劉勝娃，曹湘華

（中國石油川慶鉆探工程有限公司長慶鉆井總公司，陜西 西安 710021）

0 引言

目前在鉆井工作過程中，由于使用環(huán)境和儀器設計的原因，很多儀器儀表尚無計算機通信接口，需要人工讀取或使用專用軟件，否則無法進行信息集成。為了實現儀表數據的自動化提取，提高鉆井工程的作業(yè)效率，降低企業(yè)成本，研制數字儀表自動識別系統(tǒng)勢在必行。目前國內針對儀表數字讀書識別的算法主要有模板匹配法、穿線法、特征提取法、BP神經網絡識別方法、KNN識別算法、基于形態(tài)學的識別方法和基于模式識別的方法等。其中模板匹配方法首先建立0至9的特定字體的數字模板圖像，然后將提取待識別的數字圖像縮放至與模板圖像相同大小，計算其與所有模板的協方差并逐一對比，識別結果為與其計算數值最小的模板圖像數字；該方法操作簡易，但要根據待識別的數字字體設計不同的模板，若模板圖像尺寸較大，則計算量較大。穿線法將數字圖像看作一個數字矩形區(qū)域，使用一條垂直的等分線和兩條水平的等分線穿過，獲取等分線與數字圖像重合的像素點，以此確定具體數字，此方法計算量小，但容易受數字圖像前期預處理效果的影響。特征提取法即數碼管識別法，通過判斷7個位置的數碼管是否點亮來判斷具體數字，抗干擾能力強，但不適用于傾斜度很高的數碼數字?；贐P神經網絡的識別方法需要海量數據訓練樣本進行學習以建立識別模型，但其參數設計復雜，且泛化能力主要依賴于訓練樣本?；贙NN的識別算法準確率很高，但效率較低，原因是每一次分類或者回歸，都要把訓練數據和測試數據計算一遍，計算量大，同時對訓練數據的依賴度高，有時個別錯誤的數據會導致預測數據的不準確?；谛螒B(tài)學的識別方法首先提取數字圖像的幾何特征，接著根據特征模式確定對應的結構元素，最后使用選定的結構元素對圖像進行擊中與否變換；此方法的識別率高，但識別速度緩慢，實時性不強?；谀Ｊ阶R別的方法算法較多，但識別結果受限于分類方法的具體實現方案與圖像預處理的效果。

為了實現儀表數字的快速讀取，本文以鉆井現場司鉆顯示儀為采集對象，采用機器視覺對該儀表數字進行識別?；诂F場采集工作狀況下司鉆顯示儀的視頻數據，使用C++語言的OpenCV技術進行儀器參數數字識別，經實驗該方法能滿足儀表數字識別速度與準確率的要求。

1 圖像采集系統(tǒng)

本系統(tǒng)的讀取對象司鉆顯示儀為數碼管式儀表。圖像采集：首先將防爆攝像頭安裝至合適位置，保證拍攝的照片清晰穩(wěn)定，然后將拍好的圖像通過無線傳輸，以H.265編碼格式上傳至圖像處理服務器進行圖像識別。

儀表自動識別系統(tǒng)硬件環(huán)境架構如圖1所示。

圖1 圖像采集硬件架構

2 圖像預處理

防爆攝像頭在拍攝待識別的數字儀表圖像的過程中，會受到鉆井作業(yè)平臺震動環(huán)境以及溫度與光線等因素的影響，導致圖像可能會存在移動、模糊和噪聲等缺陷。這些缺陷會影響字符的正確切割和識別，所以需要進行濾波、形態(tài)學操作等圖像預處理。預處理的主要目的是過濾圖像中的干擾信息，從而使得待識別圖像區(qū)域清晰，以便于特征信息的提取識別，預處理結果的好壞直接影響到后續(xù)圖像切割和識別的準確率。

（1）灰度轉換。目前防爆攝像頭采集的圖像為彩色圖像，且占用存儲空間較大。通常字符識別采用灰色圖像進行識別，因此需要進行灰度轉換。圖像的灰度轉換就是采用數學計算公式圖像中的色彩信息進行變換，其計算結果為亮度信息，本文采用cvtColor函數進行灰度轉化。

（2）濾波處理。由于攝像頭在圖像采集過程中會受到鉆井作業(yè)震動等噪聲干擾，所以必須對圖像進行濾波處理，以盡可能降低或消除圖像中的噪聲，保持待識別圖像區(qū)域的清晰度。此處，本文采用GaussianBlur函數進行濾波處理。

（3）二值化。為準確提取特征，需要對圖像進行二值化，利用OpenCV提供的閾值函數threshold，通過自適應閾值化方法對預處理圖像進行二值化，以便實現對數字的定位。根據圖像特征設置閾值0與255，類型為THRESH_BINARY|THRESH_OTSU。

3 數字字符識別

3.1 模板匹配算法原理

模板匹配是在一幅圖像中逐一匹對多個模板圖像的方法之一。該方法原理簡單，即根據匹配算法計算識別圖像與模板圖像的運算結果，當數值足夠小時，即匹配成功。OpenCV提供了6種模板匹配算法：平方差匹配法，歸一化平方差匹配法，相關匹配法，歸一化相關匹配法，相關系數匹配法與歸一化相關系數匹配法。

本文采用相關系數模板匹配算法，其計算公式如下：其中，T、I、h、w、R分別表示模板圖像、待識別圖像、圖像高度、圖像寬度、計算結果。

3.2 實驗過程

圖像處理流程如圖2所示。首先客戶端使用?？低暦辣瑪z像頭采集儀表圖像，以H265壓縮編碼上傳圖像識別服務器端，并使用開源開發(fā)包對服務器端H265編碼進行解碼；然后使用OpenCV技術完成圖像預處理、字符分割數字識別；最后，將識別結果提交后臺MySQL數據庫存儲計算，以輔助人工較快出具檢測報告。

圖2 圖像處理流程

（1）攝像頭圖像采集。采用防爆攝像頭作為識別工具，通過瀏覽器方式采集司鉆顯示儀顯示區(qū)域，并以緣檢測等方法檢測數碼管數字區(qū)域。但由于鉆井現場干擾因素較多，為提高系統(tǒng)識別率，可以根據需求手動設定司鉆顯示儀區(qū)域，以便定位與變換，從而采集到數碼管數字區(qū)域。

（2）H265編碼上傳服務器。為提高清晰度與上傳速度，設置圖片以H265編碼格式壓縮并上傳到服務器。

（3）圖像預處理。將背景與目標區(qū)域分離，去除圖片背景及干擾因素，提取數碼管目標區(qū)域。

（4）區(qū)域定位分割。通過水平、垂直投影等分割技術對字符圖像進行提取，以獲取單獨的數字字符圖像。

（5）數字識別。采用光學字符識別技術對每個數字字符進行識別或匹配。

讀取圖像并將其轉換為灰度圖，再經形態(tài)學膨脹與自適應閾值算法閾值化操作，消除圖像易受光照等因素的影響，同時將目標區(qū)域設置為白色。

采用輪廓檢測面積排序法定位數字區(qū)域，并進行透視變換，獲取變換圖像，如圖3所示。

圖3 區(qū)域定位變換

核心代碼如下：

根據數字區(qū)域相對固定位置進行數字區(qū)域分割，或進行水平投影與垂直投影獲取數字區(qū)域，結果如圖4所示。

圖4 區(qū)域分割

加載數碼管模板（如圖5所示），根據提取的數字區(qū)域，再次采用輪廓法切割數字圖片，進行模板匹配，輸出結果（如圖6所示），其中小數點采用高寬比值進行判斷識別。經對實驗結果統(tǒng)計分析，數字識別正確率達到95%。

圖5 數碼管模板

圖6 數字識別結果

模板數字字符提取核心代碼如下：

4 結語

本文從鉆井作業(yè)數字儀表讀數的自動識別需求出發(fā)，提出了一種基于機器視覺的司鉆顯示儀參數識別方法，利用OpenCV技術對傾斜的數碼管進行識別，并檢測數字后面的小數點，實現鉆井現場司鉆顯示儀的快速準確識別。經現場工作視頻實驗驗證了此算法的準確性，對實現鉆井儀表數據的自動化識別具有重要的工程應用意義。