姜林林

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

近年来，随着人工智能技术的飞速发展，人机交互的需求也越来越高，图像识别技术再次走进人们视野。图像识别技术是人工智能的重要领域，主要功能是排除图像中的多余信息，抽出关键信息，从而达到机器代替人工实现对字符、人脸、姿势等识别。对于复杂场景，基于机器视觉的图像识别技术体现出其优越的稳定性、客观性和准确性。图像识别技术与诸多技术相关，因此学习相关技术是研究图像识别技术的基础。

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。（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机器视觉识别的关键技术

2.1图像获取

一般情况下，基于机器视觉的图像识别算法的图像获取主要依赖于摄像机，摄像机将采集到的图像通过图像采集卡传输到硬件处理部分，这是进行一切图像处理的前提。

2.2预处理

图像预处理的目的是减少后续图像处理的工作压力，提前对图像进行去噪、增强、补偿等处理，提供清晰度较高的图像。如今已有的图像识别算法有上千种，但核心还是边缘检测、图像分割、图像二值化、灰度检测等技术。在图像预处理过程中，根据不同的图像识别算法，在预处理阶段可对不同的特征值、灰度值等参数进行相应处理，处理结果的质量对最终分析的结果有直接影响。其中边缘检测属于低层视觉中研究的问题，是图像增强、特征提取、图像分割等中高层任务执行的基础。图像分割的目的是从较复杂的图像中将特征目标保留下来，但如何从复杂的图像中高效的提取出特征目标一直是研究的热点。图像二值化是将整个图像的像素点设置为0或255，使图像呈现黑白效果，极大地减少图像中数据量，突出图像轮廓。

2.3特征值提取

特征选取以提取对图像识别的速率和精度有较大影响。特征提取是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的作用就是把图像上各个点划分为不同的子集如孤立的点、连续曲线、连续区域等。通常图像的特征为颜色特征、纹理特征、形状特征、局部特征。

2.4图像匹配

图像匹配不是用来判别两幅图像是否相同，而是研究判断两幅图像之间的相似程度，而图像之间的相似性随着算法要求的不同而改变。一般情况下我们所使用的相似性是使用图像匹配算法来判断两幅不同图像中的物体。由于图像的复杂性以及图像获取时的光照、角度、环境的不同，所以图相匹配需要选取合适的特征点来简化图像，增强识别准确性。

3液晶屏识别和电表初步定位

3.1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。

3.2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。

3.3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，評估外矩形环。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，根据长寬比，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。

4结语

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.