CN105894040A - 一种基于视觉识别的电能表型号检测方法 - Google Patents

一种基于视觉识别的电能表型号检测方法 Download PDF

Info

Publication number
CN105894040A
CN105894040A CN201610263381.1A CN201610263381A CN105894040A CN 105894040 A CN105894040 A CN 105894040A CN 201610263381 A CN201610263381 A CN 201610263381A CN 105894040 A CN105894040 A CN 105894040A
Authority
CN
China
Prior art keywords
electric energy
energy meter
value
pixel
image
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.)
Withdrawn
Application number
CN201610263381.1A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201610263381.1A priority Critical patent/CN105894040A/zh
Publication of CN105894040A publication Critical patent/CN105894040A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/20Scenes; Scene-specific elements in augmented reality scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/755Deformable models or variational models, e.g. snakes or active contours
    • G06V10/7553Deformable models or variational models, e.g. snakes or active contours based on shape, e.g. active shape models [ASM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/30Noise filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/34Smoothing or thinning of the pattern; Morphological operations; Skeletonisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于视觉识别的电能表型号检测方法,其包括:(1)利用图像采集设备对电能表拍摄以获得电能表外形图像;(2)利用图像预处理设备对所述电能表外形图像进行预处理以输出预处理外形图像;(3)基于静态存储设备中预先存储的各类基准电能表图案,利用飞思卡尔IMX6处理设备对所述预处理外形图像进行逐一匹配,输出匹配成功的基准电能表图案的类型作为目标电能表类型输出。通过本发明,能够为供电部门提供准确的参考数据,为供电部门对电度表的监管提供重要依据。

Description

一种基于视觉识别的电能表型号检测方法
本发明是申请号为201510153367.1、申请日为2015年4月1日、发明名称为“基于视觉识别的电能表型号检测方法”的专利的分案申请。
技术领域
本发明涉及电能表领域,尤其涉及一种基于视觉识别的电能表型号检测方法。
背景技术
电能表可如下进行分类:按用途:有功电能表、无功电能表、最大需量表、标准电能表、复费率分时电能表、预付费电能表(分投币式、磁卡式、电卡式)、损耗电能表,按工作原理:感应式(机械式)、静止式(电子式)、机电一体式(混合式);按接入电源性质:交流表、直流表;按结构:整体式、分体式;按接入相线:单相、三相三线、三相四线电能表;按准确级:普通安装式电能表(0.2S、0.5S、0.2.0.5.1.0、2.0级)和携带式精密电能表(0.01、0.05、0.2级);按安装接线方式:直接接入式、间接接入式。
由于电能表类型众多且分布广泛,对供电部门的监管带来困扰,供电部门对电能表进行远程抄表或定期维护时,首先要获得的关键信息是每一个位置的电能表的类型,在确定电能表类型后才能进行相应的读数采集和定制维修服务。现有技术中是通过安排人员到各个安装位置对不同类型电能表进行类型确认,这种手段过于依赖人工,耗时耗力,也存在一些电子识别手段,但现有的电子识别手段无法在恶劣天气下保证类型识别精度。
因此,需要一种新的电能表型号检测方法,在替代繁琐的人工识别操作的同时,也能够克服恶劣天气尤其是雾霾天气对电能表类型识别带来的干扰,从而高效、实时地为供电部门提供重要参考数据,方便供电部门的用电管理和设备维护。
发明内容
为了解决上述问题,根据本发明的一个方面,本发明提供了一种基于视觉识别的电能表型号检测方法,其包括:
(1)利用图像采集设备对电能表拍摄以获得电能表外形图像;
(2)利用图像预处理设备对所述电能表外形图像进行预处理以输出预处理外形图像;
(3)基于静态存储设备中预先存储的各类基准电能表图案,利用飞思卡尔IMX6处理设备对所述预处理外形图像进行逐一匹配,输出匹配成功的基准电能表图案的类型作为目标电能表类型输出;
其中所述静态存储设备中预先存储的各类基准电能表图案是对每一种基准电能表外形进行预先拍摄所获得的图像;
其中所述图像预处理设备与所述图像采集设备连接,所述飞思卡尔IMX6处理设备与所述图像预处理设备和所述静态存储设备分别连接。
根据本发明的另一个方面,本发明提供了一种基于视觉识别的电能表型号检测方法,其包括:
(1)利用图像采集设备对电能表拍摄以获得电能表外形图像;
(2)利用图像预处理设备对所述电能表外形图像进行预处理以输出预处理外形图像;
(3)利用去雾处理设备接收所述预处理外形图像,对所述预处理外形图像进行去雾处理以获得去雾外形图像;
(4)基于静态存储设备中预先存储的各类基准电能表图案,利用飞思卡尔IMX6处理设备对所述去雾外形图像进行逐一匹配,输出匹配成功的基准电能表图案的类型作为目标电能表类型输出;
其中所述静态存储设备中预先存储的各类基准电能表图案是对每一种基准电能表外形进行预先拍摄所获得的图像;
其中所述图像预处理设备与所述图像采集设备连接,所述去雾处理设备位于所述图像预处理设备和所述飞思卡尔IMX6处理设备之间,所述飞思卡尔IMX6处理设备与所述去雾处理设备和所述静态存储设备分别连接。
具体地,对所述电能表外形图像进行预处理的步骤包括对所述电能表外形图像进行对比度增强处理,获得增强电能表外形图像,并基于Haar小波滤波器对所述增强电能表外形图像进行小波滤波处理,以获得所述预处理外形图像。
进一步地,所述基于视觉识别的电能表型号检测方法还包括:利用定位设备进行实时定位,并向所述飞思卡尔IMX6处理设备输出当前位置数据;利用无线通信设备将所述目标电能表类型和所述当前位置数据进行打包,通过无线通信链路输出打包所获得的数据包;利用SD卡实时存储所述目标电能表类型和所述当前位置数据;利用液晶显示屏实时显示所述目标电能表类型和所述当前位置数据。其中所述定位设备、所述无线通信设备、所述SD卡和所述液晶显示屏与所述飞思卡尔IMX6处理设备分别连接。
进一步地,所述基于视觉识别的电能表型号检测方法还包括利用所述飞思卡尔IMX6处理设备对所述去雾外形图像进行OCR识别,以获得所述电能表的当前读数。
所述基于视觉识别的电能表型号检测方法利用检测系统进行检测。因此,根据本发明的一方面,本发明还提供了一种基于视觉识别的电能表型号检测系统,所述检测系统包括图像采集设备、图像预处理设备、飞思卡尔IMX6处理设备和静态存储设备。所述图像采集设备用于对电能表拍摄以获得电能表外形图像;所述静态存储设备预先存储了各类基准电能表图案;所述图像预处理设备与所述图像采集设备连接,对所述电能表外形图像进行预处理以输出预处理外形图像;所述飞思卡尔IMX6处理设备与所述图像预处理设备和所述静态存储设备分别连接,基于各类基准电能表图案识别所述预处理外形图像对应的电能表类型以作为目标电能表类型输出。
更具体地,所述基于视觉识别的电能表型号检测系统还包括:
定位设备,与所述飞思卡尔IMX6处理设备连接,用于对所述检测系统进行实时定位,并向所述飞思卡尔IMX6处理设备输出当前位置数据;
无线通信设备,与所述飞思卡尔IMX6处理设备连接,用于将所述目标电能表类型和所述当前位置数据进行打包,通过无线通信链路输出打包所获得的数据包;
SD卡,与所述飞思卡尔IMX6处理设备连接,用于实时存储所述目标电能表类型和所述当前位置数据;
供电电源,包括太阳能供电器件、蓄电池、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述蓄电池分别连接,根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;
液晶显示屏,与所述飞思卡尔IMX6处理设备连接,用于实时显示所述目标电能表类型和所述当前位置数据;
去雾处理设备,位于所述图像预处理设备和所述飞思卡尔IMX6处理设备之间,用于接收所述预处理外形图像,对所述预处理外形图像进行去雾处理以获得去雾外形图像,将所述去雾外形图像输入所述飞思卡尔IMX6处理设备以进行电能表类型识别以获得目标电能表类型。
更具体地,所述去雾处理设备包括:
雾霾浓度检测子设备,位于空气中,用于实时检测电能表所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;
整体大气光值获取子设备,与所述图像预处理设备连接以获得所述预处理外形图像,计算所述预处理外形图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值;
大气散射光值获取子设备,与所述图像预处理设备和所述雾霾浓度检测子设备分别连接,对所述预处理外形图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF(edge-preserving gaussian filter)对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;
介质传输率获取子设备,与所述整体大气光值获取子设备和所述大气散射光值获取子设备分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;
清晰化图像获取子设备,与所述图像预处理设备、所述整体大气光值获取子设备和所述介质传输率获取子设备分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将所述预处理外形图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,所述预处理外形图像中每一个像素的像素值包括所述预处理外形图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成去雾外形图像;
所述飞思卡尔IMX6处理设备与所述去雾处理设备和所述静态存储设备分别连接,将所述去雾外形图像与所述各类基准电能表图案进行逐一匹配,输出匹配成功的基准电能表图案的类型作为目标电能表类型输出。
更具体地,其中所述静态存储设备预先存储的每一种基准电能表图案为对每一种基准电能表外形进行预先拍摄所获得的图像;所述图像预处理设备还包括对比度增强处理子设备和小波滤波子设备,所述对比度增强处理子设备与所述图像采集设备连接,用于对所述电能表外形图像进行对比度增强处理,获得增强电能表外形图像,所述小波滤波子设备与所述对比度增强处理子设备连接,基于Haar小波滤波器对所述增强电能表外形图像进行小波滤波处理,以获得所述预处理外形图像。
更具体地,在所述基于视觉识别的电能表型号检测系统中,所述飞思卡尔IMX6处理设备还对所述去雾外形图像进行OCR识别,以获得所述电能表的当前读数。
更具体地,在所述基于视觉识别的电能表型号检测系统中,所述图像采集设备包括前盖玻璃、镜头、滤镜和成像电子单元。
更具体地,在所述基于视觉识别的电能表型号检测系统中,所述雾霾浓度检测子设备、所述整体大气光值获取子设备、所述大气散射光值获取子设备、所述介质传输率获取子设备和所述清晰化图像获取子设备集成在一块集成电路板上,并分别采用不同的FPGA芯片来实现。
更具体地,在所述基于视觉识别的电能表型号检测系统中,所述雾霾浓度检测子设备、所述整体大气光值获取子设备、所述大气散射光值获取子设备、所述介质传输率获取子设备和所述清晰化图像获取子设备所采用的FPGA芯片的选型都为Xilinx公司的Artix-7系列。
本发明的基于视觉识别的电能表型号的检测方法和检测系统,引入高精度的图像采集技术、图像识别技术实现对电能表外形的准确识别,引入无线通信技术实现对电能表类型和位置的高效传输,在此基础上,根据大气衰减模型确定雾霾对图像的影响因素,对雾霾天气下采集的电能表外形图像进行去雾处理,获得清晰的电能表外形图像,从而减少恶劣天气下对电能表类型识别的不利干扰。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为实施根据本发明的基于视觉识别的电能表型号检测方法的检测系统的一个实施方式。
图2为实施根据本发明的基于视觉识别的电能表型号检测方法的检测系统的又一个实施方式。
具体实施方式
下面将参照附图对实施本发明的基于视觉识别的电能表型号检测方法的检测系统的实施方案进行详细说明。
电能表是用来测量电能的仪表,又称电度表,火表,千瓦小时表,指测量各种电学量的仪表,是专门用来计量某一时间段电能累计值的仪表。
电能表的工作原理如下:当把电能表接入被测电路时,电流线圈和电压线圈中就有交变电流流过,这两个交变电流分别在它们的铁芯中产生交变的磁通;交变磁通穿过铝盘,在铝盘中感应出涡流;涡流又在磁场中受到力的作用,从而使铝盘得到转矩(主动力矩)而转动。负载消耗的功率越大,通过电流线圈的电流越大,铝盘中感应出的涡流也越大,使铝盘转动的力矩就越大。即转矩的大小跟负载消耗的功率成正比。功率越大,转矩也越大,铝盘转动也就越快。铝盘转动时,又受到永久磁铁产生的制动力矩的作用,制动力矩与主动力矩方向相反;制动力矩的大小与铝盘的转速成正比,铝盘转动得越快,制动力矩也越大。当主动力矩与制动力矩达到暂时平衡时,铝盘将匀速转动。负载所消耗的电能与铝盘的转数成正比。铝盘转动时,带动计数器,把所消耗的电能指示出来。这就是电能表工作的简单过程。
由于电能表类型众多且分布广泛,分布位置复杂,因此现有的人工类型检测方式以及简单的电子检测方式无法同时满足高效和高精度的双重要求。为此,本发明搭建了一种基于视觉识别的电能表型号检测系统,通过图像采集和图像识别技术满足高效要求,通过去雾霾化处理克服恶劣天气下对电能表读数读取的负面影响从而满足高精度要求。
图1为实施根据本发明的基于视觉识别的电能表型号检测方法的检测系统的一个实施方式,其中,所述检测系统包括图像采集设备1、图像预处理设备2、飞思卡尔IMX6处理设备3、静态存储设备4和供电电源5,所述图像采集设备1用于对电能表拍摄以获得电能表外形图像,所述静态存储设备4预先存储了各类基准电能表图案,所述图像预处理设备2与所述图像采集设备1连接,对所述电能表外形图像进行预处理以输出预处理外形图像,所述飞思卡尔IMX6处理设备3与所述图像预处理设备2和所述静态存储设备4分别连接,基于各类基准电能表图案识别所述预处理外形图像对应的电能表类型以作为目标电能表类型输出。
接着,参照图2,对实施本发明的基于视觉识别的电能表型号检测方法的检测系统的又一个实施方式进行说明。与图1不同的是,图2的实施方式中,增加了位于所述图像预处理设备2和所述飞思卡尔IMX6处理设备3之间的去雾处理设备6。继续对图2的系统进行结构说明如下。
所述检测系统还包括:定位设备,与所述飞思卡尔IMX6处理设备3连接,用于对所述检测系统进行实时定位,并向所述飞思卡尔IMX6处理设备3输出当前位置数据;
所述检测系统还包括:无线通信设备,与所述飞思卡尔IMX6处理设备3连接,用于将所述目标电能表类型和所述当前位置数据进行打包,通过无线通信链路输出打包所获得的数据包;
所述检测系统还包括:SD卡,与所述飞思卡尔IMX6处理设备3连接,用于实时存储所述目标电能表类型和所述当前位置数据;
所述供电电源5,包括太阳能供电器件、蓄电池、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述蓄电池分别连接,根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;
所述检测系统还包括:液晶显示屏,与所述飞思卡尔IMX6处理设备3连接,用于实时显示所述目标电能表类型和所述当前位置数据;
所述去雾处理设备6,位于所述图像预处理设备2和所述飞思卡尔IMX6处理设备3之间,用于接收所述预处理外形图像,对所述预处理外形图像进行去雾处理以获得去雾外形图像,将所述去雾外形图像输入所述飞思卡尔IMX6处理设备3以进行电能表类型识别以获得目标电能表类型;
所述去雾处理设备6进一步包括:
雾霾浓度检测子设备,位于空气中,用于实时检测电能表所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;
整体大气光值获取子设备,与所述图像预处理设备2连接以获得所述预处理外形图像,计算所述预处理外形图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值;
大气散射光值获取子设备,与所述图像预处理设备2和所述雾霾浓度检测子设备分别连接,对所述预处理外形图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF(edge-preserving gaussian filter)对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;
介质传输率获取子设备,与所述整体大气光值获取子设备和所述大气散射光值获取子设备分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;
清晰化图像获取子设备,与所述图像预处理设备2、所述整体大气光值获取子设备和所述介质传输率获取子设备分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将所述预处理外形图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,所述预处理外形图像中每一个像素的像素值包括所述预处理外形图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成去雾外形图像;
所述飞思卡尔IMX6处理设备3与所述去雾处理设备6和所述静态存储设备4分别连接,将所述去雾外形图像与所述各类基准电能表图案进行逐一匹配,输出匹配成功的基准电能表图案的类型作为目标电能表类型输出;
其中,所述静态存储设备4预先存储的每一种基准电能表图案为对每一种基准电能表外形进行预先拍摄所获得的图像;所述图像预处理设备2还包括对比度增强处理子设备和小波滤波子设备,所述对比度增强处理子设备与所述图像采集设备1连接,用于对所述电能表外形图像进行对比度增强处理,获得增强电能表外形图像,所述小波滤波子设备与所述对比度增强处理子设备连接,基于Haar小波滤波器对所述增强电能表外形图像进行小波滤波处理,以获得所述预处理外形图像。
其中,可选地,所述飞思卡尔IMX6处理设备3还对所述去雾外形图像进行OCR识别,以获得所述电能表的当前读数,所述图像采集设备1包括前盖玻璃、镜头、滤镜和成像电子单元,所述雾霾浓度检测子设备、所述整体大气光值获取子设备、所述大气散射光值获取子设备、所述介质传输率获取子设备和所述清晰化图像获取子设备集成在一块集成电路板上,并分别采用不同的FPGA芯片来实现,所述雾霾浓度检测子设备、所述整体大气光值获取子设备、所述大气散射光值获取子设备、所述介质传输率获取子设备和所述清晰化图像获取子设备所采用的FPGA芯片的选型都为Xilinx公司的Artix-7系列。
另外,雾霾图像可以通过一系列图像处理设备实现图像的去雾霾化,以获得清晰化的图像,提高图像的能见度。这些图像处理设备分别执行不同的图像处理功能,基于雾霾形成的原理,达到去除雾霾的效果。雾霾图像的清晰化处理对于军用和民用领域都具有极大的应用价值,军用领域包括军事国防、遥感导航等,民用领域包括道路监测、目标跟踪和自动驾驶等。
雾霾图像形成的过程可以用大气衰减过程来描绘,在雾霾图像和实际图像即清晰化图像之间的关系可用整体大气光值和每一个像素的介质传输率来表述,即在已知雾霾图像的情况下,根据整体大气光值和每一个像素的介质传输率,可以求解出清晰化图像。
对于整体大气光值和每一个像素的介质传输率的求解都存在一些有效且经过验证的手段,例如,对于每一个像素的介质传输率,需要获得整体大气光值和每一个像素的大气散射光值,而每一个像素的大气散射光值可在对每一个像素在雾霾图像中的像素值进行两次保持边缘的高斯平滑滤波而获得,其间,雾霾去除的强度可调;而整体大气光值的获得方式有两种,一种方式是,可通过获取雾霾图像的黑色通道(即在雾霾图像中使得一些像素的黑色通道值非常低,黑色通道为R,G,B三颜色通道中的一种),在雾霾图像中,通过寻找黑色通道像素值偏大的多个像素中寻找灰度值最大的像素来获得,即将寻找到的、灰度值最大的像素的灰度值作为整体大气光值,参与雾霾图像中每一个像素的清晰化处理;另外,整体大气光值也可通过以下方式获得:计算雾霾图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值。
具体的雾霾图像和实际图像即清晰化图像之间的关系,以及各个参数之间的关系可参见以上内容。
通过对雾霾图像形成原理的探讨,搭建了雾霾图像和清晰化图像之间的关系,用多个参数表示这种关系,随后通过获得的多个参数值和雾霾图像即可还原获得清晰度较高的图像,由于参数的获得借用了一些统计手段和经验手段,因此所述清晰度较高的图像不可能完全等同于实际图像,但已经具有相当程度的去雾霾效果,为雾霾天气下的各个领域作业提供有效保障。
另外,FPGA(Field-Programmable Gate Array),即现场可编程门阵列,他是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。他是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,既解决了定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。
以硬件描述语言(Verilog或VHDL)所完成的电路设计,可以经过简单的综合与布局,快速的烧录至FPGA上进行测试,是现代IC设计验证的技术主流。这些可编辑元件可以被用来实现一些基本的逻辑门电路(比如AND、OR、XOR、NOT)或者更复杂一些的组合功能比如解码器或数学方程式。
在大多数的FPGA里面,这些可编辑的元件里也包含记忆元件例如触发器(Flip-flop)或者其他更加完整的记忆块。系统设计师可以根据需要通过可编辑的连接把FPGA内部的逻辑块连接起来,就好像一个电路试验板被放在了一个芯片里。一个出厂后的成品FPGA的逻辑块和连接可以按照设计者而改变,所以FPGA可以完成所需要的逻辑功能。
采用本发明的基于视觉识别的电能表型号检测方法,针对现有电能表类型识别系统或过于依赖人工或自动化程度不高且在多雾天气下受干扰的技术问题,通过多种有针对性的图像采集或图像处理部件实现对电能表类型的自动高效识别,同时,高精度的去雾设备的使用克服了多雾天气下对电能表类型识别带来的干扰。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。

Claims (2)

1.一种基于视觉识别的电能表型号检测方法,该方法包括:
(1)利用图像采集设备对电能表拍摄以获得电能表外形图像;
(2)利用图像预处理设备对所述电能表外形图像进行预处理以输出预处理外形图像;
(3)基于静态存储设备中预先存储的各类基准电能表图案,利用飞思卡尔IMX6处理设备对所述预处理外形图像进行逐一匹配,输出匹配成功的基准电能表图案的类型作为目标电能表类型输出;
其中所述静态存储设备中预先存储的各类基准电能表图案是对每一种基准电能表外形进行预先拍摄所获得的图像;
其中所述图像预处理设备与所述图像采集设备连接,所述飞思卡尔IMX6处理设备与所述图像预处理设备和所述静态存储设备分别连接。
2.如权利要求1所述的检测方法,其中对所述电能表外形图像进行预处理的步骤包括对所述电能表外形图像进行对比度增强处理,获得增强电能表外形图像,并基于Haar小波滤波器对所述增强电能表外形图像进行小波滤波处理,以获得所述预处理外形图像;
进一步包括:利用定位设备进行实时定位,并向所述飞思卡尔IMX6处理设备输出当前位置数据;利用无线通信设备将所述目标电能表类型和所述当前位置数据进行打包,通过无线通信链路输出打包所获得的数据包;利用SD卡实时存储所述目标电能表类型和所述当前位置数据;利用液晶显示屏实时显示所述目标电能表类型和所述当前位置数据;
其中所述定位设备、所述无线通信设备、所述SD卡和所述液晶显示屏与所述飞思卡尔IMX6处理设备分别连接;
进一步包括利用所述飞思卡尔IMX6处理设备对所述去雾外形图像进行OCR识别,以获得所述电能表的当前读数;
该方法是利用包括图像采集设备、图像预处理设备、飞思卡尔IMX6处理设备和静态存储设备的检测系统进行检测;
其中所述去雾处理设备包括:
雾霾浓度检测子设备,位于空气中,用于实时检测电能表所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;
整体大气光值获取子设备,与所述图像预处理设备连接以获得所述预处理外形图像,计算所述预处理外形图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值;
大气散射光值获取子设备,与所述图像预处理设备和所述雾霾浓度检测子设备分别连接,对所述预处理外形图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;
介质传输率获取子设备,与所述整体大气光值获取子设备和所述大气散射光值获取子设备分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;
清晰化图像获取子设备,与所述图像预处理设备、所述整体大气光值获取子设备和所述介质传输率获取子设备分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将所述预处理外形图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,所述预处理外形图像中每一个像素的像素值包括所述预处理外形图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成去雾外形图像;
其中所述雾霾浓度检测子设备、所述整体大气光值获取子设备、所述大气散射光值获取子设备、所述介质传输率获取子设备和所述清晰化图像获取子设备集成在一块集成电路板上,并分别采用不同的FPGA芯片来实现。
CN201610263381.1A 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法 Withdrawn CN105894040A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610263381.1A CN105894040A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610263381.1A CN105894040A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法
CN201510153367.1A CN104700101B (zh) 2015-04-01 2015-04-01 基于视觉识别的电能表型号检测方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201510153367.1A Division CN104700101B (zh) 2015-04-01 2015-04-01 基于视觉识别的电能表型号检测方法

Publications (1)

Publication Number Publication Date
CN105894040A true CN105894040A (zh) 2016-08-24

Family

ID=53347200

Family Applications (7)

Application Number Title Priority Date Filing Date
CN201510153367.1A Active CN104700101B (zh) 2015-04-01 2015-04-01 基于视觉识别的电能表型号检测方法
CN201610263875.XA Withdrawn CN105868795A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法
CN201610261645.XA Withdrawn CN105975904A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法
CN201510570542.7A Pending CN105243642A (zh) 2015-04-01 2015-04-01 基于视觉识别的电能表型号检测方法
CN201610263381.1A Withdrawn CN105894040A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法
CN201610261644.5A Withdrawn CN105894049A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法
CN201510570788.4A Pending CN105243643A (zh) 2015-04-01 2015-04-01 基于视觉识别的电能表型号检测方法

Family Applications Before (4)

Application Number Title Priority Date Filing Date
CN201510153367.1A Active CN104700101B (zh) 2015-04-01 2015-04-01 基于视觉识别的电能表型号检测方法
CN201610263875.XA Withdrawn CN105868795A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法
CN201610261645.XA Withdrawn CN105975904A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法
CN201510570542.7A Pending CN105243642A (zh) 2015-04-01 2015-04-01 基于视觉识别的电能表型号检测方法

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201610261644.5A Withdrawn CN105894049A (zh) 2015-04-01 2015-04-01 一种基于视觉识别的电能表型号检测方法
CN201510570788.4A Pending CN105243643A (zh) 2015-04-01 2015-04-01 基于视觉识别的电能表型号检测方法

Country Status (1)

Country Link
CN (7) CN104700101B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105129052A (zh) * 2015-07-24 2015-12-09 王翠平 一种水下人体搜寻方法
CN105173036A (zh) * 2015-07-24 2015-12-23 任元华 基于神经网络识别的水下人体探测器
CN105083505A (zh) * 2015-07-25 2015-11-25 刘纪君 基于图像处理的船下水域检测系统
CN105466940A (zh) * 2015-11-16 2016-04-06 赵飞腾 充气式电流互感器缺陷监测装置
CN107292154B (zh) * 2017-06-09 2020-12-11 奇安信科技集团股份有限公司 一种终端特征识别方法及系统
JP6926703B2 (ja) * 2017-06-13 2021-08-25 オムロン株式会社 電力量管理システム、電力量モニタ認識プログラム及び記録媒体
CN107389687B (zh) * 2017-06-27 2020-10-09 北京航空航天大学 一种电子元器件外观图像采集装置及其采集方法
CN107730478A (zh) * 2017-10-17 2018-02-23 云南电网有限责任公司电力科学研究院 一种电能计量自动化终端的外形检测方法及装置
JP6868161B1 (ja) * 2019-06-28 2021-05-12 Dmg森精機株式会社 情報処理装置、情報処理方法および情報処理プログラム
CN118116178A (zh) * 2024-03-01 2024-05-31 南京旺之通科技有限公司 远程抄表使能控制系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8520979B2 (en) * 2008-08-19 2013-08-27 Digimarc Corporation Methods and systems for content processing
CN102236788B (zh) * 2010-04-20 2015-09-02 荣科科技股份有限公司 电力电能表图像自动识别方法
CN103049888A (zh) * 2012-12-07 2013-04-17 西安电子科技大学 基于暗原色结合大气散射光的图像/视频去雾方法
CN104281846A (zh) * 2013-07-12 2015-01-14 苏州新天远节能环保科技有限公司 一种基于视觉识别的仪表数据采集方法
CN103913150B (zh) * 2014-04-24 2016-03-16 国家电网公司 智能电能表电子元器件一致性检测方法

Also Published As

Publication number Publication date
CN105975904A (zh) 2016-09-28
CN104700101A (zh) 2015-06-10
CN104700101B (zh) 2017-04-19
CN105894049A (zh) 2016-08-24
CN105243643A (zh) 2016-01-13
CN105868795A (zh) 2016-08-17
CN105243642A (zh) 2016-01-13

Similar Documents

Publication Publication Date Title
CN105894040A (zh) 一种基于视觉识别的电能表型号检测方法
CN105929236A (zh) 楼宇电梯间多功能电度表
CN105242232B (zh) 室外电能表故障自动检验方法
CN105093167B (zh) 室外电能表故障自动检验终端
CN105118264B (zh) 电能表无线抄表系统
CN105120244B (zh) 基于cmos图像采集对电能表进行自动抄表的方法
CN206959795U (zh) 基于模拟图像采集的非接触式细丝直径测量装置
CN104700425B (zh) 室外电能表破损程度检测平台
CN104700107A (zh) 基于图像处理的电能表读数识别设备
CN109345511A (zh) 一种高速公路无人机自检系统
CN104715267A (zh) 基于视觉识别的电能表型号检测系统
CN105791755A (zh) 基于图像采集的自动抄表平台对电能表自动抄表的方法
CN105657230A (zh) 自动抄表平台对电能表自动抄表的方法
CN105791778A (zh) 基于cmos图像采集的电能表自动抄表平台
CN104735420B (zh) 基于cmos图像采集的电能表自动抄表平台
CN105828042A (zh) 基于cmos图像采集的电能表自动抄表平台
CN105740849A (zh) 一种基于图像采集对电能表进行自动抄表的方法
CN105791757A (zh) 一种电能表自动抄表平台及其自动抄表方法
CN105791756A (zh) 基于图像采集的电能表自动抄表平台及自动抄表方法
CN105791759A (zh) 基于图像采集对电能表进行自动抄表的方法
CN105791779A (zh) 基于cmos图像采集的电能表自动抄表平台
Pan et al. Paint Code Identification Using Mobile Color Detector
CN105842531A (zh) 一种楼宇电梯间多功能电度表的使用方法
Khan Development of Automatic Digitization of Truck Number in Open Cast Mines Using Microcontroller

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20160824

WW01 Invention patent application withdrawn after publication