基于机器视觉的水表检定方法研究
计算机视觉技术在智能水表中的应用
计算机视觉技术在智能水表中的应用随着科技的不断发展和进步，智能水表作为一种新型的水表技术应用于日常生活中，通过计算机视觉技术的应用，智能水表能够更加智能化、高效化地管理和监控水资源的使用情况。
本文将介绍计算机视觉技术在智能水表中的应用，并探讨其带来的优势和挑战。
首先，计算机视觉技术可以帮助智能水表实现远程抄表功能。
传统的抄表方式主要依赖人工抄表，效率低下且容易出错。
而智能水表中搭载的计算机视觉技术可以通过图像识别和分析，自动准确地读取水表上的数字或指针，将抄表数据实时传输到管理系统，从而实现远程抄表。
这不仅提高了抄表的准确性和效率，还降低了人力成本和错误率。
其次，计算机视觉技术可以实现智能水表的异常检测和报警功能。
通过对水表周围环境进行图像分析，计算机视觉技术可以检测出水表周围的变化，如漏水、水表被损坏等。
一旦检测到异常情况，系统可以及时发送报警信息给用户或管理者，以便及时采取措施修复问题，从而避免水资源的浪费和损失。
这种智能化的异常检测功能能够保障水资源的有效利用和节约。
此外，计算机视觉技术还可以帮助智能水表实现智能化的用水监控和分析。
通过对用户用水行为的图像分析，系统可以对用户的用水情况进行监控和分析，例如，用水量、用水时间等。
这些数据可以为用户提供详尽的用水信息，帮助用户更好地了解用水情况，并根据数据分析结果进行用水管理。
对于水资源管理者来说，这些数据也可以帮助他们了解和掌握整个供水系统的运行情况，及时制定相应的管理措施。
然而，计算机视觉技术在智能水表中的应用也面临一些挑战。
首先，图像识别的准确性和稳定性是一大难题。
因为智能水表通常需要在恶劣的环境下运行，如光线不足、灰尘、污渍等，这些因素都会对图像识别的准确性产生影响。
因此，研发稳定且高效的图像识别算法成为一个亟待解决的问题。
其次，数据隐私和安全问题也是需要重视的。
智能水表通过图像采集用户的用水数据，这涉及到用户个人信息和隐私的保护问题，如何确保数据的安全性和隐私性是一个需要考虑的问题。
关于应用视觉识别技术实现机械水表智能化抄表的探索
二维码的识别。由于在图像拍摄的过程中，可能会存在各 种因素的影响，导致图像识别存在困难，因此需要对其进行滤 波处理、二值化转化、膨胀操作等一系列处理，其主要识别流 程为图像预处理、霍夫直线检测、定位交点、反射变换校正以 及Zbar识别[2]。
3 结束语 在智能化抄表系统中应用视觉识别技术，不仅能够进一步
提升系统运行的效率和准确性，还能够有效降低运营成本，通 过在智能抄表装置中合理选用摄像头以及液晶屏等，借助视觉 识别技术进行数字和二维码的识别，进而将获得的数据自动划 入信息系统中，并进行自动结算。相信随着视觉识别技术的深 入应用，我国智能化抄表系统的设计会得到进一步提升。
参考文献 [1] 杨刚.基于物联网技术的智能化水表在上海地区的应用与思考
[J].上海计量测试,2019,46(4):68-70. [2] 申峰.应用视觉识别技术实现机械水表智能化抄表研究[J].中国
建设信息化,2019(11):66-67.
科学与信息化2021年6月下 71
2 视觉识别技术在机械水表智能化抄表设计中的应用 2.1 智能抄表装置 智能抄表装置的选择包括通讯模块、处理芯片、摄像头
基于机器视觉技术的水表新型检定方法
基于机器视觉技术的水表新型检定方法基于机器视觉技术的水表新型检定方法摘要：随着社会发展和科技进步，水表作为用于测量和计费水量的重要设备，其准确性和稳定性对于水资源管理具有重要意义。
传统的水表检定方法依赖于人工操作，存在检定效率低、误差较大等问题。
本文提出了一种基于机器视觉技术的水表新型检定方法，以提高水表检定的效率和准确性。
1. 引言水是人类生活中必不可少的资源，在水资源紧缺的情况下，合理管理和使用水资源至关重要。
水表作为测量和计费水量的主要工具，其准确性和稳定性对于水资源管理和计费具有重要意义。
传统的水表检定方法依赖于人工操作，存在效率低、人为误差大等问题，需要一种更加高效准确的水表检定方法。
2. 机器视觉技术在水表检定中的应用机器视觉技术是一种能够模拟和实现人类视觉功能的技术，具有高效、准确、自动化等特点。
在水表检定中，通过使用机器视觉技术，可以实现对水表计数器的自动识别，准确地读取水表读数。
具体的应用包括：2.1 图像采集使用高像素、高分辨率的相机设备对水表计数器进行拍摄，保证图像的清晰度和细节度。
同时，为了提高检定效果，可以在图像采集过程中引入多角度拍摄或视频采集的方式，以获取更多信息。
2.2 图像处理对采集到的水表计数器图像进行预处理，如去除噪声、增强对比度等。
然后，使用图像处理算法来提取并识别计数器上的数字和刻度，以获取水表读数。
2.3 特征提取通过特征提取技术，可以将水表读数与实际水量进行关联。
例如，通过检测水表上的刻度间距并结合实际水表参数，计算出每个刻度对应的水量，从而获得更精确的水表读数。
2.4 计算误差通过与标准水表对比，可以计算新型检定方法的误差。
根据误差的大小，可以对水表进行调整，以提高其准确性和稳定性。
3. 实验与分析为验证基于机器视觉技术的水表新型检定方法的有效性，进行了一系列实验。
实验结果表明，相比传统的人工检定方法，新型检定方法具有更高的准确性和更快的检定效率。
机器视觉技术在水质监测中的突破
机器视觉技术在水质监测中的突破随着科技的不断发展，机器视觉技术在各个领域都得到了广泛应用，其中包括水质监测领域。
传统的水质监测方式往往需要大量的人力物力，并且需要较长的时间来获取准确的水质数据。
而机器视觉技术的应用则能够提高监测效率，减少人力投入，并且大大缩短数据获取的时间。
本文将探讨机器视觉技术在水质监测中的突破及其应用。
一、机器视觉技术的基本原理机器视觉技术是指通过计算机和摄像机等设备来模拟人类视觉系统的能力。
它主要基于图像识别、图像处理和图像分析等技术手段，能够快速准确地获取图像信息，并对图像进行分析和处理。
在水质监测中，机器视觉技术能够通过获取水样的图像来实现对水质的检测和分析。
二、机器视觉技术在水质监测中的应用1. 水质参数监测机器视觉技术可以通过获取水样图像，并利用图像识别和图像处理算法来测量水质参数。
例如，可以通过分析水样的颜色、浊度和透明度等特征来判断水质的清洁程度。
同时，机器视觉技术还可以识别有机物质和重金属等污染物，从而提供更加全面准确的水质监测结果。
2. 水体污染检测机器视觉技术可以通过水样图像的比对和分析，实现对水体污染物的快速检测。
传统的水质监测方法通常需要将水样送至实验室进行分析，而这一过程通常需要较长时间。
而机器视觉技术可以通过图像处理算法，直接在野外对水样进行检测，大大缩短了监测周期，并且提高了检测的效率。
3. 水环境监测机器视觉技术在水环境监测方面也有着广泛的应用。
例如，可以利用机器视觉技术对湖泊、河流和海洋等水域进行监测，实现对水体悬浮物的检测和分析。
同时，机器视觉技术还可以实时监测水体的流速和流向等参数，为水环境管理提供准确的数据支持。
三、机器视觉技术在水质监测中的优势1. 高效准确：机器视觉技术能够在短时间内获取大量的图像数据，并且能够通过图像处理算法精确分析水样的水质参数，提高了监测的效率与准确性。
2. 自动化程度高：机器视觉技术可以实现对水质监测过程的自动化，减少了人为因素的干扰，并且大大降低了人力物力的投入。
应用视觉识别技术实现机械水表智能化抄表研究
66Research papers研究论文水表作为供水贸易结算的主要计量仪表之一，准确与否，成为供水企业与用户关注的焦点。
机械水表的普遍使用，使得现行抄表收费大多是人工抄表、人工收费和结算，效率低、差错率高，已不适应现代企业管理的要求。
提高水表抄表系统的智能化、信息化势在必行。
由于互联网、无线通信技术、嵌入式硬件的小型化、计算机性能的提高和开源的视觉算法库，现代的智能抄表系统已经向集采集、识别、收费管理于一体的综合系统，大大降低了劳动力、人为误差同时提高了智能型和准确度。
当前国内外自动抄表系统有基于总线制、IC卡式与无线远传抄表系统。
其中无线数据远传在表具上加载无线发射装置，这种装置不用敷设线路，逐步成为主流。
但是，智能水表的维护和后期的处理也存在一系列问题。
在自动抄表系统的智能化的过程中，提高智能化、同时降低成本且能大规模推广使用尤为重要；随着图像识别技术和芯片、互联网技术的发展，人工智能化技术逐渐被应用在人们的生产和生活中。
图像作为信息的主要载体，将图像识别技术和终端设备应用在水表的智能抄表中，起到了降低智能抄表系统成本的作用。
对于水表图像的拍照主要通过两种方式，一种是通过移动智能手机终端、另一种是通过专业手持拍照终端，图像在服务器中识别和保存，构成整个水表智能抄表系统。
智能手机终端拍照抄表和专业手持拍照终端的后台运营管理系统是一致的。
下面主要以专业手持拍照终端作为案例，对采用图像识别技术实现机械水表智能集抄方案研究作以介绍。
1、智能抄表装置设计1.1 系统总体架构拟采用Windows的服务器进行上位机控制，下位机手持式抄表终端完成图像采集与远传，采集到的图像在服务器端进行图像识别处理，在PC客户端进行用户和数据管理。
上位机管理软件采用MySQL关系型数据库具有体积小、速度快、总体拥有成本低和开放源码的特点，结合Qt应用框架构成C/S架构的水表管理系统。
图1所示为系统的硬件结构图。
1.2抄表装置的硬件选型1.2.1 4G通讯模块EC20通讯模块是一款支持PCI ExpressMini Card 标准接口的LTE模块，支持最大下行速率150Mbps和最大上行速率50Mbps，兼容EDGE和GSM/GPRS网络，确保在缺乏3G和4G网络的偏远地区也能工作，也包含GPS北斗定位和TTS语言等。
基于机器视觉的水质监测系统设计
基于机器视觉的水质监测系统设计随着社会的不断发展，环保意识得到大力宣传和推广，人们开始更加关注水质保护和监测。
而人工监测会受到人为因素影响，效率低且耗时长。
因此，随着科技的不断进步，基于机器视觉的水质监测系统应运而生。
一、水质监测系统设计的意义环境驱动是推动水质监测系统发展的原因之一，人类的日益增长的环境污染已经导致了严重的环境问题和人类健康问题。
对于水资源的保护，质量控制已经成为了全球范围内的主要议题。
同时，水质监测系统也具有很大的商业潜力。
在目前的市场上，许多企业经常需要在某些水体中进行水质监测，如将水质优劣作为水产、园林、饮料、供水等行业的指标来使用。
随着科技的发展，水质监测技术也在不断提高，而基于机器视觉的水质监测系统技术也是其中的一种。
二、基于机器视觉的水质监测系统的设计1. 识别方式目前机器视觉的水质监测系统大致分为两种分类方式，即光学识别方式和色谱分析方式。
光学识别方式是利用光学技术采集水质样本的图像信息，用计算机图像处理技术进行水质分析。
色谱分析方式是将水样直接进样到仪器中，通过分离、检测物质的方法进行分析。
2. 样本的采集在采集水样的时候，采用一些非毒性有机试剂对水样进行简单的处理，然后进行阴阳离子检测、氧化还原电位测定等一系列的物理和化学参数检测。
接着通过数据传输的手段将特定数据传输至计算机中，计算机将根据先前已经设计好的算法来进行搜寻与分析。
3. 分析方法分析变量主要为PH、DO、湍流、色度等变量。
在这些变量中，PH值和溶解氧是最重要的指标，而湍流、色度的测量数据则是监测的辅助指标之一。
判定水质好坏的依据主要是对PH值、溶解氧、COD浓度、原污染指数、氧化还原电势等进行比较。
三、基于机器视觉的水质监测系统的优势在与传统的水质监测相比，基于机器视觉的水质监测系统具有以下优势：1. 自动化程度高在采集数据和样品处理过程中，减少直接人员因素的干扰，使采集和处理过程更加自动化和高效。
基于机器视觉的水质检测技术研究
基于机器视觉的水质检测技术研究随着人们对环境保护意识的不断提高，水质检测变得越来越重要。
随着现代科技的不断发展，机器视觉技术变得越来越成熟和普及，成为现代水质检测的重要手段之一。
一、机器视觉技术在水质检测中的应用机器视觉技术指的是利用特殊的相机、光源、处理器和软件等设备，通过数字图像处理技术来获取、分析和识别目标物体的过程。
机器视觉技术被广泛应用于各种工业领域，如汽车制造、电子设备、航空航天等，同时也在环境监测领域得到应用。
在水质检测中，机器视觉技术主要用于以下几个方面：1. 水质参数的测试和分析机器视觉技术可以应用于水底下的电子设备的测试与分析。
这种技术可以通过摄像机拍摄视频，并分析其激光信号或其他传感器检测到的信号，测量水质参数，例如水深、水温、水压等等。
2. 水质污染物的检测机器视觉技术可以用来检测水中的污染物，包括有机污染物、微生物、化学物质等。
采用机器视觉技术，能够进行自动化和快速的检测和分析，可以提高数据的准确性，节约时间和人力成本，并且可以监控许多污染物的指标，用以提供及时的信息。
3. 水质监测数据的分析机器视觉技术还可以对水质监测数据进行分析。
这可以用来评估水的质量和健康状况是否良好，发现潜在的威胁，并为采取控制措施提供有力的支持。
二、机器视觉技术的优势和应用前景1. 精度高、效率快采用机器视觉技术，能够提高水质检测的精度和效率。
相对于人工手动检测，在相同的时间内，机器视觉技术可以处理更多的数据，大大缩短了检测的时间，提高了准确性。
2. 可以快速响应和反应机器视觉技术可以在瞬间响应和反应对水质的变化，尤其对于在大范围和不同位置的监测区域，机器视觉技术的快速响应相对人工手动检测来说，就显得更为优秀。
3. 可以减少马虎和疏忽人工手工检测可能会出现人工误差，人工疏忽等问题。
采用机器视觉技术，则能够减少这些问题的出现，并且人工接触的时间也就更少了，从而减少了影响产品的污染。
三、机器视觉技术的不足1. 造价昂贵机器视觉技术需要应用到适当的硬件和软件之中才能发挥其最佳的效果。
基于机器视觉的水质监测系统研究
基于机器视觉的水质监测系统研究机器视觉技术，也被称为计算机视觉，在过去的几十年里获得了快速的发展。
它是研究如何让机器“看”的一门科学，包括硬件和软件两个方面。
硬件方面，机器视觉需要使用相应的传感器来感知外界环境，并将感知到的信息进行数字处理；软件方面，机器视觉则依靠计算机算法对所获取的图像或视频进行分析、识别和理解，从而实现自动化控制、自主导航、智能识别等应用。
近年来，基于机器视觉技术的水质监测系统也开始受到越来越多的关注。
水资源是人类发展和生存的重要基础，而水的质量直接关系到人类健康和生产生活质量。
因此，对水质进行准确实时的监测和预警具有重要的现实意义。
而传统的人工监测方法不仅费时费力，而且存在着误判、漏判等缺陷，难以胜任大范围、高频次的水质监测任务。
基于机器视觉技术，可以建立起一套自动化、高效、准确的水质监测系统，它可以在实现水质监测的同时，也实现了水资源的保护与利用。
一、机器视觉技术在水质监测中的应用现状在目前的水质监测领域中，机器视觉技术主要应用于以下两个方面：1.智能识别水中污染物机器视觉技术可以通过感知水中物质，并对水中像有机物、无机物和微生物这三类污染物进行自动化快速的鉴别。
其利用传感器获得的图片或视频经过数字化处理，基于算法完成对水样的色调、颜色、质地、形态等参数的分析，并将这些参数用于污染物的自动识别。
2.实时可视化水质监测机器视觉技术可以将水中的水流情况、波浪、水色等信息记录下来，并进行实时监测和预警。
其利用监控摄像头获得的视频数据，通过算法进行人工智能处理，基于图像识别、视频监测等技术，实现对水体流速等参数的实时监测和报警。
二、机器视觉技术在水质监测中的优势相比传统的水质监测方法，基于机器视觉技术的水质监测系统具有以下几个明显优势：1.准确度高基于机器视觉技术的水质监测系统可以实现对水体中污染物的精准识别。
它采用的图像识别技术不仅可以区分不同的污染源，也可以对不同类型的污染物进行准确的鉴别。
基于深度学习的双目视觉水位监测方法
基于深度学习的双目视觉水位监测方法目录1. 内容综述 (3)1.1 研究背景 (3)1.2 研究的意义 (4)1.3 国内外研究现状 (5)1.4 本文工作概述 (6)2. 双目视觉理论基础 (7)2.1 双目视觉的原理 (9)2.2 几何关系与重建算法 (10)2.3 双目相机标定 (11)2.4 双目视觉在洪水监测中的应用概述 (12)3. 深度学习基础 (13)3.1 深度学习概述 (14)3.2 CNN结构与卷积操作 (15)3.3 深度学习在水位监测中的应用 (16)3.4 常用的深度学习框架与工具 (17)4. 基于深度学习的双目视觉水位监测方法 (18)4.1 问题定义与研究目标 (19)4.2 数据收集与预处理 (20)4.3 网络架构设计 (22)4.3.1 网络特点 (23)4.3.2 网络训练与验证 (24)4.3.3 网络优化策略 (25)4.4 水位估计算法 (26)4.4.1 水位检测算法 (28)4.4.2 水位预测算法 (29)4.4.3 实时水位估计策略 (31)4.5 实验设计与结果分析 (32)4.5.1 实验环境与硬件配置 (33)4.5.2 实验评价指标 (34)4.5.3 实验结果展示 (34)4.5.4 方法改进与优化 (35)5. 性能评估与对比分析 (37)5.1 性能评估标准 (38)5.2 与传统水位监测方法对比 (39)5.3 与同类深度学习方法对比分析 (40)6. 应用场景与案例分析 (41)6.1 应用场景描述 (43)6.2 案例研究 (44)6.3 实际应用效果分析 (45)7. 结论与展望 (46)7.1 研究结论 (47)7.2 研究局限性 (48)7.3 未来工作展望 (49)1. 内容综述水位监测是水资源管理、防洪预警、航道安全等诸多领域必不可少的基础工作。
传统的测量水位方式通常依靠人工测量或机械设备，存在着成本高、效率低、准确度不高等缺点。
基于机器视觉的水质监测与分析系统设计
基于机器视觉的水质监测与分析系统设计随着人口增长和工业化的进展，水资源的污染问题日益严重，对水质进行实时监测和分析变得尤为重要。
传统的水质监测方法通常需要人工采样和实验室分析，耗时耗力且成本高昂。
而基于机器视觉的水质监测与分析系统能够实现实时监测，提供高效准确的数据分析，极大地提升了水质监测的效率和可靠性。
一、系统架构基于机器视觉的水质监测与分析系统主要由以下三部分组成：图像采集模块、图像处理与分析模块、数据展示与管理模块。
1. 图像采集模块图像采集模块通过安装在水体中的摄像头，对水质进行实时监测。
摄像头可以采集水体表面的图像，并将其传输给图像处理与分析模块进行处理。
2. 图像处理与分析模块图像处理与分析模块是整个系统的核心。
它首先对采集到的图像进行预处理，以提高图像质量和降低噪声干扰。
接下来，利用计算机视觉技术，提取图像中的水质特征。
例如，可以通过图像中的颜色信息来判断水质污染程度，通过图像中的浊度信息来评估水体碧度等。
最后，根据预先设定的水质标准和判断指标，对水质进行分析与评估，并生成分析报告。
3. 数据展示与管理模块数据展示与管理模块用于展示和管理水质监测数据。
它可以将监测得到的水质数据可视化展示，帮助用户直观地了解水质状况。
同时，可以对数据进行存储和管理，以便后续的分析和比对。
二、系统功能1. 实时监测水质该系统能够实现对水质的实时监测，通过设置合适的采集频率，可以及时发现水质污染问题。
2. 自动分析与评估系统能够根据预先设定的水质标准和判断指标，自动对水质进行分析与评估。
通过机器视觉技术提取的水质特征，以及与数据库中的历史数据进行比对，系统能够准确地评估当前水质的状况。
3. 数据可视化展示系统将监测得到的水质数据进行可视化展示，以直观地呈现水质状况。
通过图表、曲线等方式展示数据，帮助用户更好地理解和分析水质。
4. 数据管理与报警功能系统可以对监测的水质数据进行存储和管理，以便后续的分析和比对。
基于机器视觉技术的水表新型检定方法
基于机器视觉技术的水表新型检定方法
汤思孟;赵杰煜;陆晓峰
【期刊名称】《计量学报》
【年(卷),期】2015(036)001
【摘要】将机器视觉技术应用到水表检定系统中,通过固定在被检水表上方的高速高分辨率摄像机,动态获取运行中的水表图像,用颜色特征和背景高斯拟合建模结合的算法实现水表指针的准确定位,将图像实时转换成数字读数,并解决水珠、气泡等对读数干扰的问题,实现水表高效率全自动检定.
【总页数】4页(P54-57)
【作者】汤思孟;赵杰煜;陆晓峰
【作者单位】宁波市计量测试研究院,浙江宁波315048;宁波大学信息科学与工程学院,浙江宁波315211;宁波市计量测试研究院,浙江宁波315048
【正文语种】中文
【中图分类】TB937
【相关文献】
1.基于机器视觉技术的水表在线检定系统研究 [J], 陈硕;刘丰;唐旭晟;骆腾斌
2.基于梅花针计数的冷水水表检定方法 [J], 杨涛;李晓晓;冉光泽
3.基于梅花针计数的冷水水表检定方法 [J], 杨涛;李晓晓;冉光泽
4.基于机器视觉的水表小流量检定方法研究 [J], 林柯楠;庄园;黄咏梅
5.基于机器视觉技术的水表新型检定方法及实验分析 [J], 黄秋彬
因版权原因，仅展示原文概要，查看原文内容请购买。
基于机器视觉的水表检定方法研究
基于机器视觉的水表检定方法研究发表时间：2019-07-22T15:41:31.020Z 来源：《基层建设》2019年第13期作者：郭立明1 刘祥茹2 罗巍3 [导读] 摘要：针对现有水表检定装置检定效率低、信息管理功能不足等问题，对水表指针识别、消除气泡影响、检定台自动化改造等方面进行了研究，提出了一种基于机器视觉的水表在线检测系统。
1.身份证号码：23023119820412XXXX 黑龙江省哈尔滨市 150000；2.身份证号码：23233219891022XXXX 黑龙江省哈尔滨市150000；3.身份证号码：23010419840927XXXX 黑龙江省哈尔滨市 150000摘要：针对现有水表检定装置检定效率低、信息管理功能不足等问题，对水表指针识别、消除气泡影响、检定台自动化改造等方面进行了研究，提出了一种基于机器视觉的水表在线检测系统。
采用距离法读取水表指针读数，通过模板匹配，旋转校正水表图像，利用极坐标变换，将子表盘展开成矩形，并集成二维码识别模块，实现了对水表的检定与数据保存;设计了上行走机构带动相机移动拍照，使用单个相机完成了5个工位水表图像的采集。
研究结果表明:与人工肉眼读表和手工记录读数方法相比，该检测方法能确保水表的检定精度，同时提高了检定效率，并且检定数据可溯源。
关键词：距离法；水表检定；机器视觉引言在供水领域，水表是使用最广泛的计量仪表，我国目前大量使用机械式水表。
在机械式水表生产时，水表的误差检定是保证水表质量的一个重要环节，目前多数水表生产厂家普遍采用人工检定方法，该方法不但检定效率低，而且结果易受人工因素影响。
为提高水表的检定效率和检定精度，许多企业都在尝试寻找新的检定方法，总体上大致可分为两类:1)对传统手工检定装置进行部分升级改造，实现检定操作的自动或半自动化;2)使用激光传感器或机器视觉技术替代人工读数;读数有分为读码盘示数、读指针示数和读梅花针转动圈数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于机器视觉的水表检定方法研究
摘要：针对现有水表检定装置检定效率低、信息管理功能不足等问题，对水表
指针识别、消除气泡影响、检定台自动化改造等方面进行了研究，提出了一种基
于机器视觉的水表在线检测系统。
采用距离法读取水表指针读数，通过模板匹配，旋转校正水表图像，利用极坐标变换，将子表盘展开成矩形，并集成二维码识别
模块，实现了对水表的检定与数据保存;设计了上行走机构带动相机移动拍照，使
用单个相机完成了5个工位水表图像的采集。
研究结果表明:与人工肉眼读表和手
工记录读数方法相比，该检测方法能确保水表的检定精度，同时提高了检定效率，并且检定数据可溯源。
关键词：距离法；水表检定；机器视觉
引言
在供水领域，水表是使用最广泛的计量仪表，我国目前大量使用机械式水表。
在机械式水表生产时，水表的误差检定是保证水表质量的一个重要环节，目前多
数水表生产厂家普遍采用人工检定方法，该方法不但检定效率低，而且结果易受
人工因素影响。
为提高水表的检定效率和检定精度，许多企业都在尝试寻找新的
检定方法，总体上大致可分为两类:1)对传统手工检定装置进行部分升级改造，实
现检定操作的自动或半自动化;2)使用激光传感器或机器视觉技术替代人工读数;读数有分为读码盘示数、读指针示数和读梅花针转动圈数。
机器视觉检定设备大多
数只读到指针示数，精度较低，激光传感器可以直接统计水表转动时梅花针转动
的圈数，但不能用于表盘存在气泡的湿式水表的误差检定。
1整体结构
经过笔者改造后的水表检定装置主要由水表原始容积法检定台、图像采集模块、拧紧装置、行走机构、工控机等组成，如图1所示。
图1 整机图
2硬件组成
(1)行走机构。
检定台上有5个工位，检定前需将每个工位上的水表表罩拧紧
以及检定前后采集水表图像，每个工位需要一套图像采集设备，改造费用高，设
计上，行走机构由小型伺服电机和导轨组成，通过皮带轮带动拧紧装置和图像采
集装置运动，并在每个工位装上光电检测片，用于定位水表和触发相机拍照，同
时设有行程开关对行走机构限位保护;
(2)图像采集模块。
水表检定环境比较复杂，各种因素都可能影响图像获取的
准确性，光照人影的变化会造成图像ＲGB值的剧烈变化，极大影响水表图像的
处理结果，本文采用韩国IMICCD相机和8mm定焦镜头作为图像采集设备，选用
碗状光源;
(3)拧紧装置。
采用精密行星减速机驱动，相对其他减速机，精密行星减速机
具有体积小、精度高、传动效率高、扭矩/体积比高等特点，末端锁紧结构与减速机间用升降气缸连接，当锁紧装置到达工位时，升降气缸带动锁紧末端下降与水
表配合，减速机转动达到设定的扭矩，变频器输出信号给PLC，升降气缸带动锁
紧末端上升。
3基于模板匹配的梅花针定位算法
3.1Harris角点检测
Harris角点检测算法是由Harris和Stephens于1998年提出的一种基于信号的
点特征提取算子，其角点定义为当图像往任意方向移动微小距离，检测窗口内灰
度均会产生剧烈变化，则该点为角点，其数学定义如下:
式中:C(x，y)为灰度变化量，I(，)是图像灰度函数，(xi，yi)表示落在W内点的
坐标，W为窗口函数。
Ix、Iy为x、y的一阶偏导数。
M为图像自相关矩阵，定义角点响应函数。
当R高于设定阈值T时，该点为角点。
k是一个经验常数，一般取0.04～0.06。
采用Harris角点检测算法检测模板与现场图像的角点后，利用Haudorff距离度量
两者的相似度，寻找最佳的匹配位置。
3.2Hausdorff距离
给定两个有限点集A={a1，a2，…，am}和B={b1，b2，…，bn}，A、B间的Hausdorff距离H(A，B)定义为:
表示某种距离范数，通常是欧几里得空间下的L2范数，h(B，A)同理。
原始Hausdorff距离极易受噪声影响，实际使用效果不佳，1993年，Huttenlocher提出
部分Hausdorff距离，定义如下:
式中:Ktha∈A表示对A中所有点到B的距离值排序，取第K个值作为A～B
的单向Hausdorff距离。
部分Hausdorff距离可以很好的避免噪声及目标被遮掩或
退化严重对匹配精度的影响，由于水表表盘可能会存在气泡及其他噪声，因此本
系统选用部分Hausdorff距离度量模板与现场图像的相似度。
3.3模板匹配策略
将模板在待匹配的现场图像上移动，比较两者重合区域部分与模板之间差异，取差异最小区域为最佳匹配区域，这是模板匹配的基本原理。
移动步长通常为1
个像素，为了加快目标的搜索速度，本文使用跳跃式搜索加局部精确搜索的搜索
策略，1)以步长T(T＞1)按上述过程在待搜索图像上移动，搜索整幅图像，初步确
定粗匹配位置P(x，y);2)以步长为1、将模板在表盘图像上的以P(x，y)为中心，长宽为(2T+1)×(2T+1)的正方形区域内移动，进行精匹配搜索，并以第二次得到的结
果作为此次模板匹配的最佳结果，流程如图4所示。
与传统匹配方法相比，采用
跳跃式搜索只需约原始方法1/T2倍的时间，粗匹配的步长T可以根据待搜索图像和模板的实际大小选择，本文T=4。
模板相对现场图像存在旋转(R)、缩放(S)和平
移(T)，当使用定焦镜头、相机与水表表盘距离固定时，缩放因子近似为1，因此
只需考虑模板的旋转和平移。
由于梅花针的环形阵列结构，使得模板相对于现场
图像最大只有0.5齿对应的旋转角度，具体到图2中梅花针，即最大旋转角度为18°。
本文采用二分查找法寻找模板的最佳旋转角度，具体过程:1)以模板中心为旋转中心，分别顺时针和逆时针旋转9°，比较旋转后模板与当前位置现场图像Hausdorff距离，保留Hausdorff距离较小的旋转模板;2)以步骤1)留下模板分别顺
时针和逆时针旋转新模板4.5°，重复第一步过程，直至得到的Hausdorff距离小于要求阈值或旋转角度小于0.5°，则停止搜索。
匹配结果如图5所示，实际图像的
大小为320×240像素，模板大小为100×100像素，耗时为180ms。
结语
本文提出的湿式水表气泡的消除方法可以很好的去除气泡干扰，实现了采用
视觉方法测量湿式水表的目的，弥补了激光反射法无法检定有气泡的湿式水表的
不足，现场实验表明，该水表检定系统具有较高的工程运用价值。
图4 模板匹配流程
图5 湿式水表的模板匹配
参考文献
[1]汤思孟，赵杰煜，陆晓峰.基于机器视觉技术的水表新型检定方法[J].计量学报，2015，36(1):54-57.。