(廣東工業(yè)大學(xué) 機(jī)電工程學(xué)院，廣州 510006)

0 引言

在變電站中，有許多表盤(pán)用來(lái)監(jiān)測(cè)變電站中設(shè)備的工作狀態(tài)。由于電磁環(huán)境非常復(fù)雜，變電站中的表盤(pán)基本上全部是模擬式而并非數(shù)字式表盤(pán)[1-2]。伴隨著社會(huì)的發(fā)展與前進(jìn)，早期指針式表盤(pán)采取人工讀數(shù)和記錄表盤(pán)數(shù)據(jù)方式，存在工作效率低、易視覺(jué)疲勞、識(shí)別率難以保證和實(shí)時(shí)性差等缺陷,已難以滿(mǎn)足實(shí)際中生產(chǎn)與工作的需求[3]。隨著圖像處理自動(dòng)識(shí)別的發(fā)展，為利用計(jì)算機(jī)代替人工提供了技術(shù)支撐。

在指針式表盤(pán)識(shí)方面,國(guó)內(nèi)外做了大量的研究，Yue[4]提出一種基于 Hough變換的表盤(pán)讀數(shù)方法，通過(guò)測(cè)量指針線(xiàn)段與零刻度線(xiàn)段的夾角來(lái)轉(zhuǎn)換得到表盤(pán)讀數(shù)；Yang Z等人[5]提出一種基于二進(jìn)制描述器來(lái)獲取表盤(pán)的區(qū)域，再通過(guò)基于圓周區(qū)域累積直方圖(circle-based regional—cumulative histogram, CRH)的方法來(lái)對(duì)指針進(jìn)行精準(zhǔn)定位；剪影法[6-7]主要思想是通過(guò)對(duì)不同時(shí)刻的兩幅指針式表盤(pán)圖像進(jìn)行差值運(yùn)算，從而得到指針位置的角度，可該方法對(duì)于光照變化與有陰影干擾等環(huán)境，其效果就不好[3]，對(duì)于工業(yè)應(yīng)用基本上就不起作用；Han[8]提出了一種改進(jìn)Hough變換的算法，先對(duì)圖像進(jìn)行圖像預(yù)處理操作，如中值濾波與二值化等操作，然后利用改進(jìn)的Hough變換檢測(cè)指針直線(xiàn)角度，通過(guò)角度轉(zhuǎn)換獲得表盤(pán)示數(shù)；張永強(qiáng)[9]等提出基于收斂映射CM-Hough變化的檢測(cè)算法，使用Hough變化檢測(cè)直接得到指針位置，然而Hough變換法雖容錯(cuò)性好，但是對(duì)一些多符號(hào)與多線(xiàn)條等干擾并不適用，魯棒性較差[5]。張文杰[10]等提出基于視覺(jué)顯著性區(qū)域檢測(cè)的儀表讀數(shù)算法，先通過(guò)視覺(jué)顯著性檢測(cè)先驗(yàn)知識(shí)來(lái)獲得指針?biāo)趨^(qū)域，然后對(duì)圖像進(jìn)行旋轉(zhuǎn)來(lái)找到橫坐標(biāo)投影的最大值。

變電站刻度儀表大致分為兩大類(lèi)型，每一類(lèi)型又根據(jù)表盤(pán)特征如量程、半徑、顏色等分為多種樣式，一類(lèi)為指針短且細(xì)的表盤(pán)，一類(lèi)是長(zhǎng)且粗的表盤(pán)[5]。指針式表盤(pán)識(shí)別方面已經(jīng)有很多方法,但是目前研究的大部分指針特征比較明顯，長(zhǎng)且粗的表盤(pán)，如圖1(c)、圖1(d)之類(lèi)，而對(duì)于短且細(xì)指針(如圖1(a)、圖1(b)之類(lèi))研究較少，在本文中指針短且細(xì)的表盤(pán)叫做細(xì)指針表盤(pán)。因短細(xì)指針更容易受光照、模糊的影響，導(dǎo)致識(shí)別率低[5]，且在細(xì)指針表盤(pán)識(shí)別中由于其細(xì)指針特征不明顯，以至于指針極難分割且算法魯棒性交差。針對(duì)其問(wèn)題，本文提出一種基于分割扇形區(qū)域的視覺(jué)讀取方法。采用基于SURF算法的多任務(wù)匹配方法，同時(shí)匹配多張模板，解決光照變化過(guò)大影響匹配精度的問(wèn)題，再通過(guò)分割扇形區(qū)域來(lái)獲取指針活動(dòng)區(qū)域,通過(guò)灰度拉伸、二值化處理等預(yù)處理來(lái)分割指針，最后通過(guò)最小二乘法擬合直線(xiàn)求得指針角度，從而完成細(xì)指針指表盤(pán)讀數(shù)的自動(dòng)識(shí)別。

圖1 表盤(pán)種類(lèi)對(duì)比

1 基于圖像處理的表盤(pán)定位算法

1.1 表盤(pán)標(biāo)定

表盤(pán)標(biāo)定是指將細(xì)指針表盤(pán)相關(guān)先驗(yàn)信息錄入表盤(pán)模板庫(kù)中，一種表盤(pán)的檢測(cè)只需要進(jìn)行一次標(biāo)定即可。刻度線(xiàn)所形成的圓本文叫做刻度線(xiàn)圓，通常需要標(biāo)定的信息包括：表盤(pán)量程、刻度線(xiàn)圓半徑、刻度線(xiàn)圓圓心、表盤(pán)最小刻度線(xiàn)角度和表盤(pán)最大刻度線(xiàn)角度等。

1.2 基于SURF算法改進(jìn)的多任務(wù)模板特征匹配算法

SURF匹配算法是在尺度不變特征變換算法(SIFT算法)的啟發(fā)下，在3個(gè)方面對(duì)其進(jìn)行改進(jìn)，即特征點(diǎn)檢測(cè)、特征點(diǎn)描述算子和特征匹配三方面，采用了harr特征和積分圖像的概念，提出的一種類(lèi)似SIFT的加速算法，是一種對(duì)圖像縮放與旋轉(zhuǎn)保持特征不變性的圖像局部特征描述算子[11]。SRUF是SIFT算法加速版，對(duì)特征點(diǎn)檢測(cè)的速度有很大的提高，標(biāo)準(zhǔn)的SURF算子比SIFT算子能夠快好幾倍，并且在多幅圖片下具有更好的魯棒性，各方面性能都得到提高。

1.2.1 積分圖像

SURF通過(guò)對(duì)積分圖像進(jìn)行操作，從而實(shí)現(xiàn)算法加速，利用方框?yàn)V波器計(jì)算每一個(gè)像素點(diǎn)的Hessian矩陣行列式(極小的運(yùn)算量，因其只需簡(jiǎn)單的幾次四則運(yùn)算)，并且其計(jì)算量和方框?yàn)V波器大小無(wú)任何關(guān)系，如此就可以快速地構(gòu)建SURF的尺度金字塔。在積分圖像中，每一個(gè)像元的值是原圖像上對(duì)應(yīng)所在位置的左上角所有元素的和，如式(1)所示:

(1)

式中，I∑(x,y)表示在坐標(biāo)X=(x,y)處，圖像原點(diǎn)和X點(diǎn)所構(gòu)成的矩形內(nèi)像素值的和。

1.2.2 尺度空間的生成

SURF通過(guò)Hessian矩陣行列式來(lái)近似圖像，在點(diǎn)X=(x,y) 處，在尺度σ下，其Hessian矩陣如式(2)所示：

(2)

式中，Lxx為高斯函數(shù)g(x,y,σ)二階偏導(dǎo)函數(shù)和圖像在像素點(diǎn)(x,y)處的卷積，如下式所示：

Lxx=G(x,y,σ)?I(x,y)

(3)

(4)

式(3)、(4)中，Lxy,Lyy含義類(lèi)似。

為了讓運(yùn)算速度提高，Bay等人[12]通過(guò)方框?yàn)V波器對(duì)高斯二階微分模板進(jìn)行近似處理。通過(guò)積分圖像來(lái)對(duì)卷積操作進(jìn)行加速，從而提高計(jì)算速度。在原始圖像上，使用方框?yàn)V波器的效果反映在掩膜版尺寸上。如圖2所示為9×9方框?yàn)V波掩膜版，圖中灰色的部分掩膜版值為0。其對(duì)應(yīng)二階高斯濾波系數(shù)σ為1.2。進(jìn)一步即可得到Hessian矩陣判別式，如式(5)所示：

det(H)=DxxDyy-(0.9Dxy)2

(5)

式中，Dxx,Dyy,Dxy為方框?yàn)V波模板和圖像卷積運(yùn)算后的結(jié)果。

圖2 方框?yàn)V波掩膜版[10]

得到Hessian的行列式圖后，開(kāi)始構(gòu)建尺度圖像金字塔，把尺度空間分為若干階，在每一階中選擇4層的尺度圖像，如果模板尺寸為F×F,該模板對(duì)應(yīng)的尺度計(jì)算公式為σ=1.2×9/F，由Hessian矩陣求出尺度極值,接著在3×3×3的立體鄰域內(nèi)，對(duì)極值點(diǎn)進(jìn)行非極大值比較，具體規(guī)則：如果該極值點(diǎn)為最小值或者最大值，則該極值點(diǎn)即為候選特征點(diǎn)。然后在圖像空間和尺度空間中進(jìn)行插值計(jì)算，獲得穩(wěn)定的特征點(diǎn)位置和其所在的尺度值。

1.2.3 選取特征點(diǎn)的主方向

在SURF中，不會(huì)統(tǒng)計(jì)其梯度直方圖，而是統(tǒng)計(jì)特征點(diǎn)所在區(qū)域內(nèi)的Harr小波特征，具體為以特征點(diǎn)為中心，計(jì)算特征點(diǎn)的鄰域(比如半徑為6 s的圓，其中s表示該點(diǎn)所在尺度)內(nèi)的點(diǎn)在x、y兩方向的Haar小波響應(yīng)，Haar小波邊長(zhǎng)設(shè)置為4 s，如此一個(gè)扇形得到了一個(gè)值。再以角度為60°的扇形以一定間隔進(jìn)行旋轉(zhuǎn)，把60°范圍內(nèi)的所有響應(yīng)相加求和來(lái)形成一個(gè)新的矢量，然后遍歷整個(gè)圓形區(qū)域，把最長(zhǎng)矢量的方向設(shè)置為該特征點(diǎn)的主方向，這樣就可獲得所有特征點(diǎn)的主方向。

1.2.4 基于SURF算法改進(jìn)的多任務(wù)特征向量的匹配

用SURF方法獲得模板圖像和待匹配圖像的特征向量后，歐氏距離作為相似判定度量,以此來(lái)確定一對(duì)匹配點(diǎn)。到兩幅圖像特征點(diǎn)的匹配關(guān)系后，幅圖像存在這樣的一個(gè)變化過(guò)程：

(6)

式中，D為仿射變換矩陣，[x1,y1,1]T，[x,y,1]T分別為某組特征匹配點(diǎn)在模板圖像和待匹配圖像的像素坐標(biāo)。式(6)，就可以求得D矩陣。而實(shí)現(xiàn)待檢測(cè)圖像中的細(xì)指針表盤(pán)的精準(zhǔn)定位。

經(jīng)過(guò)以上步驟，以獲取表盤(pán)的位置，由于變電站對(duì)指針式儀表進(jìn)行定期巡檢來(lái)檢測(cè)電力設(shè)備運(yùn)行狀態(tài)時(shí)，巡檢機(jī)器人在任何一日或者一日中的任何時(shí)期都有可能去巡檢，其間每日天氣不同，一日時(shí)期不同如清早、上午與傍晚，在這種限制情況下，采集到的圖像可能會(huì)光線(xiàn)灰暗，若模板是光線(xiàn)較好的情況下圖像所制作，然而待配準(zhǔn)圖確是光線(xiàn)較暗的圖像，模板圖與待配準(zhǔn)圖細(xì)節(jié)相差大，此時(shí)會(huì)出現(xiàn)找不到匹配點(diǎn)或者匹配較少?gòu)亩ㄎ徊坏奖肀P(pán)位置的情況，也就會(huì)導(dǎo)致表盤(pán)讀數(shù)失敗?；诖颂卣?，本文提出一種基于SURF算法改進(jìn)的多任務(wù)模板特征匹配算法，用以使得配準(zhǔn)算法能夠適應(yīng)亮度變化大的不同待配準(zhǔn)圖。具體方法如下。

步驟1：巡檢機(jī)器人在一天的不同時(shí)期去采取m張圖像，如早晨、中午、傍晚，盡量使得m張圖像光照強(qiáng)度近似逐級(jí)增加，使得每張圖像都要有光照強(qiáng)度差異，制作m張模板圖像并保存。一般來(lái)說(shuō)m數(shù)小于10(考慮代碼實(shí)現(xiàn)難度)。

步驟2：進(jìn)行SURF特征點(diǎn)匹配時(shí)，將m張模板分別與待配準(zhǔn)圖進(jìn)行匹配獲取其匹配點(diǎn)，保存其每張模板與待配準(zhǔn)圖的匹配點(diǎn)的數(shù)量。同時(shí)匹配m張圖像，會(huì)消耗大量時(shí)間，為解決此問(wèn)題，采用多線(xiàn)程技術(shù)來(lái)同時(shí)獲取每張模板與待配準(zhǔn)圖進(jìn)行匹配獲取其匹配點(diǎn)。

步驟3：將步驟2獲得的每張模板與待配準(zhǔn)圖的匹配數(shù)量依次排序，取匹配點(diǎn)數(shù)量最高的模板與待配準(zhǔn)圖匹配結(jié)果作為最終結(jié)果。且設(shè)置其最小匹配數(shù)量n(一般n為4)，若最高匹配點(diǎn)數(shù)小于n,則報(bào)錯(cuò)不進(jìn)行檢測(cè)。預(yù)防其匹配到其他非表盤(pán)區(qū)域,即錯(cuò)誤區(qū)域，增強(qiáng)匹配的準(zhǔn)確性，也防止出現(xiàn)錯(cuò)誤讀數(shù)。

步驟3：求出仿射變換矩陣，進(jìn)行圖像分割。

由以上步驟，就可以定位表盤(pán)讀數(shù)區(qū)域，通過(guò)多任務(wù)模板匹配特征算法提高了匹配定位的魯棒性且不增加額外的時(shí)間，而且使得夠亮度變化大的不同待配準(zhǔn)圖也能精準(zhǔn)匹配定位。如圖3所示為一組基于SURF算法改進(jìn)的多任務(wù)模板特征匹配算法進(jìn)行匹配定位的處理結(jié)果，右上角圖像為匹配結(jié)果圖像，用P0表示。

圖3 模板圖像與待測(cè)圖像的特征點(diǎn)匹配圖

2 細(xì)指針表盤(pán)指針定位算法設(shè)計(jì)

細(xì)指針表盤(pán)由于其指針很細(xì)，指針與背景、刻度線(xiàn)、數(shù)字等干擾的灰度差異不大，很容易在處理過(guò)程中和這些干擾因素區(qū)分不開(kāi)，導(dǎo)致難以分割出所需指針，若直接分割指針，會(huì)出現(xiàn)很多干擾直線(xiàn)(即非指針的直線(xiàn))。實(shí)際的細(xì)指針表盤(pán)指針一般都是以軸心為圓心、指針長(zhǎng)度為半徑，在一個(gè)扇形區(qū)域內(nèi)旋轉(zhuǎn)，本文利用細(xì)指針表盤(pán)活動(dòng)區(qū)域在一個(gè)扇形區(qū)域內(nèi)這一特征，提出基于分割扇形區(qū)域的指針定位法(Pointer positioning method based on segmented sector,PSS)對(duì)指針進(jìn)行定位，算法流程圖如圖4所示。

圖4 細(xì)指針表盤(pán)指針定位算法設(shè)計(jì)流程圖

2.1 PSS分割

由細(xì)指針表盤(pán)特征可知，表盤(pán)上的刻度線(xiàn)、數(shù)字、符號(hào)都和指針灰度差異不大，都會(huì)對(duì)指針?lè)指钤斐筛蓴_。PSS通過(guò)刻度線(xiàn)圓的圓心、半徑、表盤(pán)最小刻度線(xiàn)角度(即起始角度)與表盤(pán)最大刻度線(xiàn)角度(終止角度)，來(lái)獲取扇形區(qū)域。再通過(guò)以刻度線(xiàn)圓的圓心為圓心，小于刻度線(xiàn)圓半徑的半徑，再獲取一個(gè)扇形區(qū)域，兩個(gè)扇形區(qū)域的中間即為指針活動(dòng)區(qū)域。如此就剔除了刻度線(xiàn)、數(shù)字、符號(hào)等其他的干擾。指針活動(dòng)區(qū)域中只有指針和背景，不存在任何其他干擾，如此一來(lái)分割出指針就會(huì)更加精確。該具有方法計(jì)算簡(jiǎn)單，準(zhǔn)確率高的特點(diǎn)。具體實(shí)現(xiàn)步驟如下：

1) 創(chuàng)建一張與匹配圖像P0一樣大小的全黑圖像(像素值全為0的圖像)，在黑底圖像上填充一個(gè)白色(像素值為255)的扇形區(qū)域。由表盤(pán)標(biāo)定獲得的先驗(yàn)信息，可獲得刻度線(xiàn)圓半徑、刻度線(xiàn)圓圓心等數(shù)值，刻度線(xiàn)圓的半徑和模板圖像的高分別用R、H表示，用刻度線(xiàn)圓的圓心，以R-H/4為半徑(以此數(shù)值為半徑是為了剔除指針下其他文字影響)、表盤(pán)刻度線(xiàn)最小角度與表盤(pán)最大刻度線(xiàn)角度為起始和終止角度，在此圖像上填充一個(gè)小扇形區(qū)域，此圖用P1表示，如圖5(a)所示。

2) 創(chuàng)建一個(gè)與匹配圖像P0一樣大小的白底圖像(像素值全部為255的圖像)，在白底圖像上填充一個(gè)黑色(像素值為0)的扇形區(qū)域,用刻度線(xiàn)圓的圓心，以刻度線(xiàn)圓的半徑R為半徑、表盤(pán)刻度線(xiàn)最小角度與表盤(pán)最大刻度線(xiàn)角度為起始和終止角度，在此圖像上填充一個(gè)大扇形區(qū)域,此圖用P2表示。

3) 為了得到圖像P0中除P2扇形區(qū)域原圖像素值不變而其余部分像素值均設(shè)置為0的圖像，此圖像用P3表示，如圖5(b)所示,進(jìn)行P3=P0-P2計(jì)算獲得。

4) 將P3中的像素值為0的值設(shè)置為255，用P4表示。將P4與P1相加則可獲得指針活動(dòng)區(qū)域，如圖5(c)所示。

2.2 圖像預(yù)處理

在獲取表盤(pán)圖像過(guò)程中，由于現(xiàn)場(chǎng)的光線(xiàn)是一直變化的，指針與背景灰度差異不大，且受到周?chē)渌矬w的干擾，往往會(huì)使得分割指針造成困難，因此需要對(duì)PSS分割后的結(jié)果圖進(jìn)行灰度拉伸，使得圖像對(duì)比度得到增強(qiáng)、細(xì)節(jié)變得清晰，指針更加突出，具體方法如下：假設(shè)輸入圖像f(x,y)的灰度值變化區(qū)間為[0-fmax],變換后輸出圖像v(x,y)的灰度變化區(qū)間為[0-vmax],用如下數(shù)學(xué)公式實(shí)現(xiàn)：

v(x,y)=

(7)

式中，g(x,y)為原圖像的灰度值，[c,d]為原圖像灰度變化區(qū)間，v(x,y)為變化后的圖像灰度值。[e,f]為處理過(guò)后的灰度范圍。

由圖6所示，灰度拉伸區(qū)間在[a1,b1],在區(qū)間[0,a1]與[b1,fmax]灰度進(jìn)行了壓縮，如此就使得前景與背景區(qū)域的對(duì)比度得到增強(qiáng)?？梢钥闯隹梢酝ㄟ^(guò)改變?nèi)沃本€(xiàn)的斜率來(lái)改變拉伸與壓縮的程度。處理結(jié)果圖如圖7(a)所示。

圖6 分段線(xiàn)性變換示意圖

為了提取表盤(pán)指針，需要對(duì)圖像進(jìn)行分割，先將彩色圖像轉(zhuǎn)換為灰度圖像：

v=0.30R+0.59G+0.11B

(8)

式中，v表示灰度化后的灰度值，R，G，B分別為每個(gè)像素在紅色、綠色、藍(lán)色三通道的像素值。

之后再對(duì)圖像進(jìn)行二值化處理，由于指針長(zhǎng)度占整個(gè)圖像不會(huì)有太大變化，所以先驗(yàn)概率(即指針目標(biāo)像素點(diǎn)數(shù)量占整個(gè)圖像像素點(diǎn)比例)也不會(huì)有太大變化，使得二值化后的目標(biāo)或背景像素比例等于先驗(yàn)概率。所以采用百分比閾值來(lái)獲取分割閾值T，按照式9進(jìn)行二值化處理，再篩選指針輪廓，結(jié)果如圖7(b)所示：

(9)

式中，T為分割閾值，v(x,y)為閾值前圖像像素值，v′(x,y)為閾值后圖像像素值。

圖7 圖像預(yù)處理

2.3 算法擬合

Hough[13]變化是模式識(shí)別領(lǐng)域中對(duì)二值化圖像進(jìn)行直線(xiàn)檢測(cè)的常用方法，可其檢測(cè)需調(diào)的參數(shù)過(guò)多，且易受多線(xiàn)條等干擾，從而檢測(cè)出多條直線(xiàn)，導(dǎo)致不穩(wěn)定。所以本文采用基于最小二乘法擬合直線(xiàn)，在圖像預(yù)處理后，先把二值化圖像中點(diǎn)的坐標(biāo)讀出，再用最小二乘法擬合直線(xiàn)輸出。具體原理如下：

1)設(shè)擬合直線(xiàn)方程為f(x)=ax+b擬合直線(xiàn)與數(shù)據(jù)點(diǎn)直線(xiàn)相應(yīng)點(diǎn)的偏差的平方和最小，數(shù)學(xué)表達(dá)為：

(10)

2)為求其偏差的平方和最小，分別對(duì)a、b求偏導(dǎo)數(shù),并令其為零。得：

(11)

整理后得：

(12)

式中，J(a,b)為各數(shù)據(jù)點(diǎn)yi的偏差和，(xi,yi)為二值化圖像中的數(shù)據(jù)點(diǎn)。n為數(shù)據(jù)點(diǎn)的數(shù)量，a，b為待求變量。

經(jīng)計(jì)算可以求得a，b值，即可得到細(xì)指針的角度。

2.4 讀數(shù)識(shí)別

指針表盤(pán)讀數(shù)是利用指針角度相對(duì)于表盤(pán)最小刻度線(xiàn)角度與最大刻度線(xiàn)角度與量程的關(guān)系識(shí)別表盤(pán)讀數(shù)，通過(guò)表盤(pán)標(biāo)定,從表盤(pán)模板庫(kù)中提取相關(guān)數(shù)據(jù)，如量程范圍、最小刻度線(xiàn)、最大刻度線(xiàn)角度、細(xì)指針測(cè)量角度等。指針表讀數(shù)R與指針角度之間的函數(shù)關(guān)系可以表示為：

(13)

式中，量程范圍為(Min，Max)，最小刻度線(xiàn)角度為θmin，最大刻度線(xiàn)角度為θmax。細(xì)指針測(cè)量角度為θ。

根據(jù)式(13)，求得指針表盤(pán)讀數(shù)R。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 表盤(pán)讀數(shù)識(shí)別與多任務(wù)處理

為了驗(yàn)證本方法的適用性和穩(wěn)定性，本文在實(shí)際測(cè)試中通過(guò)巡檢機(jī)器人采集細(xì)指針表盤(pán)圖像200幅進(jìn)行了測(cè)試，表1所示為其中10組樣本測(cè)試結(jié)果，表2為4組樣本測(cè)試匹配定位時(shí)間的結(jié)果，為使用多任務(wù)SURF匹配和不使用多任務(wù)SURF匹配定位時(shí)間對(duì)比。

表1 細(xì)指針式表盤(pán)讀數(shù)自動(dòng)識(shí)別實(shí)驗(yàn)結(jié)果 (mA)

表2 使用多任務(wù)SURF匹配前后時(shí)間對(duì)比

由表2可知，使用多任務(wù)處理可以節(jié)約60%～66%的處理時(shí)間。圖8為其中隨機(jī)取兩組圖像測(cè)試效果。為了測(cè)試本方法對(duì)視角、尺度和光照的魯棒性，本次采集圖像數(shù)據(jù)分別在多角度、多距離、不同光照條件的拍攝條件下的數(shù)據(jù)集。以某品牌的避雷檢測(cè)器為例，該避雷器檢測(cè)器的量程為0～2.0 mA。

在實(shí)驗(yàn)中，為了減少人為讀數(shù)的誤差，將十人讀數(shù)的平均值作為真實(shí)值。在實(shí)際工程應(yīng)用中，指針角度識(shí)別誤差允許范圍為以?xún)?nèi)，即表1中允許的誤差為0.073 mA。使用本文所提出的方法對(duì)細(xì)指針表盤(pán)進(jìn)行識(shí)別，共有兩幅圖像不能被正確識(shí)別，正確識(shí)別率達(dá)到。測(cè)試絕對(duì)誤差最大在0.053 mA，能夠滿(mǎn)足實(shí)際工程應(yīng)用的表盤(pán)測(cè)量實(shí)際需求。

圖8 兩組測(cè)試效果圖

3.2 結(jié)果分析與討論

實(shí)驗(yàn)中五張未能正確識(shí)別原因是光照太暗、表盤(pán)玻璃反光和照片極其模糊的影響，表盤(pán)的指針基本的背景相差不大，肉眼都較難區(qū)分，導(dǎo)致未能正確識(shí)別。由于玻璃反光、采集圖像非常模糊使得指針發(fā)白或者看不清，這是影響正確率的主要因素。由測(cè)試結(jié)果可知，本文提出的方法對(duì)光照、多距離有較好的魯棒性，對(duì)于細(xì)指針類(lèi)型表盤(pán)可以完成自動(dòng)識(shí)別?？傮w而言，本文提出的細(xì)指針識(shí)別方法識(shí)別率與準(zhǔn)確率均達(dá)到了實(shí)用化的要求，具有較強(qiáng)的穩(wěn)定性和準(zhǔn)確性。

4 結(jié)論與展望

針對(duì)細(xì)指針表盤(pán)識(shí)別中出現(xiàn)難以適應(yīng)光照變化、細(xì)指針無(wú)法提取和表盤(pán)讀數(shù)識(shí)別準(zhǔn)確率低的問(wèn)題，提出一種基于圖像處理的細(xì)指針式表盤(pán)讀數(shù)方法。本文提出基于SURF算法的多任務(wù)匹配方法定位表盤(pán)區(qū)域，解決了表盤(pán)定位不能夠適應(yīng)光照大幅度變化的問(wèn)題，且大幅度提高速度。針對(duì)細(xì)指針由于其較細(xì)而特征不明顯，表盤(pán)上的刻度線(xiàn)、數(shù)字、符號(hào)都和指針灰度差異不大及難分割的問(wèn)題，提出基于分割扇形區(qū)域的指針定位法(PSS)來(lái)分割指針區(qū)域，再采用最小二乘法擬合直線(xiàn)獲得其指針。實(shí)驗(yàn)表明，本方法錯(cuò)誤識(shí)別率低，識(shí)別精度高，能夠適應(yīng)復(fù)雜背景與光照變化，在電力系統(tǒng)的工程應(yīng)用中，細(xì)指針表盤(pán)檢測(cè)與識(shí)別具有良好的魯棒性和穩(wěn)定性，達(dá)到實(shí)用化要求，具有很好的應(yīng)用的前景。

另外如何將計(jì)算精簡(jiǎn)，降低對(duì)硬件資源的要求，改用基于深度學(xué)習(xí)方法來(lái)進(jìn)行表盤(pán)定位提高匹配精準(zhǔn)度，如何應(yīng)對(duì)光照嚴(yán)重不足的情況對(duì)細(xì)指針準(zhǔn)確識(shí)別，將是本文后續(xù)重點(diǎn)研究?jī)?nèi)容。