CN108490381A - 一种电表检测装置及其检测方法 - Google Patents

Abstract

本发明提供一种电表检测装置，检测箱上端安装有安装座，安装座上相对于安装座的中心对称设有第一限位板，第一限位板之间通过图像采集模块安装座安装有图像采集模块，图像采集模块上安装有图像处理模块，安装座的下端安装有处理器，处理器与图像处理模块连接用于处理从图像处理模块传来的电表图片信息，安装座上端安装有通电安装座，通电安装座上安装有检测底座，检测底座上端安装有多个探针，探针用于与被测电表上的端子一一对应，安装座上安装有通电栓，通电栓与转换开关连接。本发明还提出运用上述电表检测装置的电表检测方法，本发明的电表检测装置检测效率高，检测结果精准。本发明的检测方法具有鲁棒性，可以提高准备度。

Description

一种电表检测装置及其检测方法

技术领域

本发明涉及电表检测装置，尤其涉及一种电表检测装置及其检测方法。

背景技术

目标检测是计算机视觉和图像处理中的基本挑战之一。目标检测主要应用于数字图片或视屏中，在其中检测出一些拥有具体意义的物体(如人、建筑物或者车辆)。如今在目标检测领域中具有较好研究和应用的包括人脸检测和行人检测。然而，当今发展的趋势不再单一的只对一种物体做检测，比如当处于比较复杂的场景中时，需要对多个目标进行实时处理，因此目标的自动提取和识别极为重要。这个问题给深度学习和计算机视觉研究者们提供了一个新的思路来重新审视经典的计算机视觉问题：怎样结合深度学习去更好的提取图像特征，并且对多个类进行识别。

目标检测一直是计算机视觉中的一个热点研究问题。单一类的检测如进行人脸识别，并且结合3D模型可扩展到人脸的表情识别、车牌检测等，这些都是目标检测的分支。对于人脸的检测虽然会受到光照等的影响，但是相对于智能系统中复杂环境下的检测是相对简单的，复杂的情况可能除了光照外还有目标本身的缺损等其他情况，然而检测系统希望可以自动地地位检测多个目标，并且可以判断目标的缺损程度，这是极为苛刻的。因此，如果能解决这种情况下的目标检测可以应用于其他受环境因素影响较小的目标检测。

在深度学习之前，已有很多用于目标检测的算法。有结合显著度将目标物体与背景分离；有使用滑动窗口的方法检测每个区域以此判断是否为目标；有使用字典训练目标特征然后使用如SVM分类器进行分类；也有使用HOG特征加上SVM训练得到物体的梯度模型来进行分类。然而随着深度学习的崛起，在用有大量数据的支撑和GPU的加速下，使得目标检测更上一层楼。

Fast r-cnn根据R-cnn做了一些修改，使网络训练和测试的速度有很大提升并且提高了检测的准确度。基于增强学习的方法是一种新的尝试，它在训练过程中通过回报函数决定每一步检测框的位置和形状变化，在一定程度上实现了智能。

在电表的检测过程中，不仅需要对电表的内部电路进行检测，还需要对电表进行拍摄照片进行对比检测，以检测电表是否符合规范要求，而现有技术中的电表检测装置，检测效率低，检测准确性差，且对拍摄的电表照片也不能进行有效处理，无法满足实际检测工作的需求。

发明内容

本发明的目的在于提供一种检测效率高，检测结果精准的电表检测装置，以及具有鲁棒性，可以提高准备度的检测方法。

为了达到上述目的，本发明采用如下技术方案：一种电表检测装置，包括检测箱，所述检测箱上安装有显示屏和转换开关，所述检测箱内设有耐压检测电路和上电检测电路，所述耐压检测电路和上电检测电路的输入端分别连接转换开关的输出端，所述检测箱上端安装有安装座，所述安装座上相对于安装座的中心对称设有第一限位板，所述第一限位板之间通过图像采集模块安装座安装有图像采集模块，所述图像采集模块上安装有图像处理模块，所述安装座的下端安装有处理器，所述处理器与图像处理模块连接用于处理从图像处理模块传来的电表图片信息，所述安装座上端安装有通电安装座，所述通电安装座上安装有检测底座，所述检测底座上端安装有多个探针，所述探针用于与被测电表上的端子一一对应，所述安装座上安装有通电栓，所述通电栓与转换开关连接。

进一步的，所述通电安装座内设有第三电机，所述第三电机的上端安装有第三活塞，所述第三活塞远离通电安装座的一端安装有第三活塞轴，所述第三活塞轴远离第三活塞的一端安装有检测底座。

进一步的，所述通电安装座上端安装有第四活塞，所述第四活塞远离通电安装座的一端安装有第四活塞轴，所述检测底座下端且对应第四活塞轴的位置处设有衔接套管。

进一步的，所述衔接套管、第四活塞轴和第四活塞均为导电材料制成。

进一步的，所述探针通过衔接套管、第四活塞轴和第四活塞配合与通电安装座连接，所述通电安装座与检测箱连接，所述检测箱用于检测来自探针传来的检测信号，所述检测箱与处理器相连，处理器处理来自监测箱的检测信号，并将检测的信息反馈由显示屏显示。

进一步的，所述安装座内设有第一滑槽，所述第一滑槽上通过滑轮安装有第一限位板，所述安装座的下端安装有第一电机，所述第一限位板的一侧安装有压缩机，所述第一限位板远离压缩机的一端安装有第二电机，所述第二电机远离第一限位板的一端安装有第二活塞轴，所述第二活塞轴远离第二活塞的一端安装有吸盘。

进一步的，所述检测底座28内设有第二滑槽24，所述第二滑槽24上通过第二滑轮26安装有第二限位板27。

本发明还提出一种电表检测装置的电表检测方法，包括如下步骤：

S1、将待检测的电表置于检测底座上，探针与被测电表上的端子一一对应，将通电栓连接220v市电，然后旋转转换开关，选择耐压检测或上电检测；

S2、图像采集模块对电表进行拍照取样，并将拍照的信息传递给图像处理模块，由图像处理模块对照片进行处理，然后由图像处理模块将图像处理后的信息传递给处理器，由处理器分析处理后经过显示器显示。

进一步的，所述图像处理模块的处理方式包括如下步骤：

A、电表位置标注：对图像采集模块采集的图片进行对齐处理，在对齐之前先确定电表的种类，进而确定电表的模板，该模板中的电表均处于整齐的位置，然后用变换矫正其它图片中电表的位置，得到电表中的元素，然后对图片进行标注制作ground-truth的bounding-box的位置，box的位置坐标分别为左上角和右下角像素坐标；

B、使用Fast r-cnn预训练：提取图片的proposals以及微调imagenet网络训练单电表数据集的Fast r-cnn模型，编写读取ground-truth的接口、读取proposals的接口等用于处理电表数据集，在训练时同时把图片和proposals输入，在训练完毕以后对每一张图片进行检测得到框定位置输出作为增强学习的初始状态输入；

C、增强学习模型训练：给agent设置9个动作，分别为左移、右移、上移、下移、向内缩小、向外扩大、变高和变窄，最后一个为触发动作用来说明达到最好的结果，与agent交互的environment是输入的图片，让box初始状态为由Fast r-cnn得到的结果位置，把区域送入预训练的CNN中进行特征提取，然后经过Q-learning训练agent的决策能力，训练过程中每次agent都从获得回报为正的行动中选择，然后对box的位置做变换，产生新的状态，再次从提取box中图像的特征开始，然后agent根据当前状态继续做出下一步选择，如此循环15次后结束，当agent对所有图片完成了训练以后，网络将用于后续的电表定位。

采用上述技术方案后，本发明具有如下优点：

1、将待检测的电表置于检测底座上，探针与被测电表上的端子一一对应，将通电栓连接220v市电，然后旋转转换开关，选择耐压检测或上电检测，实现了对电表的检测，提高了检测的效率和准确性，并通过图像采集模块对电表的信息进行采集，然后由图像处理模块实现对采集的图片进行分析处理，并将分析处理的信息传递给处理器处理后由显示屏显示，通过采用对表面内部和电表图片的检测，有效提高了对电表检测的准确性，提高了检测的效率。

2、通过在通电安装座内设第三电机，由第三电机驱动第三活塞轴带动检测底座移动，实现探针与待检测电表上的端子对应，实现对探针与电表的连接，进一步实现了电表与检测箱连接，实现对电表的检测，无需手动对接，提高了检测的安全性，自动对接提高了检测的效率。

3、通过在通电安装座上安装第四活塞和第四活塞轴，利用第四活塞轴在第四活塞内伸缩，且与安装在检测底座上的衔接套管对接，实现了检测底座通过第四活塞、第四活塞轴和衔接套管的配合，实现了检测底座与通电安装座连接，实现了检测箱对检测底座上的待测电表进行检测，检测过程可控，提高了检测灵活性，间接通电提高了检测的安全性和效率。

4、衔接套管、第四活塞轴和第四活塞均为导电材料制成，实现了检测底座和通电安装座间接通电，提高了了检测的安全性。

5、通过在安装座内设第一滑槽，并通过在滑槽内安装滑轮，由滑轮实现第一限位板在第一滑槽上滑动，并在第一限位板上通过第一电机驱动第二活塞轴在第二活塞内伸缩，实现安装在第二活塞轴上的吸盘实现对待测电表的限位，由压缩机实现对吸盘内空气的压缩，提高了吸盘对待测电表的吸力，进而有效提高了对电表安装的稳定性，进一步提高了电表检测的准确性。

6、通过在检测底座28内设第二滑槽24，并通过在第二滑槽24上通过第二滑轮26安装第二限位板27，通过第二限位板27实现对待测电表进行限位固定，提高了待测电表固定的稳定性，进一步提高了电表检测数据的可靠性。

7、本发明的电表检测方法通过结果Fast r-cnn和增强学习的方法进行检测，具有鲁棒性，可以提高准备度。

附图说明

下面结合附图对本发明作进一步说明：

图1为本发明提供一种电表检测装置的主视图；

图2为图1中A处的局部放大示意图；

图中所标各部件名称如下：

1-安装座，2-固定栓，3-检测箱，4-显示屏，5-转换开关，6-第一电机，7-第一滑槽，8-滑轮，9-通电栓，10-处理器，11-第一活塞，12-第一活塞轴，13-图像采集模块，14-图像处理模块，15-压缩机，16-第二电机，17-第二活塞，18-第二活塞轴，19-吸盘，20-第一限位板，21-通电安装座，22-第三电机，23-第三活塞，24-第三活塞轴，25-第二滑槽，26-第二滑轮，27-第二限位板，28-检测底座，29-衔接套管，30-第四活塞轴，31-第四活塞，32-第四电机，33-探针。

具体实施方式

以下结合附图及具体实施例，对本发明作进一步的详细说明。

如图1-2所示，本发明提供一种电表检测装置，包括检测箱3，检测箱3上安装有显示屏4和转换开关5，检测箱3内设有耐压检测电路和上电检测电路，耐压检测电路和上电检测电路的输入端分别连接转换开关的输出端，检测箱3上端安装有安装座1，安装座1上相对于安装座1的中心对称设有第一限位板20，第一限位板20之间通过图像采集模块安装座安装有图像采集模块13，图像采集模块13上安装有图像处理模块14，安装座1的下端安装有处理器10，处理器10与图像处理模块14连接用于处理从图像处理模块14传来的电表图片信息，安装座1上端安装有通电安装座21，通电安装座21上安装有检测底座28，检测底座28上端安装有多个探针33，探针33用于与被测电表上的端子一一对应，安装座1上安装有通电栓9，通电栓9与转换开关5连接。将待检测的电表置于检测底座28上，探针33与被测电表上的端子一一对应，将通电栓连接220v市电，然后旋转转换开关5，选择耐压检测或上电检测，实现了对电表的检测，提高了检测的效率和准确性，并通过图像采集模块13对电表的信息进行采集，然后由图像处理模块14实现对采集的图片进行分析处理，并将分析处理的信息传递给处理器10处理后由显示屏4显示，通过采用对表面内部和电表图片的检测，有效提高了对电表检测的准确性，提高了检测的效率。

进一步的，通电安装座21内设有第三电机21，第三电机21的上端安装有第三活塞23，第三活塞23远离通电安装座21的一端安装有第三活塞轴24，第三活塞轴24远离第三活塞23的一端安装有检测底座28。通过在通电安装座21内设第三电机21，由第三电机21驱动第三活塞轴24带动检测底座28移动，实现探针33与待检测电表上的端子对应，实现对探针33与电表的连接，进一步实现了电表与检测箱3连接，实现对电表的检测，无需手动对接，提高了检测的安全性，自动对接提高了检测的效率。

进一步的，通电安装座21上端安装有第四活塞31，第四活塞31远离通电安装座21的一端安装有第四活塞轴30，检测底座28下端且对应第四活塞轴30的位置处设有衔接套管29。通过在通电安装座21上安装第四活塞31和第四活塞轴30，利用第四活塞轴30在第四活塞31内伸缩，且与安装在检测底座28上的衔接套管29对接，实现了检测底座28通过第四活塞31、第四活塞轴30和衔接套管29的配合，实现了检测底座28与通电安装座21连接，实现了检测箱3对检测底座28上的待测电表进行检测，检测过程可控，提高了检测灵活性，间接通电提高了检测的安全性和效率。

进一步的，衔接套管29、第四活塞轴30和第四活塞31均为导电材料制成。实现了检测底座28和通电安装座21间接通电，提高了了检测的安全性。

进一步的，探针33通过衔接套管29、第四活塞轴30和第四活塞31配合与通电安装座21连接，通电安装座21与检测箱3连接，检测箱3用于检测来自探针33传来的检测信号，检测箱3与处理器10相连，处理器10处理来自监测箱3的检测信号，并将检测的信息反馈由显示屏4显示。

进一步的，安装座1内设有第一滑槽7，所述第一滑槽7上通过滑轮8安装有第一限位板20，安装座1的下端安装有第一电机6，第一限位板20的一侧安装有压缩机15，第一限位板20远离压缩机15的一端安装有第二电机16，第二电机16远离第一限位板20的一端安装有第二活塞轴18，第二活塞轴18远离第二活塞17的一端安装有吸盘19。通过在安装座1内设第一滑槽7，并通过在滑槽8内安装滑轮8，由滑轮8实现第一限位板20在第一滑槽7上滑动，并在第一限位板20上通过第一电机6驱动第二活塞轴16在第二活塞17内伸缩，实现安装在第二活塞轴16上的吸盘19实现对待测电表的限位，由压缩机15实现对吸盘19内空气的压缩，提高了吸盘19对待测电表的吸力，进而有效提高了对电表安装的稳定性，进一步提高了电表检测的准确性。

进一步的，检测底座28内设有第二滑槽24，第二滑槽24上通过第二滑轮26安装有第二限位板27。通过在检测底座28内设第二滑槽24，并通过在第二滑槽24上通过第二滑轮26安装第二限位板27，通过第二限位板27实现对待测电表进行限位固定，提高了待测电表固定的稳定性，进一步提高了电表检测数据的可靠性。

本发明还提出采用本发明公开的电表检测装置进行电表检测，检测方法包括如下步骤：

S1、将待检测的电表置于检测底座上，探针与被测电表上的端子一一对应，将通电栓连接220v市电，然后旋转转换开关，选择耐压检测或上电检测；

S2、图像采集模块对电表进行拍照取样，并将拍照的信息传递给图像处理模块，由图像处理模块对照片进行处理，然后由图像处理模块将图像处理后的信息传递给处理器，由处理器分析处理后经过显示器显示。

其中，所述图像处理模块的处理方式包括如下步骤：

A、电表位置标注：对图像采集模块采集的图片进行对齐处理，在对齐之前先确定电表的种类，进而确定电表的模板，该模板中的电表均处于整齐的位置，然后用变换矫正其它图片中电表的位置，得到电表中的元素，然后对图片进行标注制作ground-truth的bounding-box的位置，box的位置坐标分别为左上角和右下角像素坐标；

B、使用Fast r-cnn预训练：提取图片的proposals以及微调imagenet网络训练单电表数据集的Fast r-cnn模型，编写读取ground-truth的接口、读取proposals的接口等用于处理电表数据集，在训练时同时把图片和proposals输入，在训练完毕以后对每一张图片进行检测得到框定位置输出作为增强学习的初始状态输入；

C、增强学习模型训练：给agent设置9个动作，分别为左移、右移、上移、下移、向内缩小、向外扩大、变高和变窄，最后一个为触发动作用来说明达到最好的结果，与agent交互的environment是输入的图片，让box初始状态为由Fast r-cnn得到的结果位置，把区域送入预训练的CNN中进行特征提取，然后经过Q-learning训练agent的决策能力，训练过程中每次agent都从获得回报为正的行动中选择，然后对box的位置做变换，产生新的状态，再次从提取box中图像的特征开始，然后agent根据当前状态继续做出下一步选择，如此循环15次后结束，当agent对所有图片完成了训练以后，网络将用于后续的电表定位。本方法通过结果Fast r-cnn和增强学习的方法进行检测，具有鲁棒性，可以提高准备度。

除上述优选实施例外，本发明还有其他的实施方式，本领域技术人员可以根据本发明作出各种改变和变形，只要不脱离本发明的精神，均应属于本发明所附权利要求所定义的范围。

Claims (9)

1.一种电表检测装置，包括检测箱，所述检测箱上安装有显示屏和转换开关，所述检测箱内设有耐压检测电路和上电检测电路，所述耐压检测电路和上电检测电路的输入端分别连接转换开关的输出端，其特征在于，所述检测箱上端安装有安装座，所述安装座上相对于安装座的中心对称设有第一限位板，所述第一限位板之间通过图像采集模块安装座安装有图像采集模块，所述图像采集模块上安装有图像处理模块，所述安装座的下端安装有处理器，所述处理器与图像处理模块连接用于处理从图像处理模块传来的电表图片信息，所述安装座上端安装有通电安装座，所述通电安装座上安装有检测底座，所述检测底座上端安装有多个探针，所述探针用于与被测电表上的端子一一对应，所述安装座上安装有通电栓，所述通电栓与转换开关连接。

2.根据权利要求1所述的电表检测装置，其特征在于，所述通电安装座内设有第三电机，所述第三电机的上端安装有第三活塞，所述第三活塞远离通电安装座的一端安装有第三活塞轴，所述第三活塞轴远离第三活塞的一端安装有检测底座。

3.根据权利要求1所述的电表检测装置，其特征在于，所述通电安装座上端安装有第四活塞，所述第四活塞远离通电安装座的一端安装有第四活塞轴，所述检测底座下端且对应第四活塞轴的位置处设有衔接套管。

4.根据权利要求3所述的电表检测装置，其特征在于，所述衔接套管、第四活塞轴和第四活塞均为导电材料制成。

5.根据权利要求1所述的电表检测装置，其特征在于，所述探针通过衔接套管、第四活塞轴和第四活塞配合与通电安装座连接，所述通电安装座与检测箱连接，所述检测箱用于检测来自探针传来的检测信号，所述检测箱与处理器相连，处理器处理来自监测箱的检测信号，并将检测的信息反馈由显示屏显示。

6.根据权利要求1所述的电表检测装置，其特征在于，所述安装座内设有第一滑槽，所述第一滑槽上通过滑轮安装有第一限位板，所述安装座的下端安装有第一电机，所述第一限位板的一侧安装有压缩机，所述第一限位板远离压缩机的一端安装有第二电机，所述第二电机远离第一限位板的一端安装有第二活塞轴，所述第二活塞轴远离第二活塞的一端安装有吸盘。

7.根据权利要求1所述的电表检测装置，其特征在于，所述检测底座28内设有第二滑槽24，所述第二滑槽24上通过第二滑轮26安装有第二限位板27。

8.一种根据权利要求1-7所述的电表检测装置的电表检测方法，其特征在于，包括如下步骤：

S1、将待检测的电表置于检测底座上，探针与被测电表上的端子一一对应，将通电栓连接220v市电，然后旋转转换开关，选择耐压检测或上电检测；

S2、图像采集模块对电表进行拍照取样，并将拍照的信息传递给图像处理模块，由图像处理模块对照片进行处理，然后由图像处理模块将图像处理后的信息传递给处理器，由处理器分析处理后经过显示器显示。

9.根据权利要求8所述的电表检测方法，其特征在于，所述图像处理模块的处理方式包括如下步骤：

A、电表位置标注：对图像采集模块采集的图片进行对齐处理，在对齐之前先确定电表的种类，进而确定电表的模板，该模板中的电表均处于整齐的位置，然后用变换矫正其它图片中电表的位置，得到电表中的元素，然后对图片进行标注制作ground-truth的bounding-box的位置，box的位置坐标分别为左上角和右下角像素坐标；

B、使用Fast r-cnn预训练：提取图片的proposals以及微调imagenet网络训练单电表数据集的Fast r-cnn模型，编写读取ground-truth的接口、读取proposals的接口等用于处理电表数据集，在训练时同时把图片和proposals输入，在训练完毕以后对每一张图片进行检测得到框定位置输出作为增强学习的初始状态输入；

C、增强学习模型训练：给agent设置9个动作，分别为左移、右移、上移、下移、向内缩小、向外扩大、变高和变窄，最后一个为触发动作用来说明达到最好的结果，与agent交互的environment是输入的图片，让box初始状态为由Fast r-cnn得到的结果位置，把区域送入预训练的CNN中进行特征提取，然后经过Q-learning训练agent的决策能力，训练过程中每次agent都从获得回报为正的行动中选择，然后对box的位置做变换，产生新的状态，再次从提取box中图像的特征开始，然后agent根据当前状态继续做出下一步选择，如此循环15次后结束，当agent对所有图片完成了训练以后，网络将用于后续的电表定位。