针仪表的刻度矩阵，设刻度、指针的坐标为、y，检测点为J。，检测矩阵J，为JaJafaJ，JcyJey通过RGB颜色检测，可提取配电室指针仪表的刻度数据。2.3指针仪表数据识别采用霍夫变换将配电室指针仪表的指针坐标数据转换为参数空间数据，可提高对配电室指针仪表的指针直线识别准确率，减少条状干扰源对配电室指针仪表的指针读取影响。设在图像空间中指针仪表的指针自变量为R。，指针直线的斜率为Pe，截距为F,，指针的因变量S为10(5)(6)(7)(8)Microcomputer Applications Vol.39,No.8,2023设指针视角的正弦为sin,余弦为cos，通过霍夫变换，用参数方程表示配电室指针仪表的直线Z：Z,=Rcos9+Sksin在获取到配电室指针仪表的指针直线特征后，通过语义分割算法和函数转换推导指针仪表角度及其对应的刻度数值之间的函数关系，从而得出仪表读数。设指针仪表盘刻度对应的角度为0 a，单位刻度的数值为kd，指针角度为b，则指针读数n为ObXkd1=3算例分析3.1场景与参数设定采用本文所提出的基于旋转投射校准的配电室指针仪表自动读取方法，对某城市的配电室指针仪表进行自动读取评估，视频信号处理的后台服务器的处理器为16 核2.6 GHz，服务器内存为6 4G，系统环境为WindowsSever2016。首先选用32 类指针仪表的标准正视图作为正样本进行模型训练，并进行正样本标注；然后选取巡检机器人所拍摄的2 9 7 8 2 张指针式表计数据作为训练集，进行模型的训练和标注。每张图片的分辨率为10 8 0 19 2 0 px，验证集随机选取10 0 0 0 张图片进行验证。3.2算例运行结果与分析（1）指针仪表自动读数时间分析指针仪表自动读数时间是衡量本文所提模型的运行效基金项目Sk=P.R。+F,(9)(10)(11)微型电脑应用2 0 2 3年第39 卷第8 期准效果越好，其对指针仪表自动读数识别准确性支撑也就更好。为了验证本文所提区域卷积神经网络的拟合精度，对本文所提模型进行50 0 次训练，获取区域卷积神经网络旋转校正的误差直方图，结果如图2 所示。3.503.00%/2.502.001.501.000.500100图2 区域卷积网络旋转校正拟合精度直方图由图2 可见，通过区域升级网络对本文所提方法进行训练，随着训练次数增加，误差逐渐降低，在32 0 次左右，误差稳定在5.5%左右。（3）指针仪表拍摄角度校准前后对比为了验证本文所提方法的指针仪表拍摄角度校准效果，采用变电站主变油温度指针仪表进行校准，校准前，拍摄角度偏移18，校准前后的对比如图3所示。6040609010010012012020108emperarTemYa9200选代次数300400ederm500率的重要因素之一。在检测相同数量的指针仪表图片下，自动读数的时间越短，该模型的处理能力就越高。为了验证本文所提方法的指针仪表自动读数时间的效率，随机选择验证集中的10、2 0、50、10 0、2 0 0、30 0 张配电室电流指针仪表的图片数据，对比本文所提方法与支持向量机方法的指针仪表数据自动读取时间，对比结果如表1所示。表1指针仪表自动读数时间分析表自动读取时间/s指针仪表图片数量旋转投射校准100.21200.46501.121002.232004.353006.56由表1可见，本文所提方法在6 组不同指针仪表数量的读取时间中均短于支持向量机方法，因此，本文所提方法运行效率更高。（2）区域卷积神经网络旋转校正拟合精度区域卷积神经网络的旋转校正拟合精度是衡量有拍摄角度差的校准误差的关键指标。配电室巡检机器人每次在拍摄指针仪表时，由于拍摄的图片角度发生变化，所以需要区域卷积神经网络对拍摄的图片角度进行校准。区域卷积神经网络的拟合精度越小，配电室巡检机器人拍摄照片的校校正前图3指针仪表拍摄角度校准前后对比图由图3可见，通过指针仪表拍摄角度校准后可将指针仪表图片的倾斜角度调整到正常角度。（4）指针仪表刻度与指针提取效果为了验证本文所提方法的指针仪表刻度与指针提取效果，采用变电站主变油温度指针仪表进行提取，刻度及指针提取结果如图4所示。支持向量机1.362.857.0914.4227.5840.97校正后406080201000-20图4指针仪表刻度与指针提取效果（5）指针仪表角度校正准确率指针仪表角度校正准确率是评估倾斜指针仪表图像旋转较准后的角度误差的重要指标。该指标的计算方式为角度校正的仪表与正样本之间的比较，比值即为准确率。选择验证集中的10 0 0、2 0 0 0、30 0 0、50 0 0、8 0 0 0、10 0 0 0 张角度倾斜图片，对比本文所提旋转投射校准方法与支持向量机方法的指针仪表角度校正准确率。对比结果如表2 所示。.11.120140Microcomputer Applications Vol.39,No.8,2023表2 指针仪表角度校正准确率表指针仪表角度校正准确率/%样本数旋转透视较准100098.8200098.8300099.5500099.4800098.91000099.8由表2 可见，本文所提方法的指针仪表角度校正准确率高于支持向量机方法。（6）指针仪表自动读数模型错、漏检率分析指针仪表自动读数模型的错检率是检测到的错误图片数量与检测图片总数之比。指针仪表自动读数模型的漏检率是检测到的遗漏检测图片的数量与检测图片总数之比。两者均为衡量指针仪表自动读数模型检测成功率的关键指标。其错检率和漏检率越小，指针仪表自动读数模型后续的检测准确率支撑数据也就越高。为了验证本文所提方法的指针仪表自动读数模型错、漏检率，选择验证集中的10 0 0 0 张配电室指针仪表图片数据，对比本文所提方法与支持向量机、随机森林方法的错检率和漏检率。错检率定义为模型检测错误的图片数量与总数之比，漏检率为模型遗漏检测的图片数量与总数之比。对比结果如表3所示。表3指针仪表自动读数模型错检率、漏检率分析表模型错检率/%旋转投射校准0支持向量机0随机森林6.27由表3可见，本文所提方法在配电室指针仪表的错检率和漏检率方面低于传统的支持向量机与随机森林方法。（7）指针仪表自动读数模型识别准确率分析指针仪表自动读数模型识别准确率是模型所检测指针仪表读数正确的数量与总数之比。识别准确率是衡量模型读数是否准确的最关键指标。为了验证本文所提方法的指针仪表自动读数模型识别准确率，选择验证集中的10 0 0、2 0 0 0、30 0 0、50 0 0、8 0 0 0、10000张配电室电流指针仪表的图片数据，对比本文所提旋转投射校准方法与支持向量机方法的模型识别准确率。将旋转投射校准方法与支持向量机方法模型自动地识别配电室指针仪表读数与人工读数进行比较，两者一致的数量和总数之比即为准确率。对比结果如图5所示。由图5可见，本文所提旋转投射校准方法的配电室指针仪表读数识别准确率高于传统的支持向量机方法。4总结为了解决配电室指针仪表监测中存在准确率差、采集频度低的问题，本文提出了一种基于旋转投射校准的配电室指针仪表自动读取方法。首先，采用区域卷积神经网络对配电室指针仪表拍摄角度偏移图片进行投射校准；其次，采用固基金项目支持向量机91.591.491.591.191.991.5漏检率/%1.289.6412.72微型电脑应用2 0 2 3年第39 卷第8 期100r一旋转投射校准口支持向量机97949188F851000200030005000800010.000图片数量图5指针仪表自动读数模型识别准确率分析图定标准特征变换算法和颜色变换特征提取指针仪表的刻度特征；然后，采用旋转投射校准提取指针仪表的指针读数；最后，选择某区域配电室巡检机器人拍摄的电流指针仪表数据，将本文所提方法与支持向量机方法对比。结果表明，本文所提方法在模型读数时间、错检率、漏检率、识别准确率方面均优于向量机方法。下一步将结合变电站指针仪表特点拓展本文所提方法的应用场景。参考文献1唐霞，苏盈盈，罗好，等.工业指针仪表智能识别系统设计 J.重庆科技学院学报（自然科学版），2 0 2 1，2 3(2):87-90.2 刘紫熠，刘卿，王崇，等.基于智能电表运行故障数据的纵向分析模型J.计算机科学，2 0 19，46（S1）：436-438.3张平，丁永泽，王致芃，等.变电站指针式仪表精准读数及可靠度估计模型 J.激光与光电子学进展，2020,57(10):101012.4邬蓉蓉，黎大健，覃剑，等.变电站室内柔索驱动巡检机器人系统设计与运动学分析J.电力系统保护与控制,2 0 2 1,49(10)：8 9-9 7.5袁玉峰.基于连通域标记的压力表读数自动识别系统J.计量与测试技术,2 0 18,45（4)8 5-8 8.6 贺要锋，闫明，张柯，等.指针式仪表识别算法及在电力巡检中的应用 J.测控技术，2 0 2 1，40（1）：114-117.7徐鹏，曾卫明，石玉虎，等.一种指针式油位计读数识别算法 J.计算机技术与发展，2 0 18，2 8（9）：18 9-193.8 向友君，江文，阮荣钜.基于刻度准确定位的指针式仪表示数识别方法 J.华南理工大学学报（自然科学版），2 0 2 0，48(10)：12 9-135.9 李慧慧，闫坤，张李轩，等.基于MobileNetV2的圆形指针式仪表识别系统 J.计算机应用，2 0 2 1，41（4）：1214-1220.10胡秀军，于凤芹.基于单参数同态滤波与全局对比度增强的指针仪表读数识别方法 J.仪表技术与传感器,2 0 2 1(5):42-46.11赵健，娄震.多个指针式仪表的识别.传感器与微系统,2 0 2 0,39 2）：6 1-6 4.12刘聪聪，应捷，杨海马，等.基于区域卷积神经网络的空中飞行物识别算法 J.传感器与微系统，2 0 2 1，40(1):110-113.（收稿日期：2 0 2 1-11-2 6)12