曾 科，高 潮，扶 新，郭永彩，秦 琨，王攀峰

(1.重慶大學(xué) 光電技術(shù)及系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，重慶 400044;2.重慶長安工業(yè)（集團(tuán)）有限責(zé)任公司計(jì)量測試中心，重慶 400023)

0 引 言

隨著現(xiàn)代工業(yè)及焊接技術(shù)的迅猛發(fā)展，焊接設(shè)備已成為汽車制造、機(jī)械加工、化學(xué)工業(yè)、航空航天、造船以及首飾修復(fù)等眾多領(lǐng)域不可缺少的工業(yè)設(shè)備[1]。目前大多數(shù)電焊機(jī)屬于數(shù)字式，具有讀數(shù)簡單、易于顯示等優(yōu)點(diǎn)。電焊機(jī)的顯示參數(shù)主要包括電流和電壓，這兩個參數(shù)與產(chǎn)品焊接質(zhì)量直接相關(guān)，所以需定期對其進(jìn)行校準(zhǔn)。傳統(tǒng)的人工記錄電焊機(jī)電流、電壓的校準(zhǔn)方式由于操作麻煩、效率低、易出錯、誤差大等缺點(diǎn)，已不能滿足現(xiàn)代化的生產(chǎn)需求，而用機(jī)器視覺代替人體視覺的方式實(shí)現(xiàn)數(shù)顯儀表的快速自動識別成為可能。采用機(jī)器視覺的方式不但可以減少繁瑣的人工操作過程，還可以減少人為出錯幾率，更可為數(shù)顯儀器的自動化測試奠定基礎(chǔ)。

目前用于字符識別的方法主要包括模板匹配法、穿線法、神經(jīng)網(wǎng)絡(luò)。模板匹配法對每個模式類都定義一個標(biāo)準(zhǔn)的模式，這種方法適用于印刷體數(shù)字的識別[2]。模板匹配由于其算法的原理[3]，每個被切分的字符需要和建立好的模板庫中的20個模板（0～9和含有小數(shù)點(diǎn)的0～9字符）進(jìn)行查找匹配，直到匹配成功才結(jié)束，導(dǎo)致該匹配過程比較耗時，不滿足快速變化的數(shù)顯表識別。穿線法識別是基于七段數(shù)顯表字符的每一段特征建立碼表[2,4-5]，根據(jù)每個字符的碼表進(jìn)行查找匹配識別，該方法具有識別簡單、速度快等優(yōu)點(diǎn)，但是對顯示的字符信息要求比較完整。申小陽等[6]提出穿線識別的方法，其識別率為95%；童文超等[7]關(guān)于穿線識別方法研究的識別率為95%，平均識別時間為1.3 s。神經(jīng)網(wǎng)絡(luò)[8-10]法需要設(shè)計(jì)大量訓(xùn)練樣本，經(jīng)過設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對訓(xùn)練樣本形成決策分類，該方法過分依賴特征向量的選取。文獻(xiàn)[11]使用神經(jīng)網(wǎng)絡(luò)的方法用于數(shù)顯表識別，其識別率為95%，識別時間400 ms。

對比上述識別方法，本文選擇穿線法進(jìn)行數(shù)顯表識別研究。上述基于穿線法識別的準(zhǔn)確率在95%，平均識別時間較長，不滿足快速變化的電焊機(jī)數(shù)顯表。為了提高識別的精度以及算法的實(shí)時性，本文構(gòu)建了改進(jìn)的穿線識別方法以及新的小數(shù)點(diǎn)定位識別框架，實(shí)驗(yàn)測試該算法識別率與識別時間，為自動化實(shí)時校準(zhǔn)系統(tǒng)提供基礎(chǔ)。

1 算法識別流程圖

算法識別過程主要由3部分組成：圖像預(yù)處理、圖像分割、字符識別，如圖1所示。

圖1 算法識別流程圖

1.1 圖像預(yù)處理

受數(shù)顯表面的清潔度、環(huán)境的光照強(qiáng)度以及反光等因素影響，圖像傳感器獲取的彩色圖像存在模糊、噪聲等缺陷，嚴(yán)重影響圖像的識別率及效率，因此需要圖像預(yù)處理減少上述因素對圖像質(zhì)量的影響。圖像預(yù)處理對于后期的圖像分割、字符識別以及實(shí)時系統(tǒng)構(gòu)建起著至關(guān)重要的作用。

對數(shù)顯儀表上的數(shù)據(jù)區(qū)域進(jìn)行分析，可以得到感興趣區(qū)域具有以下3個特征：

1）在一個區(qū)域內(nèi)密集包含多個字符；

2）發(fā)光顯示的數(shù)顯儀表，在圖像中較亮，其所在的灰度等級較高；

3）小數(shù)點(diǎn)在字符的右下邊界位置，高度和數(shù)碼管字符的段寬度相近。

根據(jù)上述3個特征設(shè)計(jì)算法，不但能快速定位數(shù)據(jù)區(qū)域還能提高字符的識別率。

1.1.1 亮度特征提取

顏色特征是字符識別的一個重要特征。發(fā)光的數(shù)碼管和背景的亮度灰度級偏差較大，因此本文中提取HSV顏色空間中亮度（Value，V）特征作為顏色特征，在保證精度的前提下，通過降低識別目標(biāo)的特征維度提高識別的速度。如圖2所示，經(jīng)過顏色空間轉(zhuǎn)換，可以有效地解決各種發(fā)光（紅色、綠色、黃色等）顯示的數(shù)顯。RGB到HSV的V通道轉(zhuǎn)化為

圖2（b）表示對不同顏色顯示的圖像提取亮度特征值得到的處理效果，從二值化結(jié)果表明該特征能很好地適應(yīng)各種顏色顯示的數(shù)顯表，但是對于泛光嚴(yán)重的數(shù)顯表，其亮度特征會被大量噪聲影響，導(dǎo)致使用該特征效果較差。

圖2 不同顏色圖像的特征處理

1.1.2 圖像二值化和濾波去噪

二值化的核心問題是選擇合適的灰度等級[12]，使用該灰度級能有效地將目標(biāo)和背景區(qū)分開。本研究是針對發(fā)光顯示的數(shù)顯表，由于其灰度級較高，所以用最大類間方差方法[13]（Otsu）能得到較好的效果，二值化效果如圖3（b）所示。

長期使用的數(shù)顯表，其界面上可能會出現(xiàn)嚴(yán)重影響后期圖像處理的噪點(diǎn)。濾波去噪可以減少噪聲，提高圖像質(zhì)量。影響后期識別精度的噪聲主要包括字符周圍以及字符間的噪聲，采用中值濾波可以有效地剔除部分噪聲，而且還保留了目標(biāo)的邊緣特征信息。經(jīng)過濾波去噪，字符0、1、7會出現(xiàn)中間斷裂，基于開運(yùn)算的方法可以連接中間斷裂的像素提高定位準(zhǔn)確率。

圖3 圖像預(yù)處理

從圖3中可以看出經(jīng)過濾波以及開運(yùn)算處理后，減少了部分字符周圍的噪聲。

1.1.3 圖像定位及分割

圖像分割是將目標(biāo)從背景中分離。文獻(xiàn)[14]使用Sobel算子提取字符特征信息。本文基于橫向掃描和縱向高度連續(xù)掃描的方法找到字符的上下邊界，如圖4所示。

圖像分割出每個字符，數(shù)顯表上的中間指示燈也被裁剪出來。后期識別的時候可以根據(jù)位置信息排除其干擾。

1.2 字符識別

穿線法識別的原理如圖5所示。為了更好地表示數(shù)碼管的特征，將后續(xù)的圖像的灰度進(jìn)行反轉(zhuǎn)處理，圖像中的白色表示背景，黑色表示字符信息。

圖5（a）中的線A表示七段數(shù)碼管高度1/4處與數(shù)碼管的特征交點(diǎn)，線B表示與七段數(shù)碼管高度3/4處的特征交點(diǎn)，線C表示與七段數(shù)碼管寬度1/2處的特征交點(diǎn)，用編號①～⑦表示這7個交點(diǎn)的信息，如果識別字符的段與直線A、B、C有交點(diǎn)置為1，無交點(diǎn)則置為0。對數(shù)字0、2～9這9個數(shù)字進(jìn)行編碼可得表1。對于字符1，由于其寬度和其他字符的寬度有偏差，不能用穿線的方法，所以本文用其他方法對其進(jìn)行識別。對于0、2～9這9個數(shù)字，圖5（b）展示用穿線法快速識別每個字符的過程。

1.2.1 非字符1識別

對于大部分?jǐn)?shù)顯表，其顯示的七段字符并不像圖5（a）那樣垂直，而是如圖6（a）所示，七段字符的右側(cè)段朝右傾斜，直線C的底部會與字符7的右下側(cè)的段產(chǎn)生交點(diǎn)，導(dǎo)致用上述穿線方法對字符7、3出現(xiàn)錯誤識別。所以本文對直線C提出了改進(jìn)方法，如圖6（b）所示，基本思想是用一條斜線代替豎直線C，通過檢測字符的右側(cè)段傾斜角度確定斜線的斜率，從而避免錯誤識別字符7和3。假設(shè)斜線的方程為

圖4 圖像定位及分割

圖5 穿線法交點(diǎn)特征提取

表1 字符識別分類碼

圖6 改進(jìn)的穿線法

式中：y——圖像的高度方向，單位為像素；

夏季是降水過程最為活躍的時間段,且降水具有較強(qiáng)不穩(wěn)定性。從影響系統(tǒng)分析來看(表2),高空槽、低空切變和地面倒槽或低壓仍然是大多數(shù)夏季暴雨系統(tǒng)必不可少的配置,而副高的強(qiáng)弱進(jìn)退也成為夏季暴雨重要的制約原因,從表2可見,副高引起的暴雨過程有9次。除此以外,東北冷渦作為重要的一類降水天氣系統(tǒng),仍有10次暴雨過程與之有關(guān)。由于夏季各月的主要影響系統(tǒng)存在較大的差別,以下分月份進(jìn)行分析。

在字符分割時可以確定W和H參數(shù)。對于參數(shù)k，可以依據(jù)線A和線B與字符在高度1/4以及3/4處的邊界獲得坐標(biāo)信息，然后根據(jù)坐標(biāo)信息求得斜率k。

求解k的過程如下：對于字符 0、3、4、7、8、9，在直線A、B與字符右側(cè)邊界各取3個交點(diǎn)；對于字符6在直線A、B與字符左側(cè)邊界各取3個交點(diǎn)；而字符2和5，直接在線A處取6個交點(diǎn)?？梢砸罁?jù)線A和線B的交點(diǎn)信息判斷某個字符屬于上述3種情況中的哪一種。所獲得的6個交點(diǎn)位置信息分別用矩陣M和N順序存儲，如下所示：

根據(jù)M和N，分別計(jì)算兩者的x和y的平均值，即：

通過實(shí)驗(yàn)表明，右側(cè)傾斜的字符其斜率約為-6，當(dāng)斜線的斜率k的絕對值大于10，近似判定字符的右側(cè)邊界豎直，此時取

1.2.2 字符1識別

本文對字符1提出一種新的識別方法。識別的基本思路是：對于寬度較小的字符，并不能確定該字符是1、7或者噪聲，因此需首先根據(jù)線A和線B與字符的交點(diǎn)信息排除噪聲干擾，并且得到字符的段寬和寬度，如圖7所示。通過大量實(shí)驗(yàn)表明：對于字符1，其寬度和段寬比值滿足而字符7滿足所以根據(jù)這兩個比值取一個合理的值作為字符1和其他字符的分界。本文中選取的比值為2.9。本文通過實(shí)時統(tǒng)計(jì)待識別字符的段寬，所以對于其他分辨率的圖像也能獲得較好的識別率。

圖7 字符1識別原理

1.2.3 小數(shù)點(diǎn)識別

因小數(shù)點(diǎn)字符較小，故對其識別一直是字符識別的難題。本文中的小數(shù)點(diǎn)會和其前面的字符被分割在一起，如圖8所示，表示右側(cè)邊界到字符頂部的高，H表示字符的高度。本文提出一種簡單的快速識別小數(shù)點(diǎn)的方法，即通過統(tǒng)計(jì)分析每個含有小數(shù)點(diǎn)的字符，其右側(cè)邊界幾乎都是在小數(shù)點(diǎn)位置處，所以可以通過檢測字符右側(cè)邊界的位置判斷字符是否含有小數(shù)點(diǎn)。對無小數(shù)點(diǎn)和有小數(shù)點(diǎn)總共8個字符統(tǒng)計(jì)其右側(cè)邊界信息，如表2所示。

圖8 小數(shù)點(diǎn)識別原理

表2 小數(shù)點(diǎn)判斷依據(jù)

根據(jù)表中的比值得出結(jié)論：對于無小數(shù)點(diǎn)的字符，其右側(cè)邊界滿足而有小數(shù)點(diǎn)的字符滿足在[0.6，0.9]之間取一個值，便能判斷字符是否有小數(shù)點(diǎn)。本文選擇的

1.2.4 數(shù)據(jù)分類準(zhǔn)則

本文針對電焊機(jī)顯示的電流電壓作為兩類數(shù)據(jù)的識別對象。兩類數(shù)據(jù)處于同一行，通過統(tǒng)計(jì)字符間的距離信息，將距離最大的兩個相鄰字符作為兩類數(shù)據(jù)的分隔。

2 實(shí)驗(yàn)結(jié)果分析

本文的算法設(shè)計(jì)程序利用C++語言實(shí)現(xiàn)。

靜態(tài)識別測試：采集200張30°仰視、200張20°俯視（-20°）、300 張-20°～30°之間的圖像進(jìn)行算法驗(yàn)證，如表3所示?？梢缘玫綀D像識別算法的平均識別準(zhǔn)確率約為99%，拒識別率1%，錯誤識別率1%，平均每張圖像識別時間為7.2 ms。

表3 識別算法測試

動態(tài)識別測試：在相機(jī)分辨率設(shè)置為1 008×602像素的條件下，當(dāng)相機(jī)的采集速度達(dá)到118幀/s時（平均時間為8.5 ms/張），本文提出的算法可以同步識別，正確識別率為98.4%。動態(tài)識別率比靜態(tài)識別率低的原因是由于數(shù)顯表刷新變化過程中，出現(xiàn)停頓現(xiàn)象，導(dǎo)致相機(jī)采集的圖像中的某些字符不屬于0～9，所以識別率降低。動態(tài)識別為數(shù)顯儀器的動態(tài)校準(zhǔn)過程提供了基礎(chǔ)。

3 結(jié)束語

本文從數(shù)顯表的特征入手，建立適用于數(shù)顯儀表圖像的識別算法模型。針對彩色圖像，提出一種利用HSV色彩空間的V通道作為特征的方法，解決各類顏色顯示的數(shù)顯問題。改進(jìn)穿線法，用傾斜線代替豎直特征線，完成了靜態(tài)和動態(tài)字符的識別。針對小數(shù)點(diǎn)提出了利用字符邊界的位置信息快速識別方法。實(shí)驗(yàn)驗(yàn)證本文算法可以識別兩類任意七段字符的數(shù)據(jù)，并且靜態(tài)識別算法的識別率達(dá)到99%，平均識別時間為7.2 ms/張，動態(tài)識別算法的識別率達(dá)到98.4%，平均識別時間為8.5 ms/張。本文研究的算法可用于像電焊機(jī)這種快速變化且含有多參數(shù)的數(shù)顯儀器的動態(tài)校準(zhǔn)。