CN102298134A - 撤回电能表批量检测方法与装置 - Google Patents
撤回电能表批量检测方法与装置 Download PDFInfo
- Publication number
- CN102298134A CN102298134A CN2010102068903A CN201010206890A CN102298134A CN 102298134 A CN102298134 A CN 102298134A CN 2010102068903 A CN2010102068903 A CN 2010102068903A CN 201010206890 A CN201010206890 A CN 201010206890A CN 102298134 A CN102298134 A CN 102298134A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- energy meter
- character
- bar code
- continuous data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Character Input (AREA)
Abstract
本发明涉及一种撤回电能表批量检测方法与装置,方法包括以下步骤:利用撤回电能表批量检测装置逐一采集撤回电能表外观图像数据,输入到上位机中进行处理;上位机利用图像处理和识别算法从撤回电能表图像中提取用于身份验证和查询的撤回电能表条码信息和计量数据读数;保存条码信息和计量数据读数以及撤回电能表外观图像;装置包括立式表架,其上具有面板,上设多个接表架,面板上设有可折叠遮光罩,其包括可折叠支架和反光布,可折叠支架固定在面板两侧,通过可折叠支架旋转,反光布在接表架上部变换遮挡和打开状态。本发明从批量检测角度考虑,采用智能的可移动设备带动摄像机一次操作可以采集多块电能表数据,在一次操作中实现各类电能表的计量数据检测。
Description
技术领域
本发明涉及一种电力电能表的批量检测技术,具体的说是一种撤回电能表批量检测方法与装置。
背景技术
电力电能表从购入,检定合格、使用现场撤回、检测记录和入库是电力营销系统电能表生命周期管理的核心步骤,工作内容包括检查撤回电能表外观的完整性、读取最终计数并同营销库历史数据核对、记录电能表外观及最终示数。撤回电能表检测记录的准确性和正确性,决定能否检测出电能表在工作期间是否被正确地使用以及电能表计数是否被正确地记录,能够为电力企业挽回大量的电力损失。所以改进和提高决定电能表检测记录结果准确程度的检测工具,是电力营销系统急需解决的重中之重的问题。
目前,电力撤回电能表的检测记录是采用人工肉眼识别、手工录入的方式进行,这样做存在的问题和漏洞是:
1.肉眼识别和手工录入两个操作环节会因为各种客观因数和人为因数产生失误或差错,使最终录入的表数与电能表中计数不一致,造成结余电量不准确;
2.撤回表入库过程中,肉眼识别只能即时检查电能表外观和识别电能表示数,不能保存电能表具外观和电能表计量数据图像,造成撤回表外观完整状况以及电能表示数的准确性无法进行审计核实;
3.由于采用人工方式进行撤回表的识别和录入,存在人为误差,不能够准确记录撤回表的最终计数,而且一些电力公司对撤回表不做任何检测和记录,直接入库保存,直至销毁。
上述撤回电能表入库流程暴露出的问题无法通过原有方式解决,无法满足电力营销现代化的发展需求。
发明内容
针对现有技术中存在的撤回电能表计数不准确、对准确性无法审计核实等不足之处,本发明要解决的技术问题是提供一种能够批量检测和记录撤回电能表表具外观和计量数据的撤回电能表批量检测方法与装置。
为解决上述技术问题,本发明采用的技术方案是:
本发明撤回电能表批量检测方法包括以下步骤:
利用撤回电能表批量检测装置逐一采集撤回电能表外观图像数据,输入到上位机中进行处理;
上位机利用图像处理和识别算法从撤回电能表图像中提取用于身份验证和查询的撤回电能表条码信息和计量数据读数;
保存条码信息和计量数据读数以及撤回电能表外观图像。
提取计量数据信息及条码信息包括以下步骤:
对撤回电能表外观图像进行预处理,得到多个可能是撤回电能表的计量数据区域和条码区域的有效区域的二值化图像;
对计量数据区域和条码区域的二值化图像进行计量数据和条码定位与识别,得到撤回电能表的计量数据和条码值。
对计量数据区域进行计量数据定位包括以下步骤:
步骤1:统计有效目标的面积area,如果Tminarea<area<Tmaxarea,排除该目标,得到去干扰的目标区域;其中Tminarea为有效目标的面积阈值最小值,Tmaxarea为有效目标的面积阈值最大值。
步骤2:判断目标宽长比是否满足Tminrate<rateWH<Tmaxrate,如果满足,则去除不满足数字字符宽长比特征的干扰目标,得到进一步去干扰的目标区域;其中Tminrate为宽长比的阈值最小值,Tmaxrate为宽长比的阈值最大值。
步骤3:判断进一步去干扰的目标区域是否满足等间距特征,去除不满足特征的伪目标;
步骤4:如果满足等间距特征,进行下一步统计剩余目标的平均高度Hmean,如果Hmean>THmean,认为是计量数据;THmean为平均高度的阈值
步骤5:统计有效目标个数K,判断有效目标个数K是否大于电能表计量数据位数;
步骤6:如果效目标个数K不大于电能表计量数据位数目标,则判断各个计量数据的字符状态是整字符还是半字符,并分别对整字符和半字符状态进行标志,返回计量数据坐标及字符状态。
步骤5中,如果统计有效目标个数K大于电能表计量数据位数,采用基于中心坐标排列特征进一步排除干扰目标,接续统计有效目标的高度均值Hmean步骤。
如果Hmean>THmean不成立、去干扰的目标区域不满足等间距特征、目标宽长比不满足Tminrate<rateWH<Tmaxrate或者目标面积不满足Tminarea<area<Tmaxarea,则均返回下一个有效区域重复上述判断。
所述计量数据识别采用基于主元分析的数字识别方法,包括:字符图像训练和识别两部分,其中:
字符图像训练首先搜集数字字符图库,图库包括整字符图库和半字符图库,对图库中的图像尺寸进行归一化处理;
半字符图库分别从上向下和从下向上截取部分整字符区域,对截取后的半字符进行归一化处理,组成上半字符图库和下半字符图库;
采用主元分析算法训练特征数据,得到字符的特征数据。
字符图像识别为:
将计量数据定位得到的二值字符图像做待识别字符归一化处理,将整字符和半字符分别归一化为不同大小像素的图像;
根据整字符或半字符状态调入预先训练好的特征数据;
对于N×M大小的待识别图像Y,计算Y的投影坐标:
B=T(W)×Y,T(W)表示矩阵W转置;
计算待识别图像Y与库中图像Xi间的相似度,这里用距离d(Xi,Y)表示:
d(Xi,Y)=sqrt(sum((B[k]-Ai[k])×(B[k]-Ai[k])))
其中,k=1,...,m′,m′为待识别图像Y的投影坐标向量B的长度,Ai为读入的库中图像Xi的投影坐标向量;用同样方法计算待识别图像Y与库中所有图像间的相似度,得到的一维距离向量d;
如果d(Xj,Y)=min{d},则Y与Xj为同类字符;所述同类字符是指将字符分为10类,0~9每个数字对应一类。
所述条码定位与识别包括:根据条码区域垂直纹理特征融合条码区域的边缘特征,对通过统计可能是条码的有效区域内边缘数初步确定是条码的区域进行逐行扫描,条码区域内边界个数k和边界点的横坐标构成矩阵A,由矩阵A得到条码的条空宽度D;
采用归一化理论根据边界条空的宽度D识别条码值。
本发明撤回电能表批量检测装置,包括立式表架,所述立式表架上具有面板,面板上设有多个用于挂接撤回电能表的接表架,面板上设有可折叠遮光罩,该可折叠遮光罩包括可折叠支架和支撑于可折叠支架上的反光布,可折叠支架固定在面板两侧,通过可折叠支架旋转,反光布在接表架上部变换遮挡和打开状态。
所述面板上位于接表架的上方设有荧光灯,荧光灯外加设使光照均匀的滤光板;所述接表架上设有插拔式的电源接线柱和RS485数据读取接口。
本发明具有以下有益效果及优点:
1.本发明从批量检测角度考虑,采用智能的可移动设备带动摄像机一次操作可以采集多块电能表数据。
2.本发明考虑到外界光照条件变化对电能表图像识别算法的影响较大,设计了可折叠的遮光罩。遮光罩安装在表架两侧,使用时拉下遮光罩能够阻拦外界光源直接照射在表盘上造成光斑。另外,在表架下加荧光灯,遮光罩漫反射荧光灯提供光照补偿。
3.本发明采用计算机视觉检测技术取代人眼视觉读取电能表计量数据,能够自动的识别多种类型的机械式电能表计量数据。另外,本发明考虑到撤回电能表种类繁多,针对数字电能表安装了RS485数据接口可以直接读取数字表计量数据。因此本发明可以在一次操作中实现各类电能表的计量数据检测。
4.本发明设计科学、合理、富有创意、用工具设备操作代替人工操作,实现电能表批量的检测记录,装置操作简单,稳定可靠,经济效益显著,经济实用型强,具有较好的发展前景。
附图说明
图1为本发明方法流程图;
图2为本发明方法中撤回表图像识别算法流程图;
图3为本发明方法中计量数据定位算法流程图;
图4为本发明装置结构示意图;
图5为操作台侧面示意图;
图6为将采用本发明方法处理的计量数据区域灰度图像;
图7为计量数据区域的二值图像;
图8为利用面积、宽长比特征筛选后计量数据区域;
图9为目标排列等间距特征筛选后计量数据图像;
图10为归一化处理后计量数据图像;
图11为从原始图像上截取的条码区域
图12为图11的二值化后的图像。
具体实施方式
如图4所示,本发明装置包括立式表架1,该立式表架1具有面板2,面板2上设有多个用于挂接撤回电能表的接表架3,面板2上方设有可折叠遮光罩4,可折叠遮光罩4包括可折叠支架41和支撑于折叠支架41上的反光布42,可折叠支架41固定在面板2两侧,能够在接表架3上部变换遮挡和打开状态。不用时可折叠支架41与面板2平行放置,此时可折叠遮光罩4折叠在接表架3上方。当外界光源干扰较大时放下可折叠遮光罩4,拉下可折叠支架41与接表架3垂直(表架是垂直竖立的,遮光罩的支架在不使用的情况下是与表架重合放置的,使用时拉下遮光罩,此时遮光罩的支架应该是与表架相互垂直的),此时可折叠遮光罩4罩在挂设于接表架3上所有撤回电能表7的上前方,能够阻拦外界光源直接照射在撤回电能表7表盘上造成光斑。
所述面板2上位于接表架3的上方设有荧光灯5,荧光灯5外加设使光照均匀的滤光板6;滤光板6漫反射荧光灯灯光提供均匀的光照补偿。
所述接表架3上设有插拔式的电源接线柱和RS485数据读取接口。
本实施例中,面板2上的接表架3分为上、下两层,每层有六支;接表架3的底部有三个电源柱用于单相、三相电子表的供电,电源柱之间的距离可以根据撤回电能表的类型进行调整。电源柱采用插拔式,并配有三种大小的电源柱,用于为不同型号电能表的供电。接表架3上方设有固定装置,用于撤回电能表7插入到接表架3后,锁定撤回电能表7,保证撤回电能表7放置稳定。在每个接表架3的左侧,安装了RS485接口,通过RS485连接线,连接撤回电能表7到485接口,由上位机(计算机)通过485接口读取数字电能表的计量数据读取撤回电能表7内的信息;面板2的左侧放置了操作台电源控制开关、操作台运行指示灯、强制电源开关、电机电源开关以及摄像机电源开关等;在上、下两层接表架后部,设置了电源线槽,内部的电源线连接接表架电源柱,用于接表架供电;面板2后部安装了背板,背板与面板2平行,立式放置在操作台8上。为了实现撤回电能表7的批量采集,将摄像头9安装在可移动的摄像头支架10上。本发明装置通过运行本发明方法实现撤回电能表的批量检测,步骤如图1所示:
开机,进入系统用户界面;
将撤回电能表挂在接表架上,接通电源;
在操作界面中选择撤回电能表类型;
启动检测程序;
批量检测撤回电能表计量数据及条码信息;
保存计量数据及条码信息,一次检测结束。
所述批量检测撤回电能表计量数据及条码信息为:
1)利用撤回电能表批量检测装置逐一采集撤回电能表外观图像数据,输入到上位机中进行处理;
上位机指的是用于图像处理的计算机;本发明中的撤回电能表批量检测装置做为图像采集装置,包括相机和操作台等属于下位机;
2)上位机利用图像处理和识别算法从撤回电能表图像中提取用于身份验证和查询的撤回电能表条码信息和计量数据读数;
3)上传条码信息和计量数据读数以及撤回电能表外观图像至远端服务器中的营销数据库。
本实施例中,步骤1)通过计算机控制电机工作带动摄像头支架10移动到撤回电能表正前方并拍摄当前表位的撤回电能表图像,当前表位撤回电能表图像采集成功后摄像机移动至下一块撤回电能表,一组撤回电能表采集结束返回原点等待下一次采集。
步骤2)中提取撤回电能表条码信息和计量数据如图2所示,包括以下步骤:
对撤回电能表图像进行预处理,得到计量数据区域与条码区域的二值化图像(如图7、12所示);对计量数据区域和条码区域的二值化图像进行计量数据和条码定位与识别,得到计量数据和条码值。
对撤回电能表图像进行预处理步骤,也就是对撤回电能表图像进行灰度化及对比度增强处理,利用Gabor变换在对比度增强后的撤回电能表灰度图像中提取垂直纹理,再通过形态学处理方法在Gabor变换后的图像提取有效区域;
如果找到计量数据(如图9),则进行计量数据的归一化及识别,将得到的计量数据和计量数据区域原始图像(如图6所示)进行显示;
如果找到条码区域(如图11所示,为从原始图像上截取的条码区域),则进行条码识别,将得到的条码数据和条码区域进行显示;
21)计量数据定位如图3所示,包括以下步骤:
步骤1:统计可能是计量数据区域的有效区域的二值化图像(如图7所示)内有效目标的面积area,如果Tminarea<area<Tmaxarea,Tminarea为有效目标的面积阈值最小值,Tmaxarea为有效目标的面积阈值最大值,例如area<50或area<1000,此目标为非示值目标,排除该目标,得到去干扰的目标区域;
以计量数据区域的二值化图像作为目标区域,利用水平垂直扫描法结合数字字符的宽度与长度比值特征去除不在规定区域内的干扰目标,得到去干扰的目标区域;在去干扰后的目标区域中,采用像素统计法去除噪声点和干扰背景,得到去噪的目标区域;根据计量数据间等间距的特征进一步提取计量数据区域,得到二值字符图像,标记二值图像中像素值为255的目标,得到多个单独的目标区;
步骤2:判断目标宽长比是否满足Tminrate<rateWH<Tmaxrate,其中Tminrate为宽长比的阈值最小值,Tmaxrate为宽长比的阈值最大值,如果满足,则去除不满足数字字符宽长比特征的干扰目标,得到进一步去干扰的目标区域;
在此步骤中分别计算各个目标的面积,即每个目标包含的像素个数;
判断各目标的面积是否在规定值范围内,如在规定值范围内,则再判断目标面积的宽长比是否满足规定;
本实施例中,采用水平垂直扫描法结合数字字符的宽度与长度比值(一般在0.15~1.25之间)的特征去除不在规定区域内的干扰目标,得到去干扰的目标区域;不在规定区域内的干扰目标为所有目标区域中宽度大于规定区域高度3/4,或小于2个像素宽,或宽度与长度的比小于0.15或大于1.25。
去干扰后的计量数据区域图像如图8所示。
步骤3:判断进一步去干扰的目标区域是否满足等间距特征,去除不满足特征的伪目标;
求出区域中相邻目标及相隔目标间距D1、D2,合并D1、D2并对其排序,得到一维数组D,由于撤回电能表示值一般为5位或6位,取D中连续4个以上间距之差小于5的间距,并求间距的均值,得到平均间距Dmean;在相邻目标及相隔目标间距D1、D2中分别取满足|D1[i]-Dmean|<8或|D2[i]-Dmean|<5的坐标i,并且映射到目标区域坐标系中,记录坐标i和i+1为有效目标坐标;
步骤4:如果满足等间距特征,进行下一步统计剩余目标的平均高度Hmean,如果Hmean>THmean,本实施例中Hmean=10(10是一个高度,单位是像素),认为是计量数据;
步骤5:统计有效目标个数K,判断有效目标个数K是否大于6(电能表计量数据位数一般大超过6位)个目标;
步骤6:如果不大于6个目标,则判断各个计量数据的字符状态是整字符还是半字符,并分别对整字符和半字符状态进行标志,返回计量数据坐标及字符状态。
分别求出示值高度的最大值Hmax和最小值Hmin,如果Hmax-Hmin>8,认为该示值中存在半字符,且认为Hmax与示值高度H的差大于8的示值为半字符,然后分别将该示值字符的上下边界(R_top、R_bottom)与高度最大示值字符的上下边界(Hmax_top、Hmax_bottom)做差,如果Hmax_top-R_top>8,则该示值字符为上半字符,如果R_bottom-Hmax_bottom>8该示值字符为下半字符。
步骤5中,如果统计有效目标个数K大于6个目标,采用基于中心坐标排列特征进一步排除干扰目标,接续统计有效目标的高度均值Hmean步骤。
步骤4中如果Hmean>10不成立、步骤3中如果去干扰的目标区域不满足等间距特征、步骤2中如果目标宽长比不满足Tminrate<rateWH<Tmaxrate或者步骤1中目标面积不满足Tminarea<area<Tmaxarea,则均返回判断下一个有效区域重复上述判断。
去除伪目标处理后提取的计量数据如图9所示。
所述计量数据识别采用基于主元分析的数字识别方法,包括:字符图像训练和识别两部分,其中:
字符图像训练首先搜集数字字符图库,对图库中的图像尺寸进行归一化处理,本实施例将整字符归一化为20×36的图像,半字符归一化为20×24的图像,归一化处理后的字符图像如图10所示;
分别从上向下和从下向上截取整字符高度2/3~8/9部分的字符区域组成上下半字符图库,进行归一化处理;
采用主元分析算法训练特征数据,得到字符的特征数据。
主元分析算法(PCA,Principal component analysis)是一种对数据进行分析的技术,最重要的应用是对原有数据进行简化。正如它的名字:主元分析,这种方法可以有效的找出数据中最“主要”的元素和结构,去除噪音和冗余,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构。它的优点是简单,而且无参数限制,可以方便的应用与各个场合,因此应用极其广泛。
基于PCA的数字识别方法包括字符图像训练和识别两部分。
本实施例中,字符图像训练首先搜集了10类数字字符图库,每类包含70幅各种类型的数字字符二值图像,图像尺寸归一化为20×36;另外分别从上向下和从下向上截取整字符高度2/3到8/9部分的字符区域组成上下半字符图库,半字符图像归一化尺寸为20×24。然后采用PCA算法训练特征数据,以整字符训练为例,设待测试图像为Xi,M=36,N=20,m=10×70=700,n=M×N=720,M为归一化后字符图像高度,N为归一化后字符图像宽度?m为字符库中字符图像总数,n为一幅字符图像所包含的像素数。训练过程具体步骤如下:
计算平均图像Mu=sum(Xi)/m;i=1,...,m;
Xi-=Mu;首先统计字符图库中所有图像的像素值均值Mu,然后得到每幅字符图像的像素值与Mu的差,即得到每幅图像的方差矩阵;
计算协方差矩阵SIGMA=sum(Xi×T(Xi))/m;i=1,...,m;SIGMA为一个n×n实对称矩阵,n为一幅字符图像所包含的像素数,T(Xi)表示矩阵Xi转置;
计算SIGMA的特征值lambda_k和特征向量Wk,k=1,...,n,lambda_1>=lambda_2>=...>=lambda_n;lambda_k为特征值,共有n个特征值,其关系是lambda_1>=lambda_2>=...>=lambda_n
构造n×m′大小的子空间变换矩阵W=[W1,...,Wm’];m′<=m,m′<<n,m′的大小根据需要选择,m′在这里是一个变量,是求出满足特征值的和占所有特征值总和的90%的特征值个数,即满足占总特征值能量90%的特征值个数,使之满足:
[sum(lambda_k,k=1,...m′)/sum(lambda_k,k=1,...,n)]>0.90
计算图像Xi的投影坐标:Ai=T(W)×(Xi-Mu);T(W)表示矩阵W转置,Ai是m′×1的列向量,投影坐标就是图像特征;存矩阵A、T作为特征数据。
计量数据识别部分具体步骤如下:
将计量数据定位得到的二值字符图像做待识别字符归一化处理,即整字符归一化为20×36的图像,半字符归一化为20×24的图像;
根据字符状态调入训练好的特征数据A、T;
对于N×M大小的待识别图像Y,计算Y的投影坐标坐标:B=T(W)×Y;
T(W)表示矩阵W转置;
计算待识别图像Y与库中图像Xi间的相似度,这里用距离d(Xi,Y)表示:
d(Xi,Y)=sqrt(sum((B[k]-Ai[k])×(B[k]-Ai[k])))
其中,k=1,...,m′,m′为待识别图像Y的投影坐标向量B的长度,Ai为读入的库中图像Xi的投影坐标向量;用同样方法计算待识别图像Y与库中所有图像间的相似度,得到的一维距离向量d。
理论上,如果d(Xj,Y)=min{d},则Y与Xj为同类的字符。但是在实际应用中直接取最小距离对应的类最为Y的读数往往识别率不高,因此本发明对识别部分算法进行了改进:
(1)已知表示相似度的距离d可分为10类,每一类中包含70个距离(10类字符,每一类字符图库中包含70幅图像,因此得到700的距离,即相似度),因此将d分为10类用10×70的数组Dk表示;
(2)对每一类距离Dki进行升序排序,得到dki,其中i=1,...,10;
(3)取dki中前10个距离(即取较小的10个距离)的均值记做d_min(i),如果d_min(i)=min{d_min)},则待识别图像Y属于第i类字符图像,其中i=1,...,10。
所述条码定位与识别包括:根据条码区域(如图11所示,为从原始图像上截取的条码区域)垂直纹理特征融合条码区域的边缘特征,通过对可能是条码的有效区域二值化图像(如图12所示)进行逐行扫描,统计每一行上的边界数k,根据k值初步确定该区域是否为是条码的区域,当k满足T1≤k<T2,认为该条码为8码条码,否则当k≥T2认为该条码为13码条码,如果k<T1重新扫描下一行;T1、T2为边界个数阈值。,并将条码区域内边界个数k和边界点的横坐标(图像宽度对应横坐标,而高度则对应纵坐标)构成矩阵A,由矩阵A得到条码的条空宽度矩阵D;
采用归一化理论根据边界条空的宽度D识别条码值。
基于归一化理论的条码识别包括:
根据条码行的条空宽度矩阵D求条码连续条空宽度,得到满足条码特征的连续条空宽度矩阵C。采用归一化理论,用一种相似距离归一化的方法对连续条空宽度进行归一化处理,然后根据条码的编码方式进行解码,得到条码值。
计量数据的精确定位:
采用水平垂直扫描法结合数字字符的宽度与长度的比一般在0.15~1.25之间的特征去除所有目标区域中宽度大于区域高度3/4,或小于2个像素宽,或宽度与长度的比小于0.15或大于1.25的伪目标;
采用像素统计法去除小面积的噪声点和面积很大的干扰背景。
Claims (10)
1.一种撤回电能表批量检测方法,其特征在于包括以下步骤:
利用撤回电能表批量检测装置逐一采集撤回电能表外观图像数据,输入到上位机中进行处理;
上位机利用图像处理和识别算法从撤回电能表图像中提取用于身份验证和查询的撤回电能表条码信息和计量数据读数;
保存条码信息和计量数据读数以及撤回电能表外观图像。
2.按权利要求1所述的撤回电能表批量检测方法,其特征在于:提取计量数据信息及条码信息包括以下步骤:
对撤回电能表外观图像进行预处理,得到多个可能是撤回电能表的计量数据区域和条码区域的有效区域的二值化图像;
对计量数据区域和条码区域的二值化图像进行计量数据和条码定位与识别,得到撤回电能表的计量数据和条码值。
3.按权利要求2所述的撤回电能表批量检测方法,其特征在于:对计量数据区域进行计量数据定位包括以下步骤:
步骤1:统计有效目标的面积area,如果Tminarea<area<Tmaxarea,排除该目标,得到去干扰的目标区域;其中Tminarea为有效目标的面积阈值最小值,Tmaxarea为有效目标的面积阈值最大值。
步骤2:判断目标宽长比是否满足Tminrate<rateWH<Tmaxrate,如果满足,则去除不满足数字字符宽长比特征的干扰目标,得到进一步去干扰的目标区域;其中Tminrate为宽长比的阈值最小值,Tmaxrate为宽长比的阈值最大值。
步骤3:判断进一步去干扰的目标区域是否满足等间距特征,去除不满足特征的伪目标;
步骤4:如果满足等间距特征,进行下一步统计剩余目标的平均高度Hmean,如果Hmean>THmean,认为是计量数据;THmean为平均高度的阈值
步骤5:统计有效目标个数K,判断有效目标个数K是否大于电能表计量数据位数;
步骤6:如果效目标个数K不大于电能表计量数据位数目标,则判断各个计量数据的字符状态是整字符还是半字符,并分别对整字符和半字符状态进行标志,返回计量数据坐标及字符状态。
4.按权利要求3所述的撤回电能表批量检测方法,其特征在于:步骤5中,如果统计有效目标个数K大于电能表计量数据位数,采用基于中心坐标排列特征进一步排除干扰目标,接续统计有效目标的高度均值Hmean步骤。
5.按权利要求3所述的撤回电能表批量检测方法,其特征在于:如果Hmean>THmean不成立、去干扰的目标区域不满足等间距特征、目标宽长比不满足Tminrate<rateWH<Tmaxrate或者目标面积不满足Tminarea<area<Tmaxarea,则均返回下一个有效区域重复上述判断。
6.按权利要求2所述的撤回电能表批量检测方法,其特征在于:所述计量数据识别采用基于主元分析的数字识别方法,包括:字符图像训练和识别两部分,其中:
字符图像训练首先搜集数字字符图库,图库包括整字符图库和半字符图库,对图库中的图像尺寸进行归一化处理;
半字符图库分别从上向下和从下向上截取部分整字符区域,对截取后的半字符进行归一化处理,组成上半字符图库和下半字符图库;
采用主元分析算法训练特征数据,得到字符的特征数据。
7.按权利要求6所述的撤回电能表批量检测方法,其特征在于:字符图像识别为:
将计量数据定位得到的二值字符图像做待识别字符归一化处理,将整字符和半字符分别归一化为不同大小像素的图像;
根据整字符或半字符状态调入预先训练好的特征数据;
对于N×M大小的待识别图像Y,计算Y的投影坐标:
B=T(W)×Y,T(W)表示矩阵W转置;
计算待识别图像Y与库中图像Xi间的相似度,这里用距离d(Xi,Y)表示:
d(Xi,Y)=sqrt(sum((B[k]-Ai[k])×(B[k]-Ai[k])))
其中,k=1,...,m′,m′为待识别图像Y的投影坐标向量B的长度,Ai为读入的库中图像Xi的投影坐标向量;用同样方法计算待识别图像Y与库中所有图像间的相似度,得到的一维距离向量d;
如果d(Xj,Y)=min{d},则Y与Xj为同类字符;所述同类字符是指将字符分为10类,0~9每个数字对应一类。
8.按权利要求2所述的撤回电能表批量检测方法,其特征在于:所述条码定位与识别包括:根据条码区域垂直纹理特征融合条码区域的边缘特征,通过对可能是条码的有效区域二值化图像进行逐行扫描,统计每一行上的边界数k,根据k值初步确定该区域是否为是条码的区域,并将条码区域内边界个数k和边界点的横坐标构成矩阵A,由矩阵A得到条码的条空宽度矩阵D;
采用归一化理论根据边界条空的宽度D识别条码值。
9.一种撤回电能表批量检测装置,包括立式表架,其特征在于:所述立式表架(1)上具有面板(2),面板(2)上设有多个用于挂接撤回电能表的接表架(3),面板(2)上设有可折叠遮光罩(4),该可折叠遮光罩(4)包括可折叠支架(41)和支撑于可折叠支架上的反光布(42),可折叠支架(41)固定在面板(2)两侧,通过可折叠支架(41)旋转,反光布(42)在接表架(3)上部变换遮挡和打开状态。
10.按权利要求9所述的撤回电能表批量检测装置,其特征在于:所述面板(2)上位于接表架(3)的上方设有荧光灯(5),荧光灯(5)外加设使光照均匀的滤光板(6)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102068903A CN102298134A (zh) | 2010-06-23 | 2010-06-23 | 撤回电能表批量检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102068903A CN102298134A (zh) | 2010-06-23 | 2010-06-23 | 撤回电能表批量检测方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102298134A true CN102298134A (zh) | 2011-12-28 |
Family
ID=45358688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102068903A Pending CN102298134A (zh) | 2010-06-23 | 2010-06-23 | 撤回电能表批量检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102298134A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103513219A (zh) * | 2013-09-25 | 2014-01-15 | 国家电网公司 | 一种新型电能表现场移动测试仪器 |
CN103983940A (zh) * | 2014-05-15 | 2014-08-13 | 国家电网公司 | 一种电能表的条码扫描及外观检测机构与方法 |
CN104899879A (zh) * | 2015-05-21 | 2015-09-09 | 国家电网公司 | 一种电能表在线外观检测的方法 |
CN105654150A (zh) * | 2014-11-27 | 2016-06-08 | 广东电网有限责任公司电力科学研究院 | 一种批量识读物体信息及精准定位的方法 |
CN106446888A (zh) * | 2015-08-04 | 2017-02-22 | 宁波舜宇光电信息有限公司 | 摄像模组多标识符识别方法及设备 |
CN106534646A (zh) * | 2016-11-30 | 2017-03-22 | 国网重庆市电力公司电力科学研究院 | 一种兼容电能表和终端的拍照装置 |
CN108133213A (zh) * | 2016-12-01 | 2018-06-08 | 西安米特电子科技有限公司 | 一种面向燃气表外壳式摄像的嵌入式数字识别方法 |
CN115082776A (zh) * | 2022-08-18 | 2022-09-20 | 无锡市恒通电器有限公司 | 一种基于图像识别的电能表自动检测系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN200941145Y (zh) * | 2006-06-30 | 2007-08-29 | 上海市静安区青少年活动中心 | 一种带遮光罩的投影仪屏幕 |
CN101059364A (zh) * | 2007-04-24 | 2007-10-24 | 中国科学院合肥物质科学研究院 | 字符条码计量指示字轮的图像直读方法 |
CN101075288A (zh) * | 2007-04-30 | 2007-11-21 | 中国科学院合肥物质科学研究院 | 一种字符条码计量指示字轮的图像直读方法 |
CN101079094A (zh) * | 2007-04-30 | 2007-11-28 | 中国科学院合肥物质科学研究院 | 用于远程自动抄表系统的计量表读数识别装置 |
CN201152894Y (zh) * | 2008-01-11 | 2008-11-19 | 烟台开发区华威电气有限公司 | 电表图像采集及表码自动识别装置 |
CN201804098U (zh) * | 2010-06-23 | 2011-04-20 | 荣科科技股份有限公司 | 撤回电能表批量检测装置 |
-
2010
- 2010-06-23 CN CN2010102068903A patent/CN102298134A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN200941145Y (zh) * | 2006-06-30 | 2007-08-29 | 上海市静安区青少年活动中心 | 一种带遮光罩的投影仪屏幕 |
CN101059364A (zh) * | 2007-04-24 | 2007-10-24 | 中国科学院合肥物质科学研究院 | 字符条码计量指示字轮的图像直读方法 |
CN101075288A (zh) * | 2007-04-30 | 2007-11-21 | 中国科学院合肥物质科学研究院 | 一种字符条码计量指示字轮的图像直读方法 |
CN101079094A (zh) * | 2007-04-30 | 2007-11-28 | 中国科学院合肥物质科学研究院 | 用于远程自动抄表系统的计量表读数识别装置 |
CN201152894Y (zh) * | 2008-01-11 | 2008-11-19 | 烟台开发区华威电气有限公司 | 电表图像采集及表码自动识别装置 |
CN201804098U (zh) * | 2010-06-23 | 2011-04-20 | 荣科科技股份有限公司 | 撤回电能表批量检测装置 |
Non-Patent Citations (4)
Title |
---|
冯冬青等: "基于像素比例法和GA-BP的单相电表读数识别", 《计算机工程与设计》 * |
吴斌: "图形识别技术在回厂电能表处理中的应用", 《上海电力》 * |
张晓颖: "电能表数字图像识别技术研究与实现", 《中国优秀硕士学位论文全文数据库》 * |
张艰等: "分时电表表盘数字读数的自动识别系统", 《计算机工程》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103513219A (zh) * | 2013-09-25 | 2014-01-15 | 国家电网公司 | 一种新型电能表现场移动测试仪器 |
CN103513219B (zh) * | 2013-09-25 | 2015-06-24 | 国家电网公司 | 一种新型电能表现场移动测试仪器 |
CN103983940A (zh) * | 2014-05-15 | 2014-08-13 | 国家电网公司 | 一种电能表的条码扫描及外观检测机构与方法 |
CN105654150A (zh) * | 2014-11-27 | 2016-06-08 | 广东电网有限责任公司电力科学研究院 | 一种批量识读物体信息及精准定位的方法 |
CN105654150B (zh) * | 2014-11-27 | 2018-03-27 | 广东电网有限责任公司电力科学研究院 | 一种批量识读物体信息及精准定位的方法 |
CN104899879A (zh) * | 2015-05-21 | 2015-09-09 | 国家电网公司 | 一种电能表在线外观检测的方法 |
CN104899879B (zh) * | 2015-05-21 | 2017-11-03 | 国家电网公司 | 一种电能表在线外观检测的方法 |
CN106446888A (zh) * | 2015-08-04 | 2017-02-22 | 宁波舜宇光电信息有限公司 | 摄像模组多标识符识别方法及设备 |
CN106534646A (zh) * | 2016-11-30 | 2017-03-22 | 国网重庆市电力公司电力科学研究院 | 一种兼容电能表和终端的拍照装置 |
CN108133213A (zh) * | 2016-12-01 | 2018-06-08 | 西安米特电子科技有限公司 | 一种面向燃气表外壳式摄像的嵌入式数字识别方法 |
CN115082776A (zh) * | 2022-08-18 | 2022-09-20 | 无锡市恒通电器有限公司 | 一种基于图像识别的电能表自动检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102298134A (zh) | 撤回电能表批量检测方法与装置 | |
CN109357630B (zh) | 一种多类型工件批量视觉测量系统及方法 | |
CN102110332B (zh) | 基于计算机视觉及射频识别技术的书本登记管理装置 | |
CN107122730A (zh) | 自选餐厅自动计价方法 | |
CN108875669B (zh) | 一种基于可见光与红外图像融合的商品识别技术 | |
CN103815675B (zh) | 一种智能酒柜系统的实现方法 | |
CN103208156A (zh) | 一种餐饮自动结算系统和方法 | |
CN110060237A (zh) | 一种故障检测方法、装置、设备及系统 | |
CN105913682B (zh) | 基于rfid技术的智能反向寻车方法及系统 | |
CN102663337B (zh) | 简单工况背景下的Data Matrix二维条码快速识别方法 | |
CN109829467A (zh) | 图像标注方法、电子装置及非暂态电脑可读取储存媒体 | |
CN104360501A (zh) | 一种液晶屏幕缺陷视觉检测方法及装置 | |
CN104809452A (zh) | 一种指纹识别方法 | |
CN104463167A (zh) | 一种餐厅自动结算方法及系统 | |
CN109165538A (zh) | 基于深度神经网络的条形码检测方法及装置 | |
CN108345912A (zh) | 一种基于rgbd信息与深度学习的商品快速结算系统 | |
CN104680161A (zh) | 一种身份证数字识别方法 | |
CN105300854A (zh) | 雾滴参数测量装置及利用该装置的雾滴参数测量分析方法 | |
CN105741199A (zh) | 一种酒店服务自助终端、系统和方法 | |
CN106991303B (zh) | 一种手势验证码的识别方法及装置 | |
CN105427320A (zh) | 一种图像分割提取方法 | |
CN110490181A (zh) | 一种基于ocr识别技术的表单填写审核方法、装置、设备以及计算机存储介质 | |
CN109583295A (zh) | 一种基于卷积神经网络的转辙机缺口自动检测方法 | |
CN103914707A (zh) | 基于支持向量机的绿色通道产品辅助判别方法 | |
CN102930251A (zh) | 两维收藏品数据收录与甄别的装置和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111228 |
|
WD01 | Invention patent application deemed withdrawn after publication |