一种配电房巡检机器人多仪表自动识别方法与流程

本发明涉及仪表识别技术领域，尤其是一种配电房巡检机器人多仪表自动识别方法。

背景技术：

近年来，我国国民经济得到了长足的发展，关系国计民生的电力系统也取得了巨大的进步，电力系统的规模不断扩大，配电房的巡检任务也随之不断加重，仅依靠人工巡检，已不能满足需求，于是配电房巡检机器人应运而生。然而，市面上常用的巡检机器人是先对各仪表的所在位置进行标定，在巡检时，巡检机器人受控于控制单元挨个移动到每个仪表标定的位置，对仪表图像进行读取、识别。实际应用中，一些配电房仪表数量庞大，在开始巡检工作前，仅标定工作就需要花费工作人员几天的时间，严重浪费人力；且巡检时需要在每个仪表对应位置停留，再进行读取、识别，导致巡检效率低下。

技术实现要素：

针对上述问题，本发明提供一种配电房巡检机器人多仪表自动识别方法。

一种配电房巡检机器人多仪表自动识别方法，巡检机器人在每个标定位置对多个仪表同时进行图像拍摄，系统根据巡检机器人在拍摄该图像时标定的位置和仪表位于该图像的相对位置确定仪表读数的归属。

优选的，用于拍摄图像的摄像头采用超高清摄像头。

优选的，多个仪表的位置划分机制通过深度学习建立位置划分模型。

优选的，多个仪表呈规则的行列排布；仪表的行列之间设有明显的分隔标记。

具体的，包括以下步骤：1.通过深度学习建立多个仪表的位置划分模型并录入系统；2.对配电房内的仪表进行区域划分，每个区域包括多个仪表，并在每个区域内标定巡检机器人的最佳拍摄位置；3.巡检作业时，巡检机器人依次到达各个标定点，对仪表进行图像拍摄；4.对各个标定点拍摄的图像进行识别前的处理；5.通过位置划分模型从处理后的图像中识别出各个仪表的读数，并标记该读数所属仪表在图像中的相对位置；6，结合标定点的坐标和该读数所属仪表在图像中的相位位置，确定该读数的归属。

其中，对各个标定点拍摄的图像进行识别前的处理，包括以下步骤：1.将巡检机器人拍摄到的图像与预存的空表盘图像进行对比，得出仪表盘数字于仪表盘中的所在位置，并将该位置区域标记为感兴趣区域；2.对感兴趣区域的图像进行亮度分析，使得同一图像中的各个仪表的读数区分开；3.再依次对图像进行直方图处理、腐蚀处理、膨胀处理、边缘提取处理。

本发明的有益效果：极大地减少了巡检开始前巡检机器人预先的标定工作，也极大地减少了巡检过程中的图像处理任务，巡检效率得到大幅提高。

附图说明

图1为配电房仪表区域划分示意图；

图2为配电房仪表区域内的分隔标记示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

实施例1

一种配电房巡检机器人多仪表自动识别方法，核心在于巡检机器人在每个标定位置对多个仪表同时进行图像拍摄，系统根据巡检机器人在拍摄该图像时标定的位置和仪表位于该图像的相对位置确定仪表读数的归属，极大地减少了巡检开始前巡检机器人预先的标定工作，也极大地减少了巡检过程中的图像处理任务。

巡检开始前，对配电房内的仪表进行区域划分，每个区域包括多个仪表，并在每个区域内标定巡检机器人的最佳拍摄位置。以图1为例，区域a包括9个仪表（3×3）、区域b包括6个仪表（2×3）、区域c包括6个仪表（3×2）、区域d包括4个仪表（2×2），可以将每个区域最中心的位置设为标定点，这样仅需设定4个标定点，而按照现有技术需要设定25个标定点。图像处理方面，原本需要对25个图像进行预处理，现在仅需对4个图像进行预处理。本发明虽然简单可行，但是起到的效果是显著的。

由于一次性对多个仪表进行图像拍摄，对图像的像素要求更高，本实施例选用超高清摄像头。

在如何判定同一图像上的多个仪表读数归属于哪个仪表问题上，本发明通过通过深度学习建立位置划分模型来解决，例如2×2的多个仪表图该如何划分处理、3×3的多个仪表图该如何处理，规则已经建模既定于系统中。

仪表的排列其实可以不受限，但是往往还是按照行列排布，这样更容易进行位置划分；为了便于位置划分，可以在仪表的行列之间设有明显的分隔标记，该分隔标记是在图像处理过程中给予多个仪表以明显的分隔线的，如图2所示，图2中的黑色只是分隔标记的示意色不是实际颜色。

本发明具体流程包括以下步骤：

1.通过深度学习建立多个仪表的位置划分模型并录入系统；

2.对配电房内的仪表进行区域划分，每个区域包括多个仪表，并在每个区域内标定巡检机器人的最佳拍摄位置；

3.巡检作业时，巡检机器人依次到达各个标定点，对仪表进行图像拍摄；

4.对各个标定点拍摄的图像进行识别前的处理:①将巡检机器人拍摄到的图像与预存的空表盘图像进行对比，得出仪表盘数字于仪表盘中的所在位置，并将该位置区域标记为感兴趣区域；②对感兴趣区域的图像进行亮度分析，使得同一图像中的各个仪表的读数区分开；③再依次对图像进行直方图处理、腐蚀处理、膨胀处理、边缘提取处理。

5.通过位置划分模型从处理后的图像中识别出各个仪表的读数，并标记该读数所属仪表在图像中的相对位置；

6.结合标定点的坐标和该读数所属仪表在图像中的相位位置，确定该读数的归属。

仪表识别的图像处理技术已经发展的较为成熟，本发明意不在保护此图像处理技术，而是在于巡检机器人在每个标定位置对多个仪表同时进行图像拍摄，极大地减少了巡检开始前巡检机器人预先的标定工作，也极大地减少了巡检过程中的图像处理任务。

显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域及相关领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

技术特征：

技术总结
本发明公开了一种配电房巡检机器人多仪表自动识别方法，巡检机器人在每个标定位置对多个仪表同时进行图像拍摄，系统根据巡检机器人在拍摄该图像时标定的位置和仪表位于该图像的相对位置确定仪表读数的归属，多个仪表的位置划分机制通过深度学习建立位置划分模型。本发明极大地减少了巡检开始前巡检机器人预先的标定工作，也极大地减少了巡检过程中的图像处理任务，巡检效率得到大幅提高。

技术研发人员：李兵;陈向成;王明心;朱茂飞;刘梦诗;张志伟
受保护的技术使用者：合肥小步智能科技有限公司
技术研发日：2019.07.22
技术公布日：2019.10.22