基于特征识别与自动校正技术的智能电表检定方法研究_梅迎华.pdf

电子设计工程Electronic Design Engineering第31卷Vol.31第4期No.42023年2月Feb.2023收稿日期：2021-11-12稿件编号：202111090基金项目：中国管理科学研究院咨询部工程技术课题（ZGYGC9930）作者简介：梅迎华（1978），男，河南偃师人，工程师。研究方向：电学计量，食品监管。在电力交易过程中，智能电表起到了度量电费的作用。截至 2020年底，我国智能电表的应用数量已超过 10万只1-2。随着智能电表的推广，电网运营单位也开始逐步试点其自动校正功能，包括智能电表状态、数据误差及缺陷的自动检测3-4。目前，电表基于特征识别与自动校正技术的智能电表检定方法研究梅迎华，马 莉（洛阳市质量计量检测中心，河南 洛阳 471000）摘要：当前智能电表的检定工作主要由人工进行校验，存在效率偏低且出错率较高等缺点。针对上述问题，文中开展了基于特征识别与自动校正技术的智能电表检定方法研究。在对智能电表的检定方法进行总体分析的基础上，还研究了智能电表的图像预处理方法。同时采用高精度逼近电表轮廓的区域定位算法，准确地定位出了智能电表的工作区域。将特殊的电表信息进行分离以形成图像模板，并与源图像作差分运算，从而检定出了智能电表的缺陷。利用实际算例验证所提方法的有效性，结果表明，文中所述的智能电表检定方法在精度上符合误差要求，且具有成本低、检定速度快等特点。关键词：特征识别；自动校正；差分运算；检定方法中图分类号：TP807；TN919文献标识码：A文章编号：1674-6236（2023）04-0068-04DOI：10.14022/j.issn1674-6236.2023.04.014Smart meter verification based on feature recognition and automatic correctiontechnology method researchMEI Yinghua，MA Li（Luoyang Quality Measurement and Testing Center，Luoyang 471000，China）Abstract:At present，the verification of smart meters is mainly carried out manually，which has thedisadvantages of low efficiency and high error rate.Aiming at these problems，this paper studies theverification method of intelligent ammeter based on feature recognition and automatic correctiontechnology.Based on the overall analysis of the verification methods of the smart meter，the imagepreprocessing methods of the smart meter are studied.The working area of the smart meter is accuratelylocated by using the area location algorithm approaching the contour of the meter with high precision.After the special meter information is separated，the image template is formed，and the differenceoperation is performed with the source image，so as to verify the defects of the intelligent meter.Theeffectiveness of the method described in this paper is verified by a practical example.The experimentalresults show that the verification method of smart meter described in this paper meets the errorrequirements in accuracy，and has the characteristics of low cost and fast verification speed.Keywords:feature recognition；automatic correction；difference calculation；verification method-68主要由人工进行校正检定，工作效率低且容易出错。伴随着人工智能技术的快速更新迭代，基于机器视觉的智能电表检定方法取得了长足发展5。国外已经研制出了智能电表的厂内检测技术，而国内也开始了智能电表检定的生产研发工作6。在机器学习领域，智能检定工作涉及电子、自动化等众多学科，是一种能够通过视觉系统获得外界信息，并用于模拟生物视觉功能的科学技术7-8。近年来，从事于智能电表产品研发的团队层出不穷。其中，著名学者康奈教授研发出了能够实现高清采集图像的定位检测算法，该算法具有抗干扰性强、精度高等特点，并可兼容多种类型的仪器仪表9-11。但现阶段智能电表的检定方法在海量数据的应用场景下仍表现出了精度与效率均较低的问题12-13。文中以智能电表为研究对象，通过图像处理技术对采集到的电表信息进行预处理，提取智能电表的典型特征；然后在定位传感器的控制作用下，准确定位工作区域，并对电表进行校正，从而提高检测精度；通过图像比最终实现对智能电表的检定。1智能电表特征识别与自动校正1.1特征识别受外界干扰的限制，原始图像无法直接应用，故需经过灰度化、去噪、二值化和校正等步骤进行处理，其目的是通过削弱非重要特征来增强智能电表的重要特征14-15。此外，在该研究中，采集到的电表图像会受噪声、畸变等因素的影响，这将导致智能电表的检定与分析出现误差，因此，在采集智能电表的图像特征之前，需事先对采集到的图像信息进行处理，增加智能电表图像信息的检定精度。图像灰度化是将R、G、B三个分量转化为灰度图像，其原理是把每个像素所占的字节数压缩，以减小系统的计算量，从而提高系统的运算速度16。图1所示为24位深度彩色的RGB示意图，其中每个颜色的分量各占1字节，且像素点为2563。在将彩色图像转化为灰色图像后，该图像仅有八位图像深度，由此可知其计算量大幅降低17。采用加权平均值法进行图像灰度化处理，即分别赋予R、G、B不同的权重。再通过加权平均的方法计算图像的灰度值，其采用的计算公式为：F(i,j)=R(i,j)+G(i,j)+B(i,j)（1）式中，、分别代表不同颜色分量的权重值，且有。采集到的电表图像通常带有噪声，其会对图像的处理与识别造成干扰，故需进行去噪处理，该步骤在预处理过程中具有重要的作用。自适应平滑处理方法与线性平滑处理方法是常见的图像去噪处理方法，被广泛应用于智能识别领域。对于去噪技术而言，图像可以被看成特殊的二维信号，而频域滤波技术是当前较为热门的去噪算法。假设存在原始图像g(x,y)，其经过傅里叶变换之后变为G(x,y)，再由滤波函数完成频谱调整可得到F(u,v)，通过对其进行逆变换，得到图像f(x,y)，各个函数之间的具体关系如下：T(g(x,y)=F(u,v)（2）G(u,v)=D(u,v)F(u,v)（3）f(x,y)=T-1(F(u,v)（4）式中，D(u,v)表示滤波系统的传递函数。合适的传递函数是构造滤波函数的关键，而理想的低通滤波函数应满足：D(u,v)=1,M(u,v)M00,M(u,v)M0（5）式中，M(u,v)=u2+v2。为了改善图像二值法的效果，需要进行局部二值化处理，即将图像分为若干个子块，再计算每个子块的阈值并确定阈值的像素，从而建立随像素位置改变而变化的函数，以取得更优的效果。1.2自动校正通常在定位传感器的控制作用下，能够准确定位出电表的工作区域。但由于电表制作技术的限制，经常无法完全检测出准确位置，即实际情况与预测位置会存在一定偏差，因此需要加以校正，以提高其检测精度。自动校正的内容包括以下三个方面：1）旋转校正；2）裁剪冗余部分；3）图像归一化处理。图124位深度彩色RGB示意图梅迎华，等基于特征识别与自动校正技术的智能电表检定方法研究-69电子设计工程 2023年第4期首先，检测智能电表的倾斜角度，当发生倾斜时，自动旋转其角度。由于是以电表边框来作为检测的标准，故需提前确定液晶屏的位置 A、B、C、D。首先将电表液晶屏看作矩形，计算其倾斜角。以点A与B为例，线段AB的斜率可表示为：klAB=tan=yB-yAxB-xA（6）则倾斜角可表示为：=arctan=yB-yAxB-xA（7）同理，可以计算出其余三条线段的倾斜角，然后应用旋转公式对智能电表进行校正，即按照中心点顺时针方向旋转整个电表，如图2所示。图2旋转示意图其次进行电表液晶屏定位，即通过逼近法检测电表液晶屏矩形轮廓，定位矩形四个角的位置，其具体步骤如下：1）采集电表图像信息；2）遍历轮廓序列，将序列存储在储存器中；3）采用逼近法筛选矩形框，进而找到符合条件的轮廓，包括轮廓所包围的面积及角度；4）获取角坐标，以定位电表液晶屏。重复上述步骤的操作，找到筛选条件，即可精确定位液晶屏。具体的定位流程如图 3 所示，需要注意的是，通过多次图像预处理可以进一步提高图像识别的准确率。2智能电表检定方法2.1模板匹配检测目标模板匹配由图像特征、灰度匹配、匹配策略等关键点构成，图像特征即为图像的原始特征，如灰度、特征点等，灰度匹配由特征提取及灰度化操作完成，匹配策略则是从搜寻最优的位置开始，逐个匹配每个像素点，遍历整个特性图像。整个匹配过程计算量巨大，因此需要找到合适的匹配策略来降低计算量。基于图像灰度匹配的方法中，相似性函数主要有NCC(Normalized Cross Correlation)、SSDA(SequentialSimilarity Detection Algorithm)等。由于归一化相似函数具有抗干扰性强等特点，因此被广泛应用于实际工程中。在 NCC函数中，匹配过程自上而下遍历每个像素点，记录相关值，寻找出最佳匹配位置，所用的计算函数为：R(i,j)=m=1Mn=1NSi,j(m,n)m=1Mn=1NT(m,n)-T2（8）式中，i和j分别表示源图像上的坐标值，且该图像的尺寸为MM，而模板图像的尺寸为NN。2.2缺陷检定当智能电表出现缺陷时，如何迅速、准确地提取缺陷并检定其类型，是当前缺陷检定所面临的关键问题。待检测的电表具有丰富的纹理及轮廓，要将特殊的背景图像分离出来，需要事先准备电表图像模板，将其与源图像作差分运算，以分割缺陷图像。差分运算的关键是确保源图像与模板图像一致。假设S(x,y)、T(x,y)分别为源图像与模板图像，差分阈值为t，进行差分运算后，可得：M(x,y)=|S(x,y)-T(x,y),M(x,y)t0,M(x,y)t（9）在进行智能电表缺陷检定时，源图像并未进行灰度化处理，所以为了提高检定的精度，需分别对R、G、B三通道图像进行合成与相加运算。图3电表液晶屏定位流程图-703算例分析采用计量中心专业试验台，对某地的智能电表进行检定。使用的智能电表为三相多功能智能标准电表，其规格为CL311V2，测量范围为电压57.7380 V，电流 0.5100 A；交直流指示仪表检定装置型号为CL302C；检定实验室的温度为 20，相对湿度为70%，检定频率为 50 Hz。根据以上环境进行电表的识别与检定，其中表 1为智能电表的