郝林倩，王明輝

(1.福建船政交通職業(yè)學院,福建 福州 350007;2.四川大學,四川 成都 610065)

引言

智能電表是智能電網(wǎng)系統(tǒng)建設中的重要組成部分,對于實現(xiàn)電網(wǎng)建設的自動化、信息化、智能化和互動化目標具有重要支撐作用。智能電表具有復雜多樣的功能,高效的智能電表自動化監(jiān)測方法,能夠提升智能電表的檢測效率,提高檢測質(zhì)量。在一款智能電表中,LCD顯示屏、LED指示燈、標牌的印刷和制造工藝中無法避免的存在一定缺陷,會給智能電表外觀質(zhì)量和計量信息帶來不利影響。所以,對智能電表出廠之前進行外觀缺陷檢測是出廠必須經(jīng)過的環(huán)節(jié)。傳統(tǒng)的電表出廠檢測一般采用人工檢測,工序復雜且檢測效率低,人工因素對檢測結(jié)果的影響較大,無法滿足信息化的發(fā)展要求[1]。

本文立足于實踐和生產(chǎn)需要,借助.NET開發(fā)平臺,開發(fā)基于圖像處理技術(shù)的智能電表缺陷自動檢測系統(tǒng),實現(xiàn)電表外觀缺陷的自動化和智能化檢測,提升勞動效率和自動化程度的同時,確保缺陷檢測的精確度和連續(xù)監(jiān)測效率,符合生產(chǎn)現(xiàn)場的需要。

1 智能電表檢測系統(tǒng)構(gòu)成

在實際生產(chǎn)過程中,智能電表的外觀缺陷比較常見,尤其是LED指示燈和LCD顯示屏的缺陷頻發(fā),例如LCD顯示屏無法正確亮滅,顯示碼出現(xiàn)斷碼、字節(jié)缺失、顯示模糊問題;標牌內(nèi)容印刷錯誤;LED燈無法給出正確指示,亮度不足以及指示燈顯示錯誤等。傳統(tǒng)的智能電表外觀檢測主要是通過肉眼判斷異常情況,開關(guān)電表來判斷顯示屏是否能夠正確顯示,這種檢測方法的效率較低,員工勞動強度大,檢測的錯檢率高。智能電表缺陷自動檢測系統(tǒng)能夠滿足智能電表缺陷的高速連續(xù)在線監(jiān)測需要,同時能檢測多種類型的外觀缺陷。

基于此,本文提出一種基于圖像處理的智能電表外觀缺陷自動檢測系統(tǒng),采用高速攝像機采集智能電表外觀圖像,通過中值濾波、灰度化處理等圖像預處理技術(shù),突出待檢驗的圖像區(qū)域,減少噪音和干擾因素,結(jié)合邊緣檢測、字符識別等方式,精確識別圖像中的信息,判斷電表外觀是否存在缺陷,完成缺陷的高速、高效的自動檢測。智能電表外觀檢測系統(tǒng)包括圖像采集、圖像處理、計算機控制、PLC控制以及數(shù)據(jù)庫管理五個部分,系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 智能電表自動檢測系統(tǒng)結(jié)構(gòu)示意圖

圖像采集系統(tǒng):系統(tǒng)的硬件部分主要有光源、CCD攝像機、圖像采集卡、計算機。光源的作用是當外界光線較弱或不均勻時,為拍攝環(huán)境提供穩(wěn)定的光線來源,使拍攝到的圖片背景和目標能夠區(qū)別明顯,為后續(xù)圖片的處理做準備。

智能電表顯示自動檢測系統(tǒng)的控制系統(tǒng)為PLC和計算機控制的雙層控制結(jié)構(gòu),計算機控制系統(tǒng)負責系統(tǒng)協(xié)調(diào)、數(shù)據(jù)庫管理、圖像采集與處理、用戶界面管理等,PLC控制負責底層控制。在控制系統(tǒng)中增加紅外通信接口,與智能電表內(nèi)部的通信接口建立通信通道,通過計算機實現(xiàn)智能電表上的LED指示燈和LCD數(shù)字顯示屏的控制,智能電表外觀缺陷自動檢測系統(tǒng)的控制系統(tǒng)如圖2所示。

圖2 智能電表缺陷檢測控制系統(tǒng)

2 圖像處理方法

2.1 圖像采集

將CCD攝像機與PC連接起來,所有采集到的圖像自動傳送到PC機。圖像的質(zhì)量會受到采集設備所在環(huán)境、感光元件、鏡頭抖動情況的影響,所以圖像必然存在噪聲污染,甚至模糊圖像關(guān)鍵信息,導致圖像信息丟失和無法使用。因此,要對采集到的圖像進行預處理,保證圖像質(zhì)量,為后續(xù)圖像信息識別和分析奠定基礎。在有限的條件下,應該盡可能選擇高效的算法,保證系統(tǒng)運算速度和精度符合適用要求,避免出現(xiàn)卡頓等問題。

2.2 圖像預處理

采集到的圖像,不可避免的存在噪聲,要更好地實現(xiàn)圖像識別,必須經(jīng)過一系列圖像預處理操作[2]如圖3所示。

圖3 圖像預處理流程圖

2.2.1灰度轉(zhuǎn)換

在彩色圖像中,包含大量的顏色信息以及圖像強度信息,如果直接對其進行處理,那么運算量將會非常大,影響運算速度[3]。大多數(shù)圖像識別都是基于灰度圖像展開的,因此在采集到圖像之后,在預處理環(huán)節(jié)將圖像轉(zhuǎn)變?yōu)榛叶葓D像。彩色位圖都是由R、G、B三種分量按照不同比例構(gòu)成,灰度圖像中包含基本的量度信息,但是不包括彩色的信息。彩色圖像灰度化的過程就是將圖像的位圖用0和255兩種量度來表示。

2.2.2圖像去噪處理

圖像濾波就是在保留更多圖像細節(jié)信息的基礎上,盡可能地抑制目標對象的噪聲信息,圖像濾波在圖像預處理中占據(jù)重要地位,濾波效果直接影響后續(xù)圖像處理的效率和精度。常見噪聲包括量化噪聲、加性噪聲、承性噪聲,為了更好地展示圖像處理效果,就必須進行圖像噪聲消除。最常使用的圖像去噪方式包括高斯濾波、小波變換、均值濾波、中值濾波以及低通濾波等。

高斯濾波是建立在高斯函數(shù)基礎上的一種線性平滑濾波器,是根據(jù)函數(shù)的形狀來確定波形權(quán)值,是一種典型的低通濾波器,對于正態(tài)分布噪聲具有良好的處理效果,其函數(shù)如式(1)所示:

(1)

均值濾波,就是用周邊像素點的均值來替代像素值,均值濾波可以選擇不同大小的模板,包含目標像素的所有像素的灰度值的平均值作為處理后的灰度值,可以將其函數(shù)表示為:

(2)

如果均值濾波選擇的模板是3*3,則圖4-a中所示的圓圈中的值就是目標像素,均值濾波處理之后的結(jié)果如圖4-b所示。

(3)

圖4-a 灰度圖像的像素數(shù)組

中值濾波就是將待處理像素點周圍固定區(qū)域中的所有像素值按照從小到大或者從大到小的順序排列,用中間值來替代目標像素的灰度值。噪聲點的像素點相對于周邊各個像素點的亮度具有明顯差別,按照特定順序排列像素值,那么噪聲點的值必然處于兩端,所以用中值濾波的方式能夠很好地消除噪聲。

2.2.3圖像分割

灰度圖像的灰度級有0-255,如果將灰度圖像進行二值化處理,圖像的灰度值就是0或者255,一般可以用圖像分割的方式來確定像素值。二值化處理之后,圖像相對簡單,圖像處理的速度更快,所占的系統(tǒng)內(nèi)存更小,便于后續(xù)處理和識別,常見的圖像分割方法包括閾值分割法、基于邊緣或者基于區(qū)域的分割方法等。

閾值分割法,就是提前設定一個分割的閾值,大于這個閾值的灰度值設置為255,小于閾值的灰度值設置為0,以此實現(xiàn)圖像的分割。閾值分割法的一個關(guān)鍵所在就是尋找最佳閾值,獲得最好的分割效果。如果閾值設置太大,那么很多圖像信息無法提取;如果閾值的設置太小,那么就可能會丟失圖像中的關(guān)鍵信息?；谶吘壍膱D像分割法,就是按照邊緣特征的不確定性來分割,如果灰度值發(fā)生階躍變化,以差分算子來進行圖像分割,常見的圖像分割算子包括laplace、sobel、canny等[4]。

2.3 形態(tài)學運算

針對二值圖像的處理而衍生的一種形態(tài)學運算,就是利用膨脹、腐蝕、開閉運算的方式對圖像進行處理,提升圖像的質(zhì)量。

腐蝕運算可以很好地將邊界點消除,圖像整體收縮,其表達式為:

S=X?B={x,y|Bxy?X}

(4)

上述表達式中,S表示的是經(jīng)過腐蝕處理之后的圖像,源圖像為X,結(jié)構(gòu)元素為B,像素點可以表示為 (x,y)代表像素點。腐蝕過程的原理如圖5所示，膨脹原理如圖6所示。

圖5 腐蝕原理示意圖

圖像膨脹和腐蝕操作是一對互反的操作,可以將膨脹運算表示為:

圖6 膨脹原理示意圖

開運算是先腐蝕再膨脹,如式(5)所示:

SB=XοB=(X?B)?B

(5)

閉運算是先膨脹再腐蝕,如式(6)所示:

SB=X·B=(X?B)?B

(6)

3 圖像的識別

經(jīng)過圖像分割操作之后,所有字符按照特定順序存儲,圖像識別模板需要按照相同方法進行制作,然后將模板與圖像容器做比較分析,判斷是否存在誤差。模板容器從現(xiàn)場拍攝的合格產(chǎn)品中選擇,能夠?qū)F(xiàn)場環(huán)境帶來的檢測誤差降到最低。常見模板匹配方法包括相關(guān)匹配法、平方差匹配法等[5]。如果不存在缺陷,那么平方差匹配的結(jié)構(gòu)為0,如果缺陷越大,那么平方差值越大。相關(guān)匹配法中,待測試圖像和模板圖像進行乘處理,如果結(jié)果數(shù)值越大,那么匹配程度就越高,最差的結(jié)果是匹配值為0。

3.1 特征區(qū)域定位與識別

攝像機采集到的圖像與電表的LCD顯示屏的尺寸不同,要將所有的待識別信息包含在內(nèi),就必須將整個LCD屏包含在圖像采集范圍內(nèi)。

圖7 電表外觀圖像

如圖7所示,智能電表的LCD顯示屏部分顏色是統(tǒng)一的,并且該部分顏色與其他部分具有顯著的區(qū)別,基于這一差異,可以完成圖像的特征提取。

若對圖7進行圖像處理,圖中顯示數(shù)字的LCD屏為待檢測區(qū)域,首先要將該區(qū)域確定為樣本,然后提取樣本直方圖,通過直方圖的歸一化處理,得出圖像的函數(shù)。對圖像進行預處理,LCD范圍內(nèi)的像素標記為0,范圍之外的像素標記為1,將圖像投影到灰度空間中,然后對結(jié)果進行二值化處理,得到LCD區(qū)域的基本輪廓如圖8所示。

圖8 圖像預處理效果和邊緣識別效果

3.2 LED指示燈識別

檢測LED指示燈時,要改變指示燈的亮滅,檢測燈是否存在缺陷。在智能電表的內(nèi)部裝有通信模塊,電表能夠?qū)崿F(xiàn)與外部控制設備的通信,通過計算機控制系統(tǒng)實現(xiàn)指示燈的外部控制。檢測之前,要檢驗通信是否正常,對彩色圖像顯示情況進行檢測。以紅綠LED指示燈的顯示識別為例進行分析,首先選擇LED指示燈的區(qū)域,進行二值化處理,然后對圖像進行行分割和列分割,將分割后的LED框定,對于框定結(jié)果不精確的,可以進行修正,根據(jù)像素結(jié)果識別燈的顏色如圖9所示。

圖9 LED指示燈識別

4 電表缺陷檢測系統(tǒng)的軟件設計

4.1 軟件開發(fā)平臺

.NET Framework是微軟公司在Window DNA之后開啟的全新的開發(fā)平臺,它在快速應用開發(fā)、構(gòu)建可視化應用程序方面擁有尤其獨特的優(yōu)勢,同時.NET Framework支持各種類型的業(yè)務流程,可以實現(xiàn)跨技術(shù)邊界的無縫通信,它是以Web Services為核心,為人、信息、系統(tǒng)、設備之間的連接構(gòu)建橋梁。C#編程語言是微軟公司專門為.NET平臺開發(fā)的一種面向?qū)π蜗蟮母呒壋绦蛟O計語言,它是從C、C++和Java語言發(fā)展而來的,在兼具上述三者的優(yōu)點之外,它還具有其自己的特點。C#是借鑒了Delphi的與組件對象模型直接集成的特點,成為第一個面向組件的編程語言,具有較高的穩(wěn)定性,同時具有良好的容錯性和交互性,且方便易用,支持網(wǎng)絡編程的各項新標準。C#語言的產(chǎn)生是基于.NET Framework平臺的,它充分體現(xiàn)了.NET Framework平臺類型安全、版本控制嚴格的優(yōu)點,是最適合.NET Framework開發(fā)的語言。

4.2 外觀缺陷檢測流程

基于圖像處理的智能電表外觀顯示缺陷自動檢測的流程如圖10所示,采集到圖像之后,對圖像進行預處理,然后圖像定位,確定待分析區(qū)域,識別圖像中的字符或者LED亮滅情況,根據(jù)分析結(jié)果,調(diào)整圖像處理的閾值,減小偏差,獲得更好的圖像識別結(jié)果。

圖10 外觀顯示缺陷自動檢測系統(tǒng)的檢測流程

4.3 檢測結(jié)果分析

利用本文介紹的檢測系統(tǒng),開發(fā)基于LabView軟件的外觀缺陷檢測系統(tǒng),系統(tǒng)與生產(chǎn)線連接,通過紅外通信,實現(xiàn)在線監(jiān)測,能夠滿足生產(chǎn)需要。對500只智能電表進行在線檢測試驗。結(jié)果表明,相較于人工檢測,智能在線監(jiān)測能夠極大地提高檢測效率。

5 總結(jié)

按照智能電表外觀顯示特征,設計基于圖像處理的智能電表外觀顯示缺陷自動檢測分析系統(tǒng),搭建檢測系統(tǒng)框架和硬件結(jié)構(gòu),提出合適的圖像處理算法,能夠?qū)崿F(xiàn)缺陷的自動檢測,有效提高檢測效率,檢測誤差率較低,能夠滿足生產(chǎn)需要,具有良好的應用前景。