一种新型变压器铭牌识别的方法及装置与流程

本发明属于测量技术领域，特别涉及一种新型变压器铭牌识别的方法及装置。

背景技术：

随着人工智能的发展，目标检测、文本信息识别等快速发展。文本识别是智能识别技术中的一个重要技术。随着计算机技术、图像技术的发展文字识别的应用领域在不断的扩大，场景中文字识别、车牌识别、广告信息识别都涉及到图像中文本信息的识别。文字识别一般包括中文、英文和数字字符的识别，文字识别实际上也是解决文字的分类问题。

随着文本识别技术的发展、ocr技术等都在迅速发展、文字的识别也在不断地智能化我们的生活和工作，生活场景中的文字识别利于我们将文本进行分类再利用，工业化中的图像中的文本识别利于我们迅速自动获取机器信息，利于生产加工。这些都在不断智能、便利化生活、工作。

技术实现要素：

本发明的目的在于提供一种变压器铭牌识别方法及装置，旨在通过智能化自动识别装置提高工业化生产效率。

本发明提供一种变压器铭牌识别方法，所述方法包括如下步骤：

一种新型变压器铭牌的识别方法，所述方法包括以下步骤：

s100、图像采集，使用rgb摄像头采集变压器的铭牌图像；

s200、图像定位，定位出铭牌图像中的铭牌信息区域，并将背景区域进行裁剪；

s300、图像增强，采用多尺度retinex算法对步骤s200中得到的图像进行图像增强；

s400、图像矫正，对经过图像增强后的铭牌图像进行水平倾斜矫正和透视形变矫正；

s500、铭牌文本定位，对矫正后的图像铭牌中的文本信息进行定位，使得相关文本信息形成一个词条，定位出所有的词条；

s600、铭牌文本识别，对于定位出的所有词条进行识别，识别出所有文本信息进行并pc端显示。

本发明还公开了一种新型变压器铭牌识别装置，所述装置包括：

图像采集模块：使用rgb摄像头采集变压器的铭牌图像；

图像定位模块：用于定位铭牌图像中的铭牌信息区域；

图像增强模块：用于对定位了铭牌信息区域后的铭牌图像进行图像增强；

图像矫正模块：用于对经过图像增强后的铭牌图像矫正；

铭牌文本定位模块：用于对矫正后的图像铭牌中的文本信息进行定位，使得相关文本信息形成一个词条，定位出所有的词条；

铭牌文本识别模块，用于对定位出的所有词条进行识别，识别出所有文本信息进行并pc端显示。

本公开具有以下有益效果：

本公开通过对变压器铭牌信息的识别，在工业化生产实验中达到了智能、快捷等目的，有效的铭牌信息识别，利于工业化生产中对生产设备的数量功能统计，可以提高生产效率，使得工业化生产制造更加地智能化。

附图说明

图1是本发明一种新型变压器铭牌识别方法及装置模型图；

图2是本发明实施例的整体流程框图。

具体实施方式

下面结合附图和实施例对本发明进行详细描述，但不作为对本发明的限定。

在一个实施例中，一种新型变压器铭牌的识别方法，所述方法包括以下步骤：

s100、图像采集，使用rgb摄像头采集变压器的铭牌图像；

s200、图像定位，定位出铭牌图像中的铭牌信息区域，并将背景区域进行裁剪；

s300、图像增强，采用多尺度retinex算法对步骤s200中得到的图像进行图像增强；

s400、图像矫正，对经过图像增强后的铭牌图像进行水平倾斜矫正和透视形变矫正；

s500、铭牌文本定位，对矫正后的图像铭牌中的文本信息进行定位，使得相关文本信息形成一个词条，定位出所有的词条；

s600、铭牌文本识别，对于定位出的所有词条进行识别，识别出所有文本信息进行并pc端显示。

本实施例所述方法通过对变压器铭牌信息的识别，在工业化生产实验中达到了智能、快捷等目的，有效的铭牌信息识别，利于工业化生产中对生产设备的数量功能统计，可以提高生产效率，使得工业化生产制造更加地智能化。

在一个实施例中，所述步骤s200中利用canny算子进行边缘检测，从而定位出铭牌信息区域。

在本实施例中，所述canny算子拥有一些其他算子没有的优势，在其他算子的基础上剔去了边缘上的多余点，并且也检测和实现了边缘的封闭，所以最方便并适合运用于实际工程。

canny算子包括以下步骤：

1)使用高斯滤波器，平滑图像，滤波噪声。

2)计算图像中每个像素点的梯度强度和方向。

3)应用非极大值抑制，以消除边缘检测带来的杂散响应。

4)应用双阈值检测来确定真实的和潜在的边缘。

5)通过抑制鼓励的弱边缘最终完成边缘检测

在一个实施例中，所述步骤s300中多尺度retinex算法包括以下步骤：

s301、将所述图像的每个颜色通道分别于环绕函数进行多尺度卷积滤波操作；

s302、将步骤s301处理后的图像进行多个尺度下的线性加权求和；

s303、通过下述公式计算后得到增强后的图像，

其中i为rgb颜色通道，*为卷积运算符，n为尺度数，wj为第j个尺度下的增强结果所对应的权重，si(x，y)表示原始图像，g为高斯环绕函数：δ表示尺度参数，x，y分别表示图像中的像素点坐标。

在本实施例中，步骤s302中图像进行多个尺度下的线性加权求和用于保证增强后的图像兼有不同尺度的优点，一般情况下取高、中、低三个尺度。当变量δ取值较大时图像注重于保持色彩，容易忽略细节的信息，当δ较小时细节信息突显，但是容易导致颜色失真。

在一个实施例中，所述水平倾斜矫正包括以下步骤：

s401、对图像进行膨胀操作；

s402、利用sobel算子进行边缘检测，得到边缘点；

s403、对边缘点进行hough变换，找到旋转角，利用所述旋转角进行水平倾斜矫正。

在本实施例中，找到所有边缘点能够组成的最长线段，所述最长线段与水平方向的夹角，即为旋转角。

利用所述旋转角进行水平倾斜矫正包括：结合opencv库函数中旋转函数旋转图像，并显示图像，得到水平矫正后图像。

基本思想：a)求原图像对角线长度，做一个以对角线为边长的正方形图像(临时新图)，得到原图左上角在新图中的坐标，将原图复制到新的临时图；b)以新的临时图的中心点为旋转点，结合opencv库函数以及旋转角度，获取二维旋转的仿射变换矩阵，进行仿射变换，得到旋转之后的图。

在一个实施例中，所述透视形变矫正包括以下步骤：

s4001、利用harriss算子提取标记铭牌图像的特征点；

s4002、记录距离原图四个边界最近的harris角点的位置，将这四个角点作为参考点进行形变校正。

在本实施例中，harriss算子基本思想是：在图像中设计一个局部检测窗口，当该窗口沿各个方向做微小移动时，考察窗口的平均能量变化，当该能量变化超过设定的阈值时，就将窗口的中心像素点提取为角点。

在一个实施例中，所述步骤s500包括以下步骤：

s501、使用彩色聚类算法将图像分解为多个不同连通分量；

s502、根据文本信息自身的长宽比、面积比，对连通域中的信息进行验证，从而筛选出词条文本信息。

本实施例利用文本信息自身的特点，以区分于其他信息，从而从铭牌图像中筛选出文本信息。

在一个实施例中，所述步骤s600包括以下步骤：s601、对每个词条文本信息进行字符分割，将不同字符进行分割；

s602、字符归一化处理，将字符归一化到25*50；

s603、使用rosenfeld骨架细化算法将图像进行细化处理；

s604、字符特征提取，基于笔画斜率累计特征提取、拐点幅度累计特征提取、字符轮廓深度特征提取、字符跳跃点统计得到字符特征值；

s605、将字符特征值利用bp神经网络分类器算法进行训练，得到每个字符的分类特征；

s606、重复以上步骤对每个词条中的字符信息进行识别，并且在pc端进行显示。

在一个实施例中，本公开揭示了一种变压器铭牌识别装置，所述装置包括：

图像采集模块：使用rgb摄像头采集变压器的铭牌图像；

图像定位模块：用于定位铭牌图像中的铭牌信息区域；

图像增强模块：用于对定位了铭牌信息区域后的铭牌图像进行图像增强；

图像矫正模块：用于对经过图像增强后的铭牌图像矫正；

铭牌文本定位模块：用于对矫正后的图像铭牌中的文本信息进行定位，使得相关文本信息形成一个词条，定位出所有的词条；

铭牌文本识别模块，用于对定位出的所有词条进行识别，识别出所有文本信息进行并pc端显示。

在本实施例中，所述装置通过对变压器铭牌信息的识别，在工业化生产实验中达到了智能、快捷等目的，有效的铭牌信息识别，利于工业化生产中对生产设备的数量功能统计，可以提高生产效率，使得工业化生产制造更加地智能化。

在一个实施例中，图像矫正模块包括水平矫正模块和透视形变矫正模块；

所述水平矫正模块用于对铭牌图像进行水平倾斜矫正；

所述透视形变模块用于利用harriss算子提取标记铭牌图像的特征点，并记录距离铭牌图像原图四个边界最近的harris角点的位置，将这四个角点作为参考点进行透视形变校正。

在一个实施例中，图1是本实施例的整体流程框图。

一种新型变压器铭牌的识别装置，包括图像采集模块与信息显示模块。

其中，图像采集模块，是使rgb摄像头实时采集铭牌信息，通过usb传递图像信息至pc端进行信息处理。信息显示模块，主要用于将识别的铭牌中的信息进行上位机显示。

在一个实施例中，图2为本实施例的整体流程框图。

下面对各个流程进行详细说明：

s100、位于变压器前方的摄像头实时采集铭牌信息通过usb传递采集的图像信息至pc端；

s200、对采集的图像进行铭牌信息区域提取，也就是截取重要的铭牌信息区域，去掉不相关的背景区域。本发明中利用边缘检测的方法。基本思想a)利用canny算子进行边缘检测b)利用颜色等信息进行精准定位和去除误点。

s300、图像增强：由于铭牌大多由金属材料制成，对于拍摄到的铭牌图像会出现光照不均匀和反光灯现象。这里通过多尺度retinex算法对图像进行光照去除预处理。多尺度retinex算法基本思想是a)将图像每个颜色通道分别于环绕函数进行多尺度的卷积滤波操作，b)滤波后的图像进行多个尺度下的线性加权求和c)通过对数运算减去光照分量，得到的反射率图像为增强后图像。

其中i为rgb颜色通道，*为卷积运算符，wj为第j个尺度下的增强结果所对应的权重，g为高斯环绕函数：

s400、图像矫正：分别进行水平矫正和透视形变矫正。

水平倾斜矫正，采用hough变化对目标区域进行倾斜矫正。基本思想：a)对图像进行膨胀操作；b)对图像进行边缘检测(利用sobel算子)；c)对边缘点进行hough变换，找到最长线段的角度(与水平方向的夹角)，即为旋转角度，进行水平倾斜矫正。

透视形变矫正具体步骤：a)利用harriss算子提取标记铭牌图像的特征点，b)记录距离原图四个边点最近的harris角点的位置，将这四个点作为四点法中世界平面的参考点进行形变校正。

s500、采用连通分量的定位方法，由于铭牌中的文本信息与背景信息颜色的不同，文本之间具有相近的颜色。

具体实施步骤：

a)使用彩色聚类算法将图像分解为不同连通分量，

b)根据文本的自身特征长宽比、面积比对连通域中的信息进行验证，从而筛选出词条文本信息。

s600、对定位出的铭牌中每个词条信息，进行文本识别并且在pc端进行文本信息的显示。具体步骤：

s601、对每个词条信息进行字符分割，将不同字符进行分割；

s601、字符归一化处理，将字符归一化到25*50；

s602、将图像进行细化处理，使用rosenfeld骨架细化的方法，rosenfeld是一种并行细化的方法，经过rosenfeld处理之后的字符骨架形态是8连接的，使用于0-1二值图像。

s603、字符特征提取，通过统计字符笔画斜率特征、字符侧面深度等特征作为字符提取的特征。具体基于笔画斜率累计特征提取、拐点幅度累计特征提取、字符轮廓深度特征提取、字符跳跃点统计的到特征值。

s604、将提取的特征应用bp神经网络分类器算法进行训练。

s605、重复以上步骤对每个词条中的字符信息进行识别，并且在pc端进行显示。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。