[发明专利]一种电厂仪表图像的检测识别方法及装置

说明书

本发明涉及一种电厂仪表图像的检测识别方法及装置，识别方法包括采集电厂仪表原图像，进行图像预处理，提取出原图像中的仪表表盘区域形成目标图像；通过改进Canny检测算法对目标图像进行处理；对梯度幅值进行非极大值抑制；对非极大值抑制后的图像采用自适应阈值确认算法获取上阈值和下阈值；根据上阈值和下阈值通过双阈值算法确定图像的边界；通过Hough变化算法检测二值边界图像中的直线和圆；通过指针仪表识别方法根据二值边界图像中的直线和圆获取仪表的量程读数。与现有技术相比，本发明结合了Canny检测算法和Hough变换算法对仪表图像进行识别，对指针式电厂仪表进行快速精确的识别；同时，识别稳定性高。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种电厂仪表图像的检测识别方法及装置。

背景技术

变电站的传统人工巡检方式存在强度大、时间长、频次高、高危环境多，容易出现人身伤害及巡检质量不稳定的问题，同时巡检抄表存在重复性高且数据利用难等情况。

随着工业4.0、智能制造、人工智能、大数据等技术的快速发展，智能巡检机器人在变电站的巡检应用中逐渐推广。但是，机器人技术在发电厂中的应用并没有得到快速发展，这是因为电厂生产中充斥着高温高压、煤气、酸碱、强电等复杂环境，发电机组设备多样，布置密集，使得电厂无人化巡检机器人技术始终没有起步。因此发电厂多种设备及多介质的复杂场合对无人化巡检技术的研发需求则变得急为迫切，存在极大地推广潜力与应用价值。

电厂中的仪表是保证监视每个机电设备和电力线路实现稳定运行的重要可视化装置。在电力的生产、输送与分配的过程中，它已成为不可缺少的计量工具，许多机电参数都需由仪表来测量与体现。发电厂中需要巡检的仪表中最多的是指针式仪表，如电压表、电流表、气压表、油温表、温度表等等。这些仪表构造简单、制造费用低、后期维修便捷、抗电磁干扰能力强、稳定性高、具有防灰尘、防水雾、防霜冻特性，广泛应用于电力系统网络中。

现有的巡检机器人通过摄像头采集电厂仪表设备的表盘信息和设备运行状态，然后利用机器视觉和图像处理技术自动检测各种电器设备的运行状态。但是，由于存在拍摄角度、仪表位置、污渍及光照不均匀等因素导致图像存在大量噪声，难以高效快速地进行识别，对于指针仪表的读数识别始终精度较低。

此外，边缘检测技术是仪表图像分析领域研究的重点和难点。传统的边缘检测算法，有Sobel算法、Log算法、Krich算法、Roberts算法等，但其处理效果并不理想。1986年John Canny首次提出了Canny边缘检测算法，该算法能有效弥补其他传统边缘检测算法的不足，因此Canny算法被认定为边缘检测方法中较好的算法。但其缺点是对噪声鲁棒性低，检测图像多出现伪边缘、孤立边缘点等问题，影响后续的检测精度。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种电厂仪表图像的检测识别方法及装置，用于对指针式电厂仪表进行快速精确的识别。

本发明的目的可以通过以下技术方案来实现：

一种电厂仪表图像的检测识别方法，包括以下步骤：

S1、采集电厂仪表原图像，进行图像预处理，提取出原图像中的仪表表盘区域形成目标图像；

S2、通过改进Canny检测算法对目标图像进行处理，对目标图像采用5*5邻域一阶偏导的有限差分进行图像平滑后计算其剃度幅值和梯度方向，并且计算0°、45°、90°、135°、180°、225°、270°和315°八个方向的梯度幅值和梯度方向；

S3、对梯度幅值进行非极大值抑制；

S4、对非极大值抑制后的图像采用自适应阈值确认算法获取上阈值和下阈值，包括：计算非极大值抑制后的图像的梯度幅度均值和梯度幅度标注差，进而由梯度幅度均值和梯度幅度标准差确认上阈值的取值，下阈值的取值为上阈值的一半；