广东电网潮州潮安供电局庵埠供电所
摘要：在智能电表的检定系统中，需要机器人完成系列操作。具体操作中，电表位置可通过机器人数据库获得，但是对于要求高的操作而言，位置信息仍缺乏一定的准确性，必须在现场获得精确值，才能微调机器人操作，提高工作有效性。下面，本文结合相对复杂的工业环境，基于机器视觉原理，对智能电表的定位、识别技术进行研究，从而提高设备的自动化水平。
关键词：机器视觉；智能电表；识别技术；定位技术
机器视觉由数字图像处理法、相机系统组成，可安装到各种机器人上，为机器人示教、操作提供环境信息。早在上世纪末，我国就对机械化电表的视觉技术进行了研究，但是随着数字化电表的发展，传统技术已无法满足需求，影响数据信息的准确性。对此，深入探究视觉识别、定位技术尤为重要，便于为自动化系统提供精准的定位信息，确保自动化设备正常运行。
1、机器视觉概述
1.1机器视觉的特点
机器视觉是人工智能发展的重要分支，包括图像处理、传感器、电光源照明、机械工程技术、光学成像等技术。现阶段，对于无法人工作业或人工视觉无法满足的场合，多使用机器视觉。同时，机器视觉也用于人脸识别、自动光学检查、跟踪定位、纹理识别、文字识别等领域。分析得知，机器视觉具有这样几个特点：（1）系统可结合操作者的尺寸工件，调用相应程序检测尺寸，并输出结果[1]。（2）根据尺寸不同的零部件，排序、输送装置可精准调节宽度，使零部件在固定路径下运动和检测。（3）摄像机的自动拍照速度，和被检测物的速度一致，能拍摄到理想图像。（4）可通过显示的图像，动态监视检测流程。也可通过显示的数据，检查检测结果。（5）对于错误的工件，可及时发出剔除、控制信号。（6）实时检测画面，多次浏览不合格的图像，方便查看和存储。
1.2机器视觉的工作原理
从机器视觉的工作原理上看，借助CCD照相机将检测目标转变为图像信号，传送至专门的图像处理系统，结合像素颜色、亮度等信息，转变为数字化信息。随后，图像处理系统对其进行运算，同时抽取目标特征，比如长度、位置、面积等，参照允许值、其他条件等，输出最终结果，包括个数、角度、尺寸等，达到自动化识别的效果。
2、液晶屏识别和电表初步定位
2.1图像预处理
实际工作中，摄像机所采集的电表图像，由于拍摄角度、照明角度的不同，得到的图像也就不同，间接增加视觉识别、定位难度。对此，需要先分析图像特征，进行预处理，再设计图像特征的提取技术，来分离背景和电表，最终明确电表身份，实现精准定位的目标。
分析显示，通过公式1-4，可将RGB图转变为HSV图，从而得到色调图。然后，再对色调图进行拉伸、去噪等处理，将均值作为阀值处理，通过开闭运算分开电表和周围区域，完成图像的预处理[2]。
2.2液晶屏识别
待液晶屏轮廓提取后，图像中包含多个区域面积，比较各区域面积大小，删除不合理的轮廓。再借助矩形拟合液晶屏，结合拟合结果定位液晶屏。首先，根据面积筛选。先提取图像中的液晶屏轮廓，用不同的颜色描绘轮廓。为了更好的定位液晶屏，需要计算轮廓所包围的区域面积，用数组的形式表示每个轮廓面积。由于液晶屏面积、背景轮廓面积不同，所以应设定轮廓的面积阈值，并对其进行分割，从图像中筛选出液晶屏面积。提前设定面积范围，允许出现一定误差。将液晶屏的上下幅度，作为面积的上下限值，去掉小于下限、大于上限的区域。其次，根据形状筛选。液晶屏轮廓提取过程中，由于上下值的不同，可能会提取出不同的面积。为提高液晶屏轮廓精准度，需要拟合提取面积。使用倾斜矩形，拟合剩余轮廓，计算矩形面积、长宽比，随后再将长宽比不标准的轮廓、矩形面积删除，得出初步的液晶屏轮廓。
2.3电表身份确认
在智能电表图像中，液晶屏特征显著，液晶屏的识别可作为识别电表的依据。待液晶屏轮廓提取后，通过现有的几何信息，计算液晶屏周围的矩形图、表肚矩形位置。然后，以液晶屏周围、下方位条件，明确电表的具体位置。首先，评估外矩形环。计算液晶屏外矩形环的坐标，通常根据液晶屏上下左右角点计算，同时结合矩形环相对最长边，对矩形环进行定位。利用像素点的概率，判断是否属于矩形外环区域，以此作为液晶屏的定位依据。若最终结果比设定值小，说明误差较小，可判断该区域为矩形环。其次，评估表肚矩形。参照液晶屏角度，计算表肚矩形的角点。先明确液晶屏的倾斜方向，根据长宽比，找出最长边区域，初步判断其为表肚区域。再利用像素点概率，判断描绘区域是否为表肚区域。若像素概率比设定值大，需要删除该区域。若像素概率比设定值小，应提取下方轮廓，确定电表表肚，并在图像中描绘出来。大量实验证实，通过图像预处理、液晶屏识别、矩形环确定等步骤，可综合定位电表[3]。
3、螺钉识别和电表精准定位
根据电表的定位结果，可大概得出电表螺钉位置，随后在位置附近识别、定位螺钉，利用所得的定位结果，结合螺钉的几何关系，对电表的外轮廓进行计算，便于精准定位电表。
3.1螺钉识别
初步得到电表定位后，可在液晶屏、螺丝几何关系的指导下，计算、得出螺钉的区域图像。尽管如此，仍无法准确识别、定位螺钉位置。这种情况下，可先从通道中分离出RGB图，用R通道、B通道的差值得出色差图，然后对色差图进行均衡化处理，得出单通道的灰度图，也就是RsubB图。其次，分析RsubB图，找寻像素累加值最大的区域，明确螺钉的实际位置。为进一步提高运算速度，可使用积分图像法计算。
3.2电表轮廓定位
参照智能电表的标准，电表螺钉的位置是不变的，所以多通过螺钉位置和几何关系，计算电表的外轮廓，实现最终的电表识别、定位目标。
3.3应用案例
智能电表包括跳闸指示灯、LCD液晶显示屏、信息查询键、购电卡插槽等，生产批量大，出厂前需要进行质量终检。一般来讲，检测项目为：指示灯、显示灯是否损坏，仪表指针是否出现误差等，通常使用人工目测法检查，可靠性差，误差大，不满足自动化的生产、运行需求[4]。而机器视觉智能集成测试系统的使用，不但改变了该现状，还实现了智能化、高精度检测的目标。同时，也克服了人工目测造成的误差，提高了检测效率。
4、小结
综上所述，本文通过图像预处理、液晶屏识别、电表身份确认、螺钉识别和定位等步骤，实现了智能电表的识别和定位。结果显示，文中所使用的处理算法，能精准识别图像中的一个或多个电表，达到精密定位电表轮廓的效果。这种情况下，可为智能电表的自动化处理提供良好的环境、可靠的数据支持，从而提高系统的自动化水平。此外，利用图像处理技术、机器视觉系统，还能快速识别、精准定位电表外观，从根本上解决着复杂工业环境中的电表检定难题，进一步提高工作效率。
参考文献：
[1]赵元哲.基于智能电能表的远程费控执行流程优化策略探究[J].科技创新与应用,2017,26(10):216.
[2]徐锦涛,冯兴乐,赵峰,等.智能电表可靠性预计技术研究[J].陕西电力,2018,46(4):28-32.
[3]潘明明,田世明,吴博,等.基于智能电表数据的台区识别与窃电检测方法研究[J].智慧电力,2017,45(12):80-84.
[4]张芹,夏水斌,郭鹏,等.图像识别技术在智能电表计量误差检测中的应用[J].电子设计工程,2017,25(19):187-189,193.