CN108645490A - 基于图像处理技术的冷水水表视觉检测系统及检测方法 - Google Patents

Abstract

本发明公开了一种基于图像处理技术的冷水水表视觉检测系统及检测方法。所述的视觉检测系统包括工业相机、光源、光源控制器、工控机、显示器，由工业相机搭配一对光源对冷水水表图像进行采集，并将采集到的图像发送工控机中，经过图像处理算法对采集到的水表图像进行处理，识别出待检测冷水水表的流量示数，计算流量示数的差值与标准流量值之间的误差百分比，最后将检测结果传输到显示器上显示。本发明通过连续流量测试的情况下在检测通水的同时识别水表示数，计算流量误差，这样大大节省了检测的时间，使得水表检测效率明显提升，读取精度较过去的人工读取精度大大增强。

Description

基于图像处理技术的冷水水表视觉检测系统及检测方法

技术领域

本发明涉及一种冷水水表视觉检测系统及检测方法，特别涉及一种基于图像处理技术的冷水水表视觉检测系统及检测方法。

背景技术

水表的误差检测对水表计量有决定性的影响，不管是对于水表生产厂家还是水表的使用者都有着重要的意义。在厂家生产冷水水表的过程中，存在一部分产品对用水量测量不准确的情况，这就要求工人们在水表出厂投入实际使用之前，通过打开水表，调节水表内部的校准部件，一次调节水表的测量准确性，使其达到能够准确测量用水量的要求。

按照国家计量检测规程JJG 162-2009《冷水水表检测流程》的相关规定，检测的冷水水表需要检测常用流量、分界流量和最小流量三个流量点。目前，计量器具检测单位在检测冷水水表的时候，相关检测人员需要三次手动切换水流量，肉眼前后六次读取被检水表流量示数以及六次读取标准容器的水位示数，并通过液位计量储罐记录这些数据，计算出每块水表在常用流量、分界流量以及最小流量下的误差。人工检测系统自动化程度低，可靠性差，检测过程严重耗时，整个检测过程中检测人员需要实时监控检测装置的运行，一般检测一组水表(例如：15mm口径的水表，一组检测8块；20mm口径的水表，一组检测7块)三个流量点的水流时间就要30分钟，加上人工操作的时间，整体耗时50分钟左右。因此，现有技术中冷水水表的检测还存在效率低下及准确率不高等问题。

发明内容

为了解决现有技术中冷水水表的检测效率低下以及准确率不高的技术问题，本发明提供了一种基于图像处理技术的冷水水表视觉检测系统及检测方法。本发明大大节省了检测的时间，使得水表检测效率明显提高。

本发明解决上述技术问题的技术方案是：一种基于图像处理技术的冷水水表视觉检测系统，包括工业相机、光源、光源控制器、工控机、显示器，所述的光源分布在工业相机的两侧，左右中心对称，光源控制器与光源相连，工业相机的输出接工控机，光源控制器、显示器分别与工控机相连，所述的工控机包括图像预处理模块、图像识别模块、数据处理模块；图像预处理模块对工业相机采集的冷水水表表盘面图像进行预处理，去除表盘面图像的干扰；再送到图像识别模块，图像识别模块根据预处理之后的表盘面图像，识别指针所在位置，得到每个指针对应的刻度示数；数据处理模块对这些数据进行错误纠正和数据整合，得到一个完整的水表读数，然后分别计算常用流量、分界流量以及最小流量的检测误差，判断水表是否符合检测标，并送到显示器进行显示。

一种基于图像处理技术的冷水水表视觉检测方法，其步骤如下：

1)在冷水水表常用流量、分界流量和最小流量测试开始前和测试结束后，利用图像集采模块分别采集冷水水表的表盘面图像；

2)图像预处理模块对表盘面图像预处理，去除表盘面图像的干扰；

3)图像识别模块根据预处理之后的表盘面图像，识别指针所在位置，得到每个指针对应的刻度示数；

4)数据处理模块对刻度示数进行错误纠正和数据整合，得到一个完整的水表读数，然后分别计算常用流量、分界流量以及最小流量的检测误差，判断水表是否符合检测标准。

上述的基于图像处理技术的冷水水表视觉检测方法，所述步骤1)的具体步骤为：在进行冷水水表常用流量的检测时，图像采集模块在测试开始前和测试结束后的稳定状态下分别对表盘面进行图像采集工作，采集到测试开始前图像记为TS1-0和测试结束后图像记为TS1-1；在进行冷水水表分界流量的检测时，图像采集模块在测试开始前和测试结束后的稳定状态下分别对表盘面进行图像采集工作，采集到测试开始前图像记为TS2-0和测试结束后图像记为TS2-1；在进行冷水水表最小流量的检测时，图像采集模块在测试开始前和测试结束后的稳定状态下分别对表盘面进行图像采集工作，采集到测试开始前图像记为TS3-0和测试结束后图像记为TS3-1。

上述的基于图像处理技术的冷水水表视觉检测方法中，所述步骤2)的具体步骤为：采用加权平均的方式将表盘面图像转换成灰度图像，然后用中值滤波去除表盘面图像的噪声干扰，再根据图像灰度变化的范围通过线型比例灰度拉伸变换，对表盘面图像效果进行增强。

上述的基于图像处理技术的冷水水表视觉检测方法中，所述步骤3)的具体步骤为：定位表盘面图像中的数字区域边框区域，并计算此边框长边与水平轴的夹角，通过仿射变换对表盘面图像进行角度校正；然后，对表盘面图像中的子表盘区域进行定位，通过形态学操作识别出子表盘轮廓刻度的点集，对这些点集进行形态学处理排除干扰点，同时求取剩余点的中心坐标，根据识别出的刻度值中心坐标，使用最小二乘法进行初步拟合，将拟合的结果作为第二次拟合的迭代初始值，通过计算每个点到圆心距离绝对值的最小之和再次进行拟合，得到精确的子表盘圆心和子表盘的半径，此圆心亦是指针转动的轴心；最后，以指针转动的轴心为圆心，以0.8倍子表盘半径画一个圆，通过投影的方式计算出指针针尖的位置，计算指针转动轴心与指针针尖连线的角度，然后将角度换算成相对应的刻度值，按相同步骤，计算出其余三个指针所对应的读数。

上述的基于图像处理技术的冷水水表视觉检测方法中，所述步骤4)的具体步骤为：数据处理模块将图像识别模块计算出的四个指针刻度示数进行错误纠正和逻辑整合，得到一个完整的读数；其中常用流量测试开始前图像TS1-0的读数记为SZ1_0,测试完成后图像TS1-1的读数记为SZ1_1，常用流量的通水量记为SZ1，常用流量的误差为：分界流量测试开始前图像TS2-0的读数为SZ2_0，测试完成后图像TS2-1的读数为SZ2_1，分界流量的通水量记为SZ2，分界流量的误差为：最小流量测试开始前图像TS3-0的读数记为SZ3_0，测试完成后图像TS3-1的读数记为SZ3_1，最小流量的通水量记为SZ3，最小流量的误差为：

本发明的技术效果在于：本发明通过连续流量测试的情况下在检测通水的同时识别水表示数，计算流量误差，这样大大节省了检测的时间，使得水表检测效率明显提升，读取精度较过去的人工读取精度大大增强。

附图说明

图1为本发明中冷水水表的表盘示意图。

图2为本发明的视觉检测系统示意图。

图3为本发明的打光示意图。

图4为本发明中的视觉检测方法流程图。

图5为本发明中的分段线性灰度空间拉伸图。

图6为本发明中图像识别的流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的说明。

如图2所示，本发明中的冷水水表视觉检测系统包括工业相机、光源、光源控制器、工控机、显示器。所述的光源分布在工业相机的两侧，左右中心对称，光源控制器与光源相连，工业相机的输出接工控机，光源控制器、显示器分别与工控机相连。本发明中的打光方案如图3所示，其中1为工业相机，2为光源，3为冷水水表，本发明中使用一对条形光源2进行呈角度交叉的方式对冷水水表3的表盘面进行打光，使得发光的交叉面刚好完整覆盖待测冷水水表3的表盘面,通过光源控制器控制每个光源2的亮度。计算打光方案中的参数：根据已知的水表表盘面直径R，条形光源的长度P来计算光源的倾斜角度：光源下端距离待测冷水水表表盘面的距离L、光源在水平方向与待测冷水水表的距离D，使其达到最佳的打光效果。

将待检测的若干冷水水表安装到相应的检测台体上，打开视觉检测系统，然后排除管道内的气泡，打开液位计量储罐进行通水测试，并通过液位计量储罐记录常用流量的通水量SZ1、分界流量的通水量SZ2和最小流量的通水量SZ3。

工业相机对待测冷水水表表盘面进行图像采集，工业相机与工控机相连，工业相机将采集到的表盘面图像传输到工控机中进行图像处理，识别出待检测冷水水表的流量示数，计算流量示数的差值与标准流量值之间的误差百分比，最后将检测结果传输到显示器上显示。

本发明中，基于图像处理技术的冷水水表视觉检测方法主要包括图像采集、图像预处理、图像识别、数据处理这几个步骤。

图像采集的具体步骤如下：

第一步，常用流量测试开始前，图像采集模块对当前状态下的表盘面进行图像采集并保存图像，记为TS1-0，常用流量测试完成进入稳定状态后，对当前状态下的表盘面图像进行图像采集并保存图像，记为TS1-1。此轮常用流量的通水量记为SZ1。

第二步，分界流量测试开始前，图像采集模块对当前状态下的表盘面进行图像采集并保存图像，记为TS2-0，分界流量测试完成进入稳定状态后，对当前状态下的表盘面图像进行图像采集并保存图像，记为TS2-1。此轮分界流量的通水量记为SZ2。

第三步，最小流量测试开始前，图像采集模块对当前状态下的表盘面进行图像采集并保存图像，记为TS3-0，最小流量测试完成进入稳定状态后，对当前状态下的表盘面图像进行图像采集并保存图像，记为TS3-1。此轮最小流量的通水量记为SZ3。

图像采集模块完成三个流量点的图像采集工作后，将图像传到图像预处理模块。图像预处理模块的主要功能是去除图像中的干扰，增强图像效果。

图像预处理的具体步骤如下：

第一步，通过加权平均值的方法对图像进行灰度化处理，将图像中各像素点的R、G、B三个分量分别乘以一个加权系数：g(x，y)＝(W_R*f(x，y)_R+W_B*f(x，y)_B+W_G*f(x，y)_G)/3。这里根据人眼对颜色的敏感程度，一般采取的加权参数模型为：g(x，y)＝0.299R+0.587G+0114B。

第二步，灰度化处理完成后，接下来去除图像中的干扰，降低图像的信噪比。考虑到图像中的干扰主要来自水泡的遮挡，所以以圆形结构作为中值滤波的模板，对图像进行滤波操作：g(x，y)＝Median[f(x，y)|0＜x＜N，o＜y＜N，其中g(x,y)为变换后的灰度值，f(x,y)为变换前的灰度值，N为模板的尺寸。

第三步，根据降噪处理后图像中的灰度变换，通过分段线性灰度空间拉伸变换对图像效果进行增强。分段线性灰度空间拉伸变换数学表达式如下：

由于指针和子表盘面的灰度分布相对集中，这两部分灰度统计像素个数为零，将水表图像[a,b]范围内的灰度级像素通过线性变换函数扩展到[c,d]，另外两部分的灰度区间受到压缩。其中范围[a,b]代表指针灰度级所处的灰度区间，[c,d]为通过线性拉伸变换后的指针灰度区间。

如图5以及分段线性灰度空间拉伸变换数学表达式可以看出，由于目标和背景的灰度分布相对集中，两端部分灰度统计像素个数很少，将水表图像[a,b]范围内的灰度级像素通过线性变换函数扩展到[c,d]，将另外两部分的灰度空间压缩，以此达到增强图像效果的目的。

图像经过预处理之后，图像中的大部分干扰得到了排除，信噪比也明显降低了。接下来，将预处理后的图像传到图像识别模块，对水表指针的示数进行识别处理。

图像识别的流程如图6所示，图像识别的具体步骤如下：

第一步，定位水表图像中的数字显示框区域。由于在图像采集过程中，机械装置的不一致性，导致采集到的图像有一定程度的角度偏移，通过定位图像中某一恒定不变的标志来对整体图像进行角度的校正。冷水水表的数字显示框的长宽比例为4.4-4.5，根据此比例制作一个矩形模板，根据此模板进行模板匹配，定位到图像中的数字显示框。

第二步，根据定位到的数字显示框，计算出显示框长边相对于水平轴的夹角α，并以此角度α对整体图像进行仿射变换，校正图像。以角度α进行平面放射变换：

第三步，定位子表盘区域。图像整体校正之后，需要确定每个指针所在的区域，即子表盘区域，并将每个指针所在的子表盘区域从整体图像中分割出来。提取图像中子表盘区域和非子表盘区域的方向梯度直方图，通过图像特征模式训练对两个特征分别进行训练，训练得到最终的子表盘特征并保存，用于之后的子表盘识别。(注：对于同一种类型的水表，此部分训练只需执行一次即可)定位子表盘的具体步骤如下：

步骤1、准备子表盘图像(正样本集)和非子表盘图像(负样本集)；

步骤2、将正、负样本集中的图像缩放到同样尺寸大小；

步骤3、将正样本标签记为1，负样本标签记为0；

步骤4、对正样本集中的所有样本进行梯度特征提取；

步骤5、对负样本集中的所有样本进行梯度特征提取；

步骤6、将正、负样本集的标签和对应的梯度特征进行训练；

步骤7、对于训练失败的样本图片放到相应的正、负样本集中再次训练；

步骤8、将最终的训练结果保存，以备后续使用。

第四步，定位到每个子表盘区域之后，计算区域的最大内切圆Y_i，得到此区域相应的几何中心(x_i，y_i)和几何半径r_i，其中i＝1,2,3,4。

第五步，根据每个几何中心中y_i从小到大的顺序，对每个子表盘从左至右依次进行排序，分别为0.0001m³、0.001m³、0.01m³和0.1m³。

第六步，获取子表盘的刻度点图像。这里以第一个子表盘0.0001m³为例，以第四步中得到的几何中心(x₁，y₁)为圆心，(r₁-5)为半径画一个圆，记为Y₂，求取Y₁和Y₂两个圆形图像的差集，此点集包含了子表盘0-9十个刻度对应的刻度点图像。

第七步，获取子表盘中每个刻度点的中心坐标。首先，对第六步中得到的刻度点图像进行阈值处理；然后，对图像进行膨胀的形态学操作，通过特征提取筛选掉干扰点，再对筛选之后的图像进行与膨胀操作相同结构元素大小的腐蚀操作，得到刻度点图像；最后，计算刻度点的连通域得到单个的刻度点，并且计算出每个刻度点的最小外接圆，最终得到每个刻度点的中心坐标(x_j，y_j)。其中j＝0,1,2,3,4,5,6,7,8,9。

第八步，拟合指针转动轴心。根据第七步中计算得到的每个刻度点的中心坐标(x_j，y_j)，通过拟合的方式，计算每个刻度点到圆心距离的绝对值之和F，当这个距离和最小时得到的既是指针转动轴心。

拟合指针转动轴心的具体步骤如下：

步骤1、根据已知的刻度点的中心坐标(x_j，y_j)通过最小二乘法进行初步拟合，拟合出的圆以圆心坐标(center_x1,center_y1)和半径radius1的形式进行表示；

步骤2、以最小二乘法拟合出的结果作为迭代算法的初始值，设置初始迭代步长和最大迭代步数，然后计算每个刻度点到转动轴心距离的绝对值之和F，当F越来越小恒定在某一值时，此时得到的(x_c，y_c)即为指针的转动轴心坐标，R为指针的转动半径。

第九步，计算红色像素最多的投影直线。以第八步中求得的指针转动轴心坐标(x_c，y_c)为圆心，0.8*R为半径画圆，每隔0.5°由圆心向外延半径方向做投影直线，计算每个投影方向上红色像素的数量，红色像素最多的直线即为指针的指向线。

第十步，计算每个指针对应的刻度示数。，计算这条线与X正半轴的夹角θ。根据表1计算角度θ与0-9刻度之间的对应关系，得到指针对应的刻度示数N_k，结果保留两位小数,其中k＝1,2,3,4。

经过图像处理模块之后，得到了每个指针对应的刻度示数。将得到的刻度示数出入到数据处理模块，将数据进行错误纠正和逻辑整合，最终输出一个完整的读数。

数据处理的具体步骤如下：

第一步，对四个指针的刻度示数进行错误纠正。根据指针的传动特性可知，当代表0.0001m³的子表盘指针转动一周时，对应的0.001m³的子表盘指针会转动一个单位，根据此规律观察得知，低位指针的转动影响着高位指针，以此类推。但在现实生产中，由于机械加工或人工装配的误差，并不能完全满足上述规律。因此通过低位指针所处的临界值范围来判断高位指针对应的示数依次对0.001m³、0.01m³和0.1m³的子表盘指针刻度示数进行纠正。

低位指针判断高位指针示数的规则如下：当高位指针的刻度示数N_k和其取整后的示数N′_k的差值ΔN_k(ΔN_k＝N_k-N′_k)＜0.2时，观察此时低位指针的刻度示数N_k-1，如果此时N_k-1∈(0，5)，N_k与N_k-1均保持不变；如果此时N_k-1∈(5，0)，则保持N_k＝N_k-1，N_k-1不变。经过纠正后依次得到了每个指针对应的刻度示数，分别是N₁，N₂，N₃，N₄。

第二步，数据整合。考虑到实际测试中的通水量一般不会超过100L，所以最终的数据以L作为计算单位，结果保留两位小数。SZm_n＝N₁×0.1+N₂×1+N₃×10+N₄×100，其中m代表测试流量，常用流量记为1，分界流量记为2，最小流量记为3；n代表测试状态，测试开始前记为1，测试结束后记为0。

第三步，计算每个流量的误差：

常用流量误差：

分界流量误差：

最小流量误差：

第四步，检测结果整合显示。根据冷水水表的检测误差标准，常用流量的误差不得高于2％，分界流量的误差不得高于2％，最小流量的误差不得高于5％。

Claims (6)

1.一种基于图像处理技术的冷水水表视觉检测系统，其特征在于：包括工业相机、光源、光源控制器、工控机、显示器，所述的光源分布在工业相机的两侧，左右中心对称，光源控制器与光源相连，工业相机的输出接工控机，光源控制器、显示器分别与工控机相连，所述的工控机包括图像预处理模块、图像识别模块、数据处理模块；图像预处理模块对工业相机采集的冷水水表表盘面图像进行预处理，去除表盘面图像的干扰；再送到图像识别模块，图像识别模块根据预处理之后的表盘面图像，识别指针所在位置，得到每个指针对应的刻度示数；数据处理模块对这些数据进行错误纠正和数据整合，得到一个完整的水表读数，然后分别计算常用流量、分界流量以及最小流量的检测误差，判断水表是否符合检测标，并送到显示器进行显示。

2.一种基于图像处理技术的冷水水表视觉检测方法，其特征在于，检测步骤如下：

1)在冷水水表常用流量、分界流量和最小流量测试开始前和测试结束后，利用图像集采模块分别采集冷水水表的表盘面图像；

2)图像预处理模块对表盘面图像预处理，去除表盘面图像的干扰；

3)图像识别模块根据预处理之后的表盘面图像，识别指针所在位置，得到每个指针对应的刻度示数；

4)数据处理模块对刻度示数进行错误纠正和数据整合，得到一个完整的水表读数，然后分别计算常用流量、分界流量以及最小流量的检测误差，判断水表是否符合检测标准。

3.根据权利要求2所述的基于图像处理技术的冷水水表视觉检测方法，其特征在于，所述步骤1)的具体步骤为：在进行冷水水表常用流量的检测时，图像采集模块在测试开始前和测试结束后的稳定状态下分别对表盘面进行图像采集工作，采集到测试开始前图像记为TS1-0和测试结束后图像记为TS1-1；在进行冷水水表分界流量的检测时，图像采集模块在测试开始前和测试结束后的稳定状态下分别对表盘面进行图像采集工作，采集到测试开始前图像记为TS2-0和测试结束后图像记为TS2-1；在进行冷水水表最小流量的检测时，图像采集模块在测试开始前和测试结束后的稳定状态下分别对表盘面进行图像采集工作，采集到测试开始前图像记为TS3-0和测试结束后图像记为TS3-1。

4.根据权利要求2所述的基于图像处理技术的冷水水表视觉检测方法，其特征在于：所述步骤2)的具体步骤为：采用加权平均的方式将表盘面图像转换成灰度图像，然后用中值滤波去除表盘面的噪声干扰，再根据图像灰度变化的范围通过线型比例灰度拉伸变换，对表盘面图像效果进行增强。

5.根据权利要求2所述的基于图像处理技术的冷水水表视觉检测方法，所述步骤3)的具体步骤为：定位表盘面图像中的数字区域边框区域，并计算此边框长边与水平轴的夹角，通过仿射变换对表盘面图像进行角度校正；然后，对表盘面图像中的子表盘区域进行定位，通过形态学操作识别出子表盘轮廓刻度的点集，对这些点集进行形态学处理排除干扰点，同时求取剩余点的中心坐标，根据识别出的刻度值中心坐标，使用最小二乘法进行初步拟合，将拟合的结果作为第二次拟合的迭代初始值，通过计算每个点到圆心距离绝对值的最小之和再次进行拟合，得到精确的子表盘圆心和子表盘的半径，此圆心亦是指针转动的轴心；最后，以指针转动的轴心为圆心，以0.8倍子表盘半径画一个圆，通过投影的方式计算出指针针尖的位置，计算指针转动轴心与指针针尖连线的角度，然后将角度换算成相对应的刻度值，按相同步骤，计算出其余三个指针所对应的读数。

6.根据权利要求2所述的基于图像处理技术的冷水水表视觉检测方法，所述步骤4)的具体步骤为：数据处理模块将图像识别模块计算出的四个指针刻度示数进行错误纠正和逻辑整合，得到一个完整的读数；其中常用流量测试开始前图像TS1-0的读数记为SZ1_0,测试完成后图像TS1-1的读数记为SZ1_1，常用流量的通水量记为SZ1，常用流量的误差为：分界流量测试开始前图像TS2-0的读数为SZ2_0，测试完成后图像TS2-1的读数为SZ2_1，分界流量的通水量记为SZ2，分界流量的误差为：最小流量测试开始前图像TS3-0的读数记为SZ3_0，测试完成后图像TS3-1的读数记为SZ3_1，最小流量的通水量记为SZ3，最小流量的误差为