本发明属于变电站设备巡检领域，具体涉及一种适用于变电站巡检机器人的数字显示仪表识别方法，可用于变电站巡检机器人进行室内数显仪表的数据采集。
背景技术：
：目前我国变电站的设备巡检工作普遍采用人工巡视、手工记录的方式，随着变电站规模扩大，巡检区域不断增加，运行环境也变得更为复杂，这样使得变电站现场设备的巡视范围和工作量变大，简单依赖于巡视人员的感官和经验，很难做到全面准确巡检，导致设备和电网的安全运行存在隐患。随着机器人技术的发展和成熟，利用机器人进行变电站设备巡检成为可能，随着通信技术和自动化控制技术的发展，巡视机器人以其强大的环境适应性、高度集成小型化的设备体积以及精确的远程遥控通信能力，非常适合快速部署于变电站保护室环境。国内已经有多家单位推出了可稳定运行的变电站智能巡检机器人产品，并已在多个现场进行应用。比如山东鲁能集团的变电站智能巡检机器人、上海谱萌光电的红外热像仪智能机器人、杭州申昊的变电站巡检机器人等，但无一例外的是，这些机器人都有着体积大，笨重，成本高昂，而且只能识别指针式仪表的缺点，不适用于变电站控制室这样配备有数显仪表设备的环境。技术实现要素：本发明针对现有变电站巡检机器人在智能识别仪表功能方面的不足，提出一种适用于变电站巡检机器人的数字显示仪表识别方法。本发明实现了对巡检机器人采集到的图像进行数字仪表区域定位和字符识别的功能。为达到上述目的，本发明采用如下技术方案：一种适用于变电站巡检机器人的数字显示仪表识别方法，包括以下步骤：(1)定位数字区域：对于变电站巡检机器人采集到的原始图像，采用基于数显仪表特性的自定义阈值分割方法，筛选出数显仪表所有的目标区域；(2)提取轮廓：提取目标区域的最小外接矩形；(3)筛选矩形区：(3a)去除干扰区域：设定一个阈值s，遍历所有的矩形区，若其面积小于s，则去除该矩形区；(3b)去除不符合数显仪表长宽比的区域：设定一个阈值区间[x,y]，遍历所有矩形，将所有长宽比不满足条件的矩形区去除；(4)截取子图：将剩下的矩形区域全部截取出来，作为待识别的数字区域；(5)子图预处理：(5a)灰度化：对彩色的子图进行灰度化；(5b)中值滤波：对灰度子图进行平滑去噪处理；(5c)图像增强：对滤波后的子图进行处理，增强字符轮廓特征；(5d)字符分割：根据数显仪表包含n个字符的特征，将图像均分为n份；(5e)二值化：对单个字符进行自适应二值化处理；(5f)归一化：将字符统一尺寸；(5g)小数点处理：获取小数点的位置；(6)字符识别：采用支持向量机svm的方法训练分类器实现多分类，用分类器对输入字符进行识别。进一步地，步骤(1)中的基于数显仪表特性的自定义阈值分割方法为：根据数显仪表显示的数字呈红色或蓝色，与周围的像素值差异较大，设定一个阈值范围来确定数显仪表的位置，用白色表示数显仪表的位置，黑色表示背景。进一步地，步骤(2)提取轮廓包括：(2a)对数显仪表的目标区域进行形态学闭操作；(2b)计算上述目标区域的最小外接矩形。进一步地，步骤(5a)中采用加权值法对彩色的子图进行灰度化。进一步地，步骤(5b)中采用中值滤波对灰度子图进行平滑去噪处理。进一步地，步骤(5c)中采用sobel算子对滤波后的子图进行处理，增强字符轮廓特征。进一步地，步骤(5f)中将字符统一尺寸为32*32。进一步地，步骤(6)字符识别包括以下步骤：(6a)采集多组数据，针对0-9这十个数字字符建立十个类别的样本集；(6b)以样本图像的大小32*32像素作为特征，采用支持向量机svm算法对样本集进行训练，得到多元分类器；(6c)用多元分类器对数字字符进行估计。与现有技术相比，本发明具有以下有益的技术效果：本发明可以针对室内小型巡检机器人采集的图像进行快速处理，将各种数字仪表的示数转换为数字，并由巡检机器人的网络功能实时的传输到后台服务器，从而实现了远程监控变电站控制室数显仪表设备的功能，本发明利用图像处理，模式识别等相关技术实现数字显示仪表的识别功能，既填补了目前巡检机器人在数字显示仪表识别方面的不足，又可以结合体积小、行动灵活的巡检机器人代替人工进行变电站控制室的巡检，促进智能变电站和无人值守变电站巡检技术的发展，具有很大的理论和实际价值。附图说明图1是本发明的实现流程图；图2是子图预处理的流程图；图3是字符识别流程图；图4是单张数显仪表数据识别结果图。具体实施方式下面结合附图对本发明作进一步详细描述：参见图1，一种适用于变电站巡检机器人的数字显示仪表识别方法，步骤包括：(1)定位数字区域针对巡检机器人采集到的原始图像，采用基于数显仪表特性的自定义阈值分割方法，即根据数显仪表显示的数字呈红色或蓝色，与周围区域的像素值差异较大，因此设定一个阈值范围来确定数显仪表的可能位置，然后对图像进行处理并采用白色表示数显仪表的位置，黑色表示背景，最终可以筛选出数显仪表的所有可能的目标区域。(2)提取轮廓针对上一步的处理结果，提取出这些区域的最小外接矩形，采用了两个操作：对数显仪表的可能位置进行形态学闭操作；计算上述区域的最小外接矩形。其中闭操作就是对图像先膨胀，再腐蚀，它可以连接图像中狭窄的间断，起填补轮廓中断裂的作用。闭操作的结果是形成一个无突起的连通域，以便进行最小外接矩形的计算。(3)筛选矩形区(3a)去除干扰小区域：设定一个阈值s，遍历所有的矩形区，若其面积小于s，则去除该矩形区，这一步主要是去除一些噪声的影响。(3b)去除不符合数显仪表长宽比的区域：根据数字仪表的形状，设定一个阈值区间[x,y]，遍历所有矩形，将所有长宽比不满足阈值条件的矩形区去除，从而去除一些误判为仪表的区域。(4)截取子图这里认为剩下的矩形都为数字仪表区域，因而将剩下的矩形区域都在原始图像中定位并截取出来，作为待识别的数字区域子图集。(5)子图预处理(5a)灰度化：采用加权值法对彩色的子图进行灰度化，采用的公式为：f(i,j)＝0.30r(i,j)+0.59g(i,j)+0.11b(i,j)，其中(i,j)代表图像像素点的坐标，r(i,j)表示彩色子图红通道像素值，g(i,j)表示彩色子图绿通道像素值，b(i,j)表示彩色子图蓝通道像素值，f(i,j)表示灰度图的灰度值。(5b)中值滤波：采用中值滤波法对灰度子图进行平滑去噪处理，这里的中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。(5c)图像增强：采用sobel算子对滤波后的子图进行处理，增强字符轮廓特征，这里的sobel算子(也称为sobel滤波器)是一种常用的计算图像边缘的方法。(5d)字符分割：根据数显仪表由n个字符组成的特征，将图像均分为n份。(5e)二值化：对单个字符进行自适应二值化处理，所谓的图像二值化，就是根据一个阈值将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果，这里采用自适应二值化可以更加灵活地处理灰度图，效果更好。(5f)归一化：将字符统一尺寸为32*32。(5g)小数点处理：获取小数点的位置。(6)字符识别：采用支持向量机svm的方法实现字符识别，具体包括以下三步：(6a)采集多组数据，针对0-9这十个数字字符建立十个类别的样本集；(6b)以样本图像的大小32*32像素作为特征，采用支持向量机svm算法对样本集进行训练，得到多元分类器；(6c)用多元分类器对数字字符进行估计。下面对本发明实施例操作过程做详细描述：参照图1，本发明的具体实施步骤如下。步骤1.定位数字区域。针对巡检机器人采集到的原始图像，采用基于数显仪表特性的自定义阈值分割方法，即根据数显仪表显示的数字呈红色或蓝色，与周围区域的像素值差异较大进行分割：(1-1)根据蓝色和红色的rgb值设定一个阈值范围用来筛选数字表区域。(1-2)针对上一步得到的图像进行处理：采用白色表示筛选出来的位置，黑色表示背景。最终可以得到数显仪表的所有可能的目标区域。步骤2.提取轮廓。针对上一步的处理结果，提取出这些区域的最小外接矩形，采用了两个操作。(2-1)对数显仪表的可能位置进行形态学闭操作。闭操作就是对图像先膨胀，再腐蚀，它可以连接图像中狭窄的间断，起填补轮廓中断裂的作用。闭操作的结果是形成一个无突起的连通域，以便进行最小外接矩形的计算。其中的膨胀操作是一种对图像亮区进行扩张的方法具体操作是：定义一个指定大小的内核，矩阵的中心点，称为锚点，将矩阵与图像进行卷积运算。其中的腐蚀操作是扩展图像中暗的区域，具体操作是将指定大小的矩阵划过图像，提取矩阵覆盖区域最小像素值，用其代替锚点的像素值。(2-2)计算上述区域的最小外接矩形，这一步具体操作是对图像的连通域求外围，并进一步可以计算出最小外界矩形。步骤3.筛选矩形区。(3-1)去除干扰小区域：设定一个阈值s，遍历所有的矩形区，若其面积小于s，则去除该矩形区，这一步主要是去除一些小噪声的影响。(3-2)去除不符合数显仪表长宽比的区域：根据数字仪表的形状，计算出范围3-5，因此设定阈值区间[3,5]，遍历所有矩形，将所有长宽比不满足阈值条件的矩形区去除，从而去除了误判为仪表的区域。步骤4.截取子图。这里认为剩下的矩形都为数字仪表区域，因而将剩下的矩形区域都在原始图像中定位并截取出来，作为待识别的数字区域子图集。步骤5.子图预处理，参照图2。(5-1)灰度化：采用加权值法对彩色的子图进行灰度化，采用的公式为：f(i,j)＝0.30r(i,j)+0.59g(i,j)+0.11b(i,j)。(5-2)中值滤波：采用中值滤波法对灰度子图进行平滑去燥处理，这里的中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。(5-3)图像增强：采用sobel算子对滤波后的子图进行处理，增强字符轮廓特征，这里的sobel算子(也称为sobel滤波器)是一种常用的计算图像边缘的方法。(5-4)字符分割：根据数显仪表的特征，将区域分为n等份，并按顺序给子区域标号。(5-5)二值化：对单个字符进行自适应二值化处理，所谓的图像二值化，就是根据一个阈值将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果，这里采用自适应二值化可以更加灵活地处理灰度图，效果更好。(5-6)归一化：将所有的单个字符统一尺寸为32*32。(5-7)小数点处理：对存在小数点的情况进行检测和处理，得到小数点的位置。步骤6.字符识别，参照图3。采用支持向量机svm的方法实现字符识别，得到数显表的示数，具体包括以下三步：(6-1)采集大量数据，针对0-9这十个数字字符建立十个类别的样本集，每个样本都有一个对应的标签，字符0对应标签0，字符1对应标签1，以此类推。(6-2)以样本图像的大小32*32像素作为特征，然后对样本集进行训练，得到多元分类器。(6-3)用多元分类器对数字字符进行估计，实现数字字符的识别功能。实施效果为了验证本发明所提出方法的效果，下面通过对1000张变电站保护室数显仪表的图片进行测试，实施效果参见图4。表1展示了测试结果，其中完全匹配率指的是数显仪表上4个数字全部识别正确的概率，平均数字差距指平均每个数显仪表上识别错误数字的个数。表1数显仪表图像测试结果测试图片个数完全匹配率平均字数差距100096.4％0.08从表1可以看出，本发明所提出的算法对数显仪表数据的识别率可达到96.4％。当前第1页12