温州哲成自控阀门有限公司Logo

温州哲成自控阀门有限公司

Wenzhou Zhecheng Automatic Valve Co.ltd

主营产品:调节阀,控制阀,自力式调节阀,压力调节阀,CV3000,精小型电/气动调节阀,耐腐蚀调节阀,电站用调节阀,特殊类调节阀,切断阀

温州哲成自控阀门有限公司二维码

金牌
6
当前位置:温州哲成自控阀门有限公司 > 企业新闻
网站公告
联系人:梅小姐 与我QQ交谈

本公司主要以调节阀,控制阀,电动调节阀,气动调节阀,自力式调节阀,CV3000调节阀生产、研制及销售。哲成自控生产经营的调节阀,控制阀产品广泛应用于水利,石油,化工,冶金,电力,纺织,造纸,医疗,食品等领域。各类调节控制阀、切断阀产品品质优良,价格实惠,深受广大用户青睐,销售热线:86-0577-67980928

产品搜索
淘泵阀微商铺

扫一扫,手机微商铺

企业动态

基于机器视觉的指针式仪表识别系统设计

时间:2019-06-20 出处:温州哲成自控阀门有限公司 关注度:2400

一、引言

       指针式仪表是目前生产过程中应用非常普遍的测量仪表之一, 不仅种类多, 而且生产的数量大。如:百分表、千分表、压力表、汽车仪表、航空仪表等等。指针式仪表在生产过程以及后续的使用中, 需要进行定期的检测维护, 以达到国家检测局的标准。传统的检测方法以采用测量工具并结合人工目测进行测量, 精度低、效率低、工作量大。

随着人工智能的不断发展, 很多智能技术已经可以取代人工。机器视觉可以替代人类的眼睛和大脑, 摄像头作为眼睛, 图像处理技术作为大脑。采用机器视觉技术对指针式仪表进行读数, 可以克服人工测量过程中的困难以及误差, 提高读数的精确性, 并能有效提高仪表检测效率。

二、指针式仪表识别系统的总体构成

       本指针式仪表识别系统由图像采集与图像处理两个部分组成, 图像采集部分负责仪表图像采集工作, 图像处理部分负责仪表图像的分析处理。使用CCD数字摄像机采集图像, 通过USB接口将采集到的图像数据传输到PC机, PC机将采集到的图像进行处理并计算, 得出最终指针式仪表读数;本系统的核心部分为PC机的图像处理单元, 图像处理程序自主研发, 具有可调性, 可以根据使用场所更改不同参数。采集和处理同时进行, 有良好地动态性能;结构简单、使用环境广泛、程序可调性大, 可以适用于多种场所。系统的组成框图如图1所示:

系统的总体构成

图1 系统的总体构成 


三、指针式仪表识别系统的硬件组成

       指针式仪表识别系统的硬件结构主要包括摄像头和计算机, 摄像头采用的是CCD数字摄像头, 具有灵敏度高、体积小、寿命长、抗震度高等优点, 摄像头和计算机的连接方式采用USB直接连接, 用户可在计算机上直接看到摄像头采集到的图像, 操作方便简单、可靠性高、实时性好。

四、指针式仪表识别系统的软件组成

       本文采用的仿真环境是VS2008, 编程语言使用C++和Opencv。Opencv是一个开源的计算机视觉库, Opencv采用C/C++语言编写, 可以运行在Linux/Windows/Mac等操作系统上。Opencv的一个目标是构建一个简单易用的计算机视觉框架, 以帮助开发人员更便捷地设计更复杂的计算机视觉相关应用程序。Opencv包含的函数有500多个, 覆盖了计算机视觉的许多应用领域, 如工厂产品检测、医学成像、信息安全、用户界面、摄像机标定、立体视觉和机器人等。因为计算机视觉和机器学习密切相关, 所以Opencv还提供了MLL机器学习库。该机器学习侧重于统计方面的模式识别和聚类。

指针式仪表识别系统的软件结构为:1.图像采集;2.图像灰度化;3.图像滤波;4.图像分割;5.图像细化;6.Hough变换拟合直线方程。

五、指针式仪表自动识别的实现

(一) 仪表图像的灰度化

       CCD摄像头采集到的图像为彩色图片, 具有R、G、B三种颜色分量, 含有的信息量较大, 处理速度较慢。通过观察, 将彩色图片转换为灰度图片后, 识别所需的信息并未丢失, 而且会减少程序的计算量, 所以首先将摄像头采集到的图片进行灰度化处理。

如果要将彩色图像转换为灰度图像, 只要将图像中的每个像素取出来, 然后取像素的R、G、B颜色分量, 利用如下公式计算灰度值:

按以上计算公式对采集到的真彩色指针式仪表图像进行灰度转换, 在OpenCV中输入图片时采用灰度输入。

(二) 仪表图像的选取

      图片信息量的大小会影响程序的处理速度、还会在计算时干扰计算的精度, 所以要将图片中对指针自动识别有影响的部分去掉。通过观察, 图片下半部分包含的信息都是无用的, 在计算式会干扰计算精度, 所以截除下半部分图像, 只保留指针部分。

在OpenCV中采用如下函数实现。

处理结果如图2所示。

截取部分图像

图2 截取部分图像

(三) 仪表图像的平滑

       图像的平滑处理, 可以初步去掉图像中的干扰信息, 本文采用的平滑方法为搞死平滑, 平滑操作的参数分别采用5、5、0、0, cvSmooth (in, out, CV_GAUSSIAN, 5, 5, 0, 0) 。

(四) 仪表图像的边缘检测

      为了突出图像中的特征, 将指针及刻度的边缘描绘出来, 本文采用Sobel边缘检测, 进行图像的边缘检测。实际参数如下:

为了减少计算量, 并不丢失特征信息, 对表盘图像进行二值化, 即闽值分割, 以得到标准化图像。

边缘检测及二值化后的图像如图3所示。

仪表图像的边缘检测

图3 仪表图像的边缘检测 

(五) 仪表表盘图像的特征增强

经过二值化后的图像已经将干扰信息大部分去掉, 剩下的只有指针和刻度信息, 但是需要更清晰的将这些信息表示出来, 使用形态学运算来提取图像边缘并将其细化, 细化后表盘的特征就更容易提取出来。细化后的图像如图7所示。

(六) 仪表表盘图像的特征提取

仪表表盘图像经过处理后, 特征信息已经清楚可见, 仪表的自动识别需要提取的信息是指针以及刻度, 首先提取指针信息, 指针为图中最长的直线, 以此为特征提取指针信息。本文采用的Hough变换法进行直线的提取。通过hough变换后的仪表指针如图4所示。

仪表指针的位置

图4 仪表指针的位置

可以在一定区域内使用同样的方法找到表盘的零刻度线和最大量程线, 取得指针和最大量程上下限刻度位置角度之后, 根据事先输入的量程大小, 通过下式就可以得出指针的具体读数。

式中N表示读数, A为量程。


仪表图像的细化处理

图5 仪表图像的细化处理 

六、结语

机器视觉技术在指针式仪表识别检测中的应用, 可以提高人工识别的精确度, 也可以代替人工处理一些特殊场所的仪表检测。机器视觉技术的应用, 已经逐渐渗透到各个行业, 也是人工智能发展的一个重要方向。