基于机器视觉电力线路杆塔标牌自动识别方法研究.docVIP

基于机器视觉电力线路杆塔标牌自动识别方法研究 　　摘 要：文章针对电力现场自动巡检领域，提出了一种基于机器视觉的电力线路杆塔标牌自动识别方法，实现了图像灰度化处理、标牌定位、字符提取与识别，尤其在边缘检测算法等方面进行详细比对与选择，最终取得了比较好的实际效果。 　　关键词：电力线路；机器视觉；标牌；自动识别 　　中图分类号：TM769 文献标志码：A 文章编号：2095-2945（2018）03-0084-02 　　Abstract： In this paper， an automatic recognition method of power line tower and tower sign based on machine vision is proposed， which realizes image grayscale processing， sign location， character extraction and recognition， especially in the edge detection algorithm and other aspects of detailed comparison and selection， and has finally achieved better practical results. 　　Keywords： power line； machine vision； sign； automatic recognition 　　1 概述 　　?力线路杆塔是架设输电导线的刚性支撑结构，是电网的线路节点，在杆塔周围建有重要的电力设施，因此定期检测杆塔本身的稳固状态、电力设备的状况及周边环境是电网巡检的主要任务。 　　传统的人工巡检方式无法准确把握电力线路的状态，只能在发生严重电网故障时才会发现，这将严重影响电网的稳定性。因此以自动识别技术为核心的自动巡检成为了当前电力巡检的新方式。 　　当前基于RFID的电子标签与基于二维码识别的自动识别技术已经应用到电力自动巡检中，但这二种方式都存在必须要对现有设备进行改造，从而会增加较高成本。考虑到电力线路杆塔都具有标牌，利用杆塔牌照的唯一性编号，通过机器视觉技术进行图像分割与字符提取以获得查询现场巡检关键信息，具有很好的实际价值。 　　2 自动识别算法原理 　　自然场景中的文字提取目前最为广泛的应用场景是车牌识别，其作为车辆检测系统和交通自动化管理的重要环节，是开发智能交通系统的关键技术。杆塔标牌图片的字符提取与车牌识别同属于图像字符识别算法的范畴，图像字符识别算法并不是一个单一的算法，而是多个过程的集合，每个过程由不同的算法实现，每一部分的算法实现都关系着整体的准确性与效率，下面是各个部分的主要功能： 　　（1）标牌定位：对目标区域进行分析，找出能够区分牌照与背景的特征信息，按照一定的算法流程，分割出牌照区域。 　　（2）字符分割：将得到的牌照图像进行字符分割和归一化处理，把分割出的单个字符送到后续模块进行识别。 　　（3）字符识别：对分割出的字符，与标准字符模板进行匹配，求得一个匹配值，最终将最佳匹配结果作为该字符图片代表的文字。 　　杆塔标牌与车牌都拍摄于自然场景下，文字区域相对较小，背景复杂，受光照天气等影响较大，基于以上相同点，在算法实现流程上大体相似，但两者又存在差异： 　　（1）杆塔标牌分为两行文字，中间由分隔符隔开，上下文本字体间距不同，上行文本易膨胀粘连，下行文本在相同膨胀系数下不易粘连，而车牌文字排列整齐，字体间距较小只有固定一行。 　　（2）杆塔标牌旁边有一块提示标牌，同样含有文本信息，在提取文字时易与有效信息混淆，无法正确区分筛选。 　　（3）杆塔标牌背景为边缘清晰、面积较大的铁塔塔杆，使用边缘提取算法时将含有大量无用边缘信息。 　　分析可得，杆塔标牌字符提取无法直接使用车牌识别算法，需要针对图片的差异，在车牌识别算法的基础上进行改进和调整。 　　3 自动识别算法实现过程 　　3.1 灰度化处理 　　图像的灰度化是指将彩色图像转化为灰度图像。彩色图像每个像素的颜色由R、G、B三个分量组成，即红、绿、蓝三种颜色。对RGB进行灰度化，就是对图像的RGB三个分量进行加权平均得到最终的灰度值。本文采用加权平均法，即 Gray=0.11B+0.59G+0.3R。 　　3.2 标牌定位 　　（1）边缘检测算法 　　边缘检测方法是指提取图像局部变化最显著的部分，局部变化则是以某个邻域内灰度变化为情况为标准，来标识图像中的边缘信息。获取图像中的边缘信息，就是根据二维灰度矩阵梯度向量，用离散化梯度逼近函数来寻找图像灰度矩阵的灰度跃变像素位置，将这些像素点连接起来就构成了图