一种用于集气站多类型仪表自动读数方法技术

本发明专利技术提供了一种用于集气站多类型仪表自动读数方法，涉及非常规油气开发技术领域，包括图像预处理模块、仪表图像配准和几何变换模块、指针定位和读数模块、数字分割与识别模块和液柱和刻度的定位与读数模块，本发明专利技术将传统机器视觉方法和深度学习算法相结合，可以实现对集气站内仪表的类型自动分类和读数，避免人工标定或区分的重复劳动，不仅精度高，而且有效保障工作人员的安全；另外对于仪表特征识别等易受环境影响的环节采用深度学习算法，去除了复杂的数字图像处理和调参过程，大大增强了整体算法的鲁棒性、普适性和准确性，解决了现有算法适用范围窄和易受环境影响等技术问题。题。题。

【技术实现步骤摘要】
一种用于集气站多类型仪表自动读数方法


[0001]本专利技术涉及非常规油气开发
，尤其涉及一种用于集气站多类型仪表自动读数方法。

技术介绍

[0002]在油气勘探中，集气站是重要组成部分；集气站需要各种仪器仪表实时指示当前集气站的工作状态，以确保整个系统运行安全稳定，并在较短时间内发现危险；目前多数集气站主要依靠人工巡检保障设备工作正常，即定时安排巡检人员深入车间对仪表进行逐一读数并上报数据；这种方法主要存在以下几个缺点：（1）集气站规模较大，工艺设备多，巡检工作繁杂、耗时，数据获取存在延时，在遇到紧急情况时难以及时反应；（2）集气站巡检频次高，劳动强度大，测量人员会因疲劳、极端天气等原因导致读数误差；（3）集气站不可避免地会存储有毒有害气体，即使微量释放也会对巡检人员的身体造成损害；（4）巡检人员误操作也会导致集气站发生爆炸和燃烧等事故，危及人身和设备安全。
[0003]随着机器视觉和深度学习的兴起，可以实现对目标像素级的识别与分割；机器人技术在各行各业得到广泛运用，可以代替人工进入更危险的场所、采取更精准的动作，加之人力成本上升趋势和产业升级的需要，对集气站各类仪表进行自动巡检与读数迫在眉睫，在行业有着现实需要和运用前景。
[0004]目前广泛运用的仪表仪器主要分为数显类仪表、指针类仪表和液位式仪表：传统的指针类仪表通过内部机械装置和基本物理原理反映物理量的变化，结实耐用、具备较强的抗干扰能力；数显类仪表则通过直接将测量信号转化为电信号，通过液晶显示屏进行数字显示，方便用户直接读数，减少了换算时间和偶然误差；而液位式仪表将液位计和被测容器形成连通器，通过醒目颜色指示容器内液体的高度，可用于连续测量多种类型的液体，易于观察，这三类仪表各有优点，其应用场景遍及在生活和工业生产中。
[0005]但是实现仪表的自动读数仍需解决仪表特征提取与建模读数的问题；目前常用的一些处理方法是使用例如SIFT、SURF和MSER等传统机器视觉算法；这些算法都需要复杂的调参，并且当仪表规格或者外界环境发生变化时就不再适用，适用范围窄。此外，现有的自动读数算法仅能对某类型仪表进行处理和读数，在遇到其他类型仪表时不能根据其类型调整读数算法。

技术实现思路

[0006]本专利技术所要解决的技术问题是克服现有技术中存在的不足，提供一种用于集气站多类型仪表自动读数方法，其在传统数字图像处理算法的基础上使用深度学习算法进行仪
表分类和像素级目标识别，解决了现有算法适用范围窄和易受环境影响等技术问题。
[0007]本专利技术是通过以下技术方案予以实现：一种用于集气站多类型仪表自动读数方法，包括图像预处理模块，用于去除噪声信号并增强图像特征；仪表分类与识别定位模块，用于确定输入图像的仪表类型以及仪表在图像中的位置，裁剪出仪表图像；仪表图像配准和几何变换模块，用于将倾斜角度拍摄的仪表图像变换为标准正面图像；指针定位和读数模块，用于识别指针类仪表的关键特征并读数；数字分割与识别模块，用于识别数显类仪表的关键特征并读数；液柱和刻度的定位与读数模块，用于识别液位式仪表的关键特征并读数；具体包括以下步骤：步骤1、将获取的仪表区域图像输入所述图像预处理模块，得到噪声去除且特征加强的预处理图像；步骤2、将步骤1的预处理图像输入所述仪表分类与识别定位模块，得到仪表的类型和位置信息，对预处理图像进行裁剪获得仪表图像；步骤3、获得仪表类型和裁剪后的仪表图像，根据类型将仪表图像输入对应的仪表图像配准和几何变换模块，得到配准后的标准正面图像,具体包括以下分步骤；步骤3
‑
1、预先获得仪表的仪表图像；步骤3
‑
2、使用ORB（Oriented Fast and Rotated Brief）算法提取待读数的仪表图像和标准图像的特征点并生成具有方向信息的描述符；步骤3
‑
3、使用BF（Brute Force）匹配法对步骤3
‑
2中提取到的两个图像中的特征点及其描述符进行匹配，得到一系列匹配点对和；步骤3
‑
4、构建透视变换矩阵的数学模型；步骤3
‑
5、解算步骤3
‑
4的透视变换矩阵至少需要4对坐标，而由于步骤3
‑
3匹配的特征点对数大于4对并且存在误匹配情况，因此使用RANSAC（Random Sample Consensus）算法对这些匹配点对进行迭代计算和筛选，得到使误差函数最小的一组最优匹配点对；步骤3
‑
6、将步骤3
‑
5得到的一组最优的特征点对代入步骤3
‑
4；步骤3
‑
7、用步骤3
‑
6得到的结果对待测试的仪表图像的像素点进行遍历，生成新的像素点坐标，最终得到配准后的标准正面图像；步骤4、根据步骤2所得仪表类型决定执行相应步骤，若为指针类仪表则执行步骤5，若为数显类仪表则执行步骤6，若为液位式仪表则执行步骤7；步骤5、将步骤4的标准正面图像输入指针定位和读数模块，得到仪表示数；步骤6、将步骤4的标准正面图像输入数字分割与识别模块，得到仪表示数；步骤7、将步骤4的标准正面图像输入液柱和刻度的定位与读数模块，得到仪表示数。
[0008]根据上述技术方案，优选地，步骤1包括：步骤1
‑
1、对仪表区域图像整体进行灰度处理；步骤1
‑
2、使用单尺度Retinex算法对在光照不足条件下拍摄的仪表区域图像进行
特征增强；步骤1
‑
3、使用双边滤波算法去除仪表区域图像的噪声。
[0009]根据上述技术方案，优选地，步骤2包括：步骤2
‑
1、将多种类型仪表图像、对应标签及位置信息随机打乱顺序制成数据集；步骤2
‑
2、将数据集输入网络，训练网络参数，建立网络模型；步骤2
‑
3、将待检测的仪表区域图像输入步骤2
‑
2的网络模型，对仪表区域图像分类和位置预测，根据预测结果对仪表区域图像进行裁剪得到仪表图像并确定仪表类型。
[0010]根据上述技术方案，优选地，步骤5包括：步骤5
‑
1、对标准正面图像进行局部阈值二值化处理，去除无效的背景信息，得到二值化后的仪表信息图像，阈值的计算公式为：其中为像素点周围邻域内一点，为权重参数，为灰度值，为偏移参数，为阈值；步骤5
‑
2、将步骤5
‑
1所得仪表信息图像的前景像素点按照位置关系组合成区域块，按一定的面积、长宽比例筛选出指针区域块并将其编号存储；步骤5
‑
3、利用查表法细化指针区域：步骤5
‑
4、使用累积概率霍夫变换（Progressive Probabilistic Hough Transform）算法检测步骤5
‑
3中的线段并获得线段端点信息，根据线段长度进一步筛选出指针；步骤5
‑
5、输入仪表的关键参数，量程最大值，最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于集气站多类型仪表自动读数方法，其特征在于，包括图像预处理模块，用于去除噪声信号并增强图像特征；仪表分类与识别定位模块，用于确定输入图像的仪表类型以及仪表在图像中的位置，裁剪出仪表图像；仪表图像配准和几何变换模块，用于将倾斜角度拍摄的仪表图像变换为标准正面图像；指针定位和读数模块，用于识别指针类仪表的关键特征并读数；数字分割与识别模块，用于识别数显类仪表的关键特征并读数；液柱和刻度的定位与读数模块，用于识别液位式仪表的关键特征并读数；具体包括以下步骤：步骤1、将获取的仪表区域图像输入所述图像预处理模块，得到噪声去除且特征加强的预处理图像；步骤2、将步骤1的预处理图像输入所述仪表分类与识别定位模块，得到仪表的类型和位置信息，对预处理图像进行裁剪获得仪表图像；步骤3、获得仪表类型和裁剪后的仪表图像，根据类型将仪表图像输入对应的仪表图像配准和几何变换模块，得到配准后的标准正面图像,具体包括以下分步骤；步骤3
‑
1、预先获得仪表的仪表图像；步骤3
‑
2、使用ORB算法提取待读数的仪表图像和标准图像的特征点并生成具有方向信息的描述符；步骤3
‑
3、使用BF匹配法对步骤3
‑
2中提取到的两个图像中的特征点及其描述符进行匹配，得到一系列匹配点对和；步骤3
‑
4、构建透视变换矩阵的数学模型；步骤3
‑
5、解算步骤3
‑
4的透视变换矩阵至少需要4对坐标，而由于步骤3
‑
3匹配的特征点对数大于4对并且存在误匹配情况，因此使用RANSAC算法对这些匹配点对进行迭代计算和筛选，得到使误差函数最小的一组最优匹配点对；步骤3
‑
6、将步骤3
‑
5得到的一组最优的特征点对代入步骤3
‑
4；步骤3
‑
7、用步骤3
‑
6得到的结果对待测试的仪表图像的像素点进行遍历，生成新的像素点坐标，最终得到配准后的标准正面图像；步骤4、根据步骤2所得仪表类型决定执行相应步骤，若为指针类仪表则执行步骤5，若为数显类仪表则执行步骤6，若为液位式仪表则执行步骤7；步骤5、将步骤4的标准正面图像输入指针定位和读数模块，得到仪表示数；步骤6、将步骤4的标准正面图像输入数字分割与识别模块，得到仪表示数；步骤7、将步骤4的标准正面图像输入液柱和刻度的定位与读数模块，得到仪表示数。2.根据权利要求1所述的一种用于集气站多类型仪表自动读数方法，其特征在于，步骤1包括：步骤1
‑
1、对仪表区域图像整体进行灰度处理；步骤1
‑
2、使用单尺度Retinex算法对在光照不足条件下拍摄的仪表区域图像进行特征增强；
步骤1
‑
3、使用双边滤波算法去除仪表区域图像的噪声。3.根据权利要求2所述的一种用于集气站多类型仪表自动读数方法，其特征在于，步骤2包括：步骤2
‑
1、将多种类型仪表图像、对应标签及位置信息随机打乱顺序制成数据集；步骤2
‑
2、将数据集输入网络，训练网络参数，建立网络模型；步骤2
‑
3、将待检测的仪表区域图像输入步骤2
‑
2的网络模型，对仪表区域图像分类和位置预测，根据预测结果对仪表区域图像进行裁剪得到仪表图像并确定仪表类型。4.根据权利要求3所述的一种用于集气站多类型仪表自动读数方法，其特征在于，步骤5包括：步骤5
‑
1、对标准正面图像进...

【专利技术属性】
技术研发人员：江涛，赵有龙，范旭，韦树封，唐勇，夏凯旋，刘金海，耿洁，韦涛，吕小燕，
申请(专利权)人：中海油能源发展股份有限公司，
类型：发明
国别省市：