CN112036391A - 一种基于页岩气田生产站场的电子巡检方法及*** - Google Patents

一种基于页岩气田生产站场的电子巡检方法及*** Download PDF

Info

Publication number
CN112036391A
CN112036391A CN202010711885.1A CN202010711885A CN112036391A CN 112036391 A CN112036391 A CN 112036391A CN 202010711885 A CN202010711885 A CN 202010711885A CN 112036391 A CN112036391 A CN 112036391A
Authority
CN
China
Prior art keywords
image
instrument
pointer
boundary
rectangle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010711885.1A
Other languages
English (en)
Other versions
CN112036391B (zh
Inventor
谢军
胡攀峰
王艳辉
廖伟
孙仕胜
王海涌
周聪
王承宇
郑永明
张中杰
陈中平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Chuanyou Ruifei Technology Co ltd
Sichuan Changning Natural Gas Development Co ltd
Original Assignee
Chengdu Chuanyou Ruifei Technology Co ltd
Sichuan Changning Natural Gas Development Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Chuanyou Ruifei Technology Co ltd, Sichuan Changning Natural Gas Development Co ltd filed Critical Chengdu Chuanyou Ruifei Technology Co ltd
Priority to CN202010711885.1A priority Critical patent/CN112036391B/zh
Publication of CN112036391A publication Critical patent/CN112036391A/zh
Application granted granted Critical
Publication of CN112036391B publication Critical patent/CN112036391B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/02—Recognising information on displays, dials, clocks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明一种基于页岩气田生产站场的电子巡检方法及***，属于电子巡检领域，采用摄像头预设预置位对应各个页岩气生产站场的仪表，采用摄像头采集页岩气生产站场中的各个仪表和指示灯的图像，并分别对不同种类的仪表和UPS指示灯采用独特的识别算法，分别对各种不同的仪表或指示灯进行识别，然后将识别的数据和该仪表或指示灯的阈值范围进行对比判断是否超限，实现了利用摄像头的电子巡检替代人工巡检，巡检耗时段，时效性高。

Description

一种基于页岩气田生产站场的电子巡检方法及***
技术领域
本发明涉及电子巡检领域，特别涉及一种基于页岩气田生产站场的电子巡检方法及***。
背景技术
目前在页岩气生产现场，每天都要对生产现场进行巡检工作，在巡检时对现场的仪表读数进行检查并记录是个重要的环节，传统的仪表巡检记录方法是由巡检人员定时对场站仪表进行巡检并记录在巡检记录表上，目前市面上也出现了使用智能巡检机器人或基于高清监控摄像头的新式巡检技术，在这种新式巡检技术中，主要是需要后端要对前端采集到的仪表图像中仪表的读数进行识别，而整个页岩气生产站场的仪表和指示灯数量极多，种类繁杂，人工巡检往往只能一一记录并和对应的仪表的阈值范围进行对比以确定该仪表指示的数据是否正常，而这样巡检的耗时长，时效性低，并且人工巡检极易出现失误。
发明内容
本发明的目的在于：提供了一种基于页岩气田生产站场的电子巡检方法及***，采用摄像头预设预置位对应各个页岩气生产站场的仪表，采用摄像头采集页岩气生产站场中的各个仪表和指示灯的图像，并分别对不同种类的仪表和UPS指示灯采用独特的识别算法，分别对各种不同的仪表或指示灯进行识别，然后将识别的数据和该仪表或指示灯的阈值范围进行对比判断是否超限，实现了利用摄像头的电子巡检替代人工巡检，巡检耗时段，时效性高。
本发明采用的技术方案如下：
一种基于页岩气田生产站场的电子巡检方法，包括依次进行的以下步骤：
步骤S1：基于页岩气生产站场的各个仪表、指示灯安装对应的摄像头；
步骤S2：对摄像头依次调整预置位，使得摄像头在预置位时，能够抓拍到对应的仪表和或指示灯的原始图像；
步骤S3：使用计算机视觉或数字图像处理技术形成对不同的仪表、指示灯的独特识别算法，对步骤S2中抓拍到的原始图像进行识别；
步骤S4：将识别到的各仪表数据上传到scada***并和scada***中预设的各仪表阈值进行对比，若仪表数据超出该仪表的阈值范围，则产生报警信号并记录该超阈值范围的数据和对应的时间，并持续识别该直至该超阈值范围仪表的仪表数据落入阈值范围内。
首先安装摄像头，对于彼此距离较近的仪表或指示灯，可以采用一个摄像头抓拍原始图像，安装好摄像头后，人工手动调动摄像头，转到能较好地采集对应的仪表或指示灯的位置以后，设定该位置为固定摄像头的预置位，标明该预置位巡检的内容，主要包括该仪表或指示灯的代码号、起始量程、scada***中对应的点位号、IP地址和端口，巡检时，按巡检预设时间或手动点击开始，然后摄像头转动到预设的预置位，对对应的仪表或指示灯进行原始图像的抓拍，然后由对应的独特识别算法识别出仪表数据或指示灯状态，最后和scada***中该仪表的阈值范围进行对比，若仪表数据超出该仪表的阈值范围，则产生报警信号并记录该超阈值范围的数据和对应的时间，并持续识别该直至该超阈值范围仪表的仪表数据落入阈值范围内，这里的仪表数据超出该仪表的阈值范围，也包括指示灯状态异常。
为了更好地实施本方案，进一步地，所述页岩气生产站场的各个仪表、指示灯主要包括单指针仪表、三指针仪表、UPS指示灯和单个指示灯。
为了更好地实施本方案，进一步地，所述单指针仪表的独特识别算法主要包括依次进行的以下步骤：
步骤R1：对抓拍到的单指针仪表的原始图像进行图像预处理，并且进行图像重采样；
步骤R2：将重采样的图像从RGB空间转到HSV空间，对图像空间的V通道数据进行循环遍历，检测并查找每个V值下的图斑边界；
步骤R3：利用边缘检测或圆检测算法拟合出单指针仪表表盘的圆，并构造单指针仪表表盘的外接中心矩形，并用构造的外接中心矩形过滤步骤R2形成的图斑边界；
步骤R4：对过滤后的图斑边界进行长宽比约束、图斑边界包含外接中心矩形中心点约束，然后进行单指针仪表指针边界的定位；
步骤R5：对查找出的指针边界进行直线拟合、偏转角度计算，确定直线的旋转角度，结合仪表起始量程，计算仪表读数。
为了更好地实施本方案，进一步地，所述步骤R3主要包括：构造外接中心矩形，在步骤R2中进行循环遍历V通道数据，检测并查找每个V值下的图斑边界时，对查找出的图斑边界添加落在外接中心矩形内约束、边界中心包含中心子矩形中点的约束，每个V值下过滤后的图斑边界进行排序，边界数量最大的那个即为特定图斑边界；
所述步骤R4主要包括：定位查找出的图斑边界包含指针边界，生成查找出的边界的最小外接矩形，以查找出的边界外接矩形的高宽比大于预设阈值、边界像素数大于图像外接中心矩形边长、边界所包含的面积小于图像外接中心矩形面积的30％这三个指标进行边界过滤，挑选出的边界均落在外接中心矩形内，对外接中心矩形内边界进行排序，包含像素最多的边界即为指针边界；
所述步骤R5中对查找出的指针边界进行直线拟合、偏转角度计算主要包括：以最小外接矩形的两个对角点为分析对象，以每个点为中心，最小矩形短边为边长，构建新的矩形，然后统计落在这两个矩形内边界点的个数，个数多的为指针尾部，个数少的为指针的头部，拟合指针边界直线，以最小外接矩形的两个对角点的横坐标为变量，求出直线上相应纵坐标，以求出的两个纵坐标为计算对象，计算指针的偏转角度。
本发明在处理单指针仪表的原始图像时，采用上述步骤，其中，步骤R1中的重采样将机械仪表子图像中的仪表表盘提取出来；而步骤R2中将重采样的图像从RGB空间转到HSV空间，在HSV颜色空间下，比RGB颜色空间更容易跟踪某种颜色的物体，对于模糊表盘图像，虽然人眼看起来指针和表盘很难分清，但是实际上是指针和表盘的色度H有很大差别，只不过指针和表盘的亮度V值相近，因此根据表盘和指针的H值有很大区别的特点，从H值上很容易从表盘中找到指针。并且本发明的方案遍历不同的V值下的图斑边界，经验证明仪表指针轮廓和V通道相关，对此变量进行循环遍历，挑选理想的目标图像，这是自动识别指针的关键一环，目标图像的质量决定着后续仪表读数能否识别成功。
生成指针的最小外接矩形时，识别结果中通常会表述出最小外接矩形宽边的旋转角度，但该角度受识别指针边界的影响，误差较大。为精化指针读数精度，以最小外接矩形的两个对角点为分析对象，以每个点为中心，最小矩形短边为边长，构建新的矩形。然后统计落在这两个矩形内边界点的个数。个数多的为指针尾部，个数少的为指针的头部。拟合指针边界直线，以最小外接矩形的两个对角点的横坐标为变量，求出直线上相应纵坐标，以新求出的两个纵坐标为计算对象，计算指针的偏转角度。
为了更好地实施本方案，进一步地，所述三指针仪表的独特识别算法主要包括依次进行的以下步骤：
步骤T1：利用边缘检测或圆检测算法识别出抓拍到的三指针仪表原始图像的中的仪表表盘；
步骤T2：使用深度学习目标检测模型对三指针仪表原始图像进行主要包括尺度变换、高斯滤波和灰度化的预处理；
步骤T3：使用Hough直线检测算法对步骤T2预处理后的图像中仪表盘面的内部轮廓信息进行识别，识别出预处理后的图像中仪表盘面内所有长度大于预设阈值m的所有线段，所述预设阈值m为三指针仪表中最短的指针长度的三分之一；
步骤T4：对步骤T3中识别出的所有线段按线段两端点到圆心的距离进行排序，取出距离最近的n条线段，并将这n条线段中角度相差小于预设阈值度数α的线段进行合并，得到新的线段集合；
步骤T5：若步骤T4中得到的线段集合中的线段和三指针仪表的指针数量3相同，则指针识别完成，并对合并后的所有线段进行角度识别，计算出对应的指针读数；若步骤T4中得到的线段集合中的线段数量不是3，则指针识别错误，重新采集该三指针仪表的原始图像重新从步骤T1开始依次识别。
为了更好地实施本方案，进一步地，采集三指针仪表的原始图像时，需要保证采集的三指针仪表的原始图像为仪表正面画面，正对仪表的偏差角度范围在15°以内；
所述步骤T1中利用边缘检测或圆检测算法识别出原始图像中的所有圆，并且选取识别出的半径最大的圆作为识别出的仪表表盘；
所述步骤T2中对原始图像进行预处理主要包括：对三指针仪表原始图像进行尺寸变换，缩放为500×500像素大小，缩放采用按比例缩放，不足区域以黑色填充，形成变换图片；对变换图片进行高斯模糊处理，并转换为灰度图。
现有的针对仪表的智能识别技术，一般建立在针对工作现场采集的原始图像为单针仪表的情况，而在针对单针类仪表时，对仪表表盘进行直线拟合时，由于在仪表表盘中仅有一组对应于该指针的拟合线段，因此我们仅需排除其他干扰因素，选取拟合线段中最近似指针的作为拟合出的指针线段，进行读数识别即可，这里，由于选取拟合线段中最近似指针的线段的方法各有不同，这里不作赘述。
在本方案中给出了一套完整的识别三针类仪表的方案，首先我们在工作现场进行包含三针类机械仪表表盘的原始图像的采集，然后使用智能识别算法识别出原始图像中的仪表表盘，如果能识别出仪表表盘，则继续进行步骤T2的预处理，在这里的步骤T1中，我们还可以裁剪出表盘图片，在步骤T2及其后续步骤中使用裁剪出的表盘图片继续进行处理，这样避免了在表盘外及部分在表盘外的线段对于后续识别指针线段的干扰。然后经过步骤T2的一系列预处理后，将预处理后的图像后的仪表表盘进行重新识别，重新识别一方面是避免了前序步骤T1中识别仪表表盘时识别不准确，识别出的仪表表盘过大，另一方面是使得识别出的仪表表盘更精确，因为步骤T1中识别仪表表盘时，是在原始图像上进行识别的，因此识别出的仪表表盘的误差可能会比较大，比如由于仪表表盘的表盘边缘由于光线的原因产生模糊边界，导致前序步骤T1中识别出的仪表表盘不准确，进而导致识别出的仪表表盘的中心点不准，后续进行指针线段拟合后的筛选时，筛选出的指针线段不准确，会使得识别出的指针错误，进而导致读数产生较大误差。
在对预处理后的图像进行表盘识别后，再使用直线检测算法识别出表盘内所有的线段，识别出的线段中，有很多重复或干扰线段，其中重复线段主要是会由指针的两个边界线段识别出的两条线段，还会有一些由于指针上的边界线段的模糊边界识别出的多条线段，而干扰线段主要是表盘内的非指针的其他线段，比如数字的边界或刻度形成的线段等，在识别出的线段中，我们首先进行会按线段两端点到圆心的距离进行排序，由于指针的边界线段一端距离表盘圆心会非常近，仅间隔表盘中心旋钮的半径的长度，因此对所有识别出的线段进行这种排序时，指针的边界的线段会比较靠前，因此我们筛选出距离最小的n条线段，这里的n一般为6～12中的一个自然数，由于最少在表盘清晰误差最低的情况下，每个指针会有至少2条边界线段，因此最少要选择6条线段，而最大值12是考虑了三根指针每根都会产生4条线段，即每根指针都会由于模糊边界产生两条指针边界内的线段。
然后我们进行线段合并，这步是为了将属于一根指针的线段进行合并，一般指针的两条边界及其之间的线段之间的角度差会小于一个预设阈值度数α，一般来说这个预设阈值度数α为指针末端的两边界夹角，合并后若线段数量变为3条，则三根指针全部识别出，再进行角度识别计算，就可以得出指针的读数。
为了更好地实施本方案，进一步地，所述UPS指示灯的独特识别算法主要包括依次进行的以下步骤：
步骤Q1：将采集到的UPS指示灯的原始图像进行图像波段变换，在波段变换后的图像中分离出蓝色单波段图像、绿色单波段图像和红色单波段图像三个单波段图像；
步骤Q2：对分离出的所有单波段图像分别进行霍夫圆检测，每个单波段图像确定一组圆心坐标；
步骤Q3：对分离出的所有单波段图像分别进行图像直方图统计，在单波段图像和或原始图像中确定出至少一组圆心坐标；
步骤Q4：将步骤Q2和步骤Q3中确定的所有组的圆心坐标合并到一起，并对合并后的所有圆心坐标进行直线拟合，根据直线拟合结果一一识别出三个指示灯对应的区域；
步骤Q5：选择一个单波段图像，在原始图像或选择的单波段图像上根据找出的三个指示灯区域的亮度值，判断出处于亮灯状态的指示灯。
为了更好地实施本方案，进一步地，所述步骤Q3主要包括依次进行的以下步骤：
步骤Q3-1：对步骤Q1中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m；
步骤Q3-2：置空原始图像或每幅单波段图像中像素值小于该单波段图像的预设阈值m的像素，然后消除图像背景，保留目标边界；
步骤Q3-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤Q3-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径；
所述步骤Q4主要包括依次进行的以下步骤：
步骤Q4-1：在所有图像中构造统一的二维直角坐标系，将步骤Q2和步骤Q3中确定的所有组的圆心坐标合并到一起；
步骤Q4-2：并对合并后的所有圆心坐标进行直线拟合，求出拟合的直线方程；
步骤Q4-3：将图像在坐标系中按宽度三等分划分成三个等宽等高的三分矩形，计算合并后的所有圆心距离每个三分矩形中心的距离，判断出每个圆心归属的三分矩形区域；计算每个三分矩形区域内的所有圆心的平均x坐标，依据直线方程和平均x坐标确定一个平均y坐标，进而在每个三分矩形内确定一个平均点；
所述步骤Q5主要包括依次进行的以下步骤：
步骤Q5-1：选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像，在选择的图像中依据每个三分矩形区域内的平均点和该三分矩形区域内的所有圆心，在每个三分矩形区域内构造一个外接圆，再分别构造出每个外接圆的外接矩形，计算UPS指示灯灯光颜色所属波段上，三个外接矩形内的像素亮度平均值；
步骤Q5-2：当在步骤Q5-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；
当在步骤Q5-1中选择原始图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于该外接矩形的其他波段的像素亮度平均值，并且还大于另外两个外接矩形在UPS指示灯灯光颜色所属波段上的像素亮度平均值，判断该灯处于通路状态。
这里我们用霍夫圆检测和图像直方图统计两种方法分别拟合出图像中UPS指示灯的各个指示灯的圆形，然后将两种方法拟合的圆合并，由于这两种方法单独拟合都存在一定的问题，具体来说，霍夫圆检测是基于图像梯度检测图像中存在的近似圆的边界，那么在应用到识别UPS指示灯时，由于UPS指示灯的每个指示灯上面有对应的文字，而文字的边界也近似圆，因此霍夫圆检测可能会将文字边界检测识别出来，造成识别的误差；对于图像直方图统计，由于其是在进行灰度图像的变换后进行边缘检测来检测图像中的图像边界，受背景光干扰的因素会检测出多余的目标对象，有时多个目标像素连通在一起，会产生误检测。
我们用m结合数学中的二分法，将当前图像中的像素二分了，在选择单波段图像时，将小于m的值置为0，预设阈值m一般来说是该单波段图像中直方图峰值对应的像素值的一半；而在选择原始的彩色图像时，预设阈值m一般来说是所有单波段图像中直方图峰值对应的像素值的一半的最小值。一般来说，带来误差的干扰因素中，较大一部分是像素值较低的干扰，这里我们直接将小于m的值置零，这样可以更突出图像中像素的对比度，避免低像素值的误差干扰。
理论上来说，在步骤Q4-3中将圆心坐标分类到三个三分矩形内时，可能会有四个结果，即：一个三分矩形内没有圆心；两个三分矩形内没有圆心；三个三分矩形内都没有圆心；三个三分矩形内都有矩形。但是，三个三分矩形内都没有圆心不可能出现，三个三分矩形内都有矩形是最正常的情况，而且实际情况中，也没有出现过两个三分矩形内没有圆心的情况，有部分情况是一个三分矩形内没有圆心，圆心在其他两个三分矩形内，那么在这种情况下，我们在步骤Q4-3中确定平均点时，由确定出的另外两个三分矩形内的两个平均点推算出该三分矩形内的平均点。
这里，当步骤Q4中确定的三个平均点中有一个是根据另外两个平均点推算出来时，该平均点的外接圆的半径取另外两个平均点的外接圆半径的平均值，确定出三个外接圆后，再进一步分别确定三个外接矩形，UPS指示灯的颜色一般是绿色、红色或蓝色，绿色居多，那么我们再在确定出三个外接矩形中，求出UPS指示灯颜色所述波段的像素亮度平均值，故而这里选择图像时可以选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像；根据三个外接矩形中的像素亮度平均值判断指示灯的哪个灯泡处于通路状态，由于UPS指示灯在正常情况下是只有一个指示灯的灯泡处于通路状态的，故而当在步骤Q5-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，在我们设置其中一个外接矩形的亮度值大于三个外接矩形平均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；而当在步骤Q5-1中选择原始图像时，由于原始图像是彩色图像，因此我们还将一个外接矩形在UPS指示灯灯光颜色所属波段的像素亮度平均值和该外接矩形在其他波段的像素亮度平均值做比较，降低误差。
一种基于页岩气田生产站场的电子巡检***，包括识别模块、校验模块，所述识别模块中主要包括上述任一项所述的步骤S3中的独特识别算法，分别和校验模块及各个摄像头连接；
所述校验模块主要包括上述任一项所述的步骤S4中的scada***，并存储有scada***中的预设的各仪表阈值；
识别模块根据摄像头上传的图片识别出该摄像头对应预置位的仪表或指示灯的数据，并将识别到的仪表数据会送到校验模块中，和校验模块中的scada***中预设的该仪表的阈值范围进行对比，若超出该仪表的阈值范围，则产生报警信号并记录该超阈值范围的数据和对应的时间，并持续识别该直至该超阈值范围仪表的仪表数据落入阈值范围内。
手动或***定时自动启动电子巡检程序，开启电子巡检功能，程序读取数据库中存储的摄像头预置位设置信息，依次巡检摄像头预置位。摄像头转动到目的预置位以后，自动调整焦距，抓拍带有清晰目标的图像(采用具有预设预置位、自动调焦距等这些功能的现有摄像头)，依据预置位中预先标定的代码号，调用相应的独特识别算法，进行仪表、指示灯的读数识别，获取对应的读数作为该仪表或指示灯的仪表数据，然后和scada***中的阈值范围进行对比，并对两者数据进行比对，如果仪表数据超限则产生报警，并将仪表数据和对应的时间记录下来，并持续识别该仪表或指示灯数据直至该超阈值范围仪表的仪表数据落入阈值范围内。并判断该摄像头是否还有未检测的预置位，如果有继续下一预置位的巡检，如果没有则复位摄像头，本次电子巡检结束，***自动复原到摄像头全景位置。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.本发明所述的一种基于页岩气田生产站场的电子巡检方法及***，采用摄像头预设预置位对应各个页岩气生产站场的仪表，采用摄像头采集页岩气生产站场中的各个仪表和指示灯的图像，并分别对不同种类的仪表和UPS指示灯采用独特的识别算法，分别对各种不同的仪表或指示灯进行识别，然后将识别的数据和该仪表或指示灯的阈值范围进行对比判断是否超限，实现了利用摄像头的电子巡检替代人工巡检，巡检耗时段，时效性高；
2.本发明所述的一种基于页岩气田生产站场的电子巡检方法及***，对生产现场的摄像头拍出的单指针仪表原始图像，将图像从RGB空间转换到HSV空间，然后再对机械仪表表盘进行计算机视觉分析，识别出单指针仪表的读数，针对较为模糊的单指针仪表原始图像，识别率有所提高；
3.本发明所述的一种基于页岩气田生产站场的电子巡检方法及***，对前端采集的原始图像进行预处理，并找出表盘，采用检测模型找出所有线段，剔除掉较短的线段后，按距离表盘圆心进行排序，找出距离表盘圆心最近的线段，并进行合并，得到新的线段即和，进而识别出所有的指针，并进行读数，解决了现有技术中没有针对识别三针类仪表读数的技术的问题；
4.本发明所述的一种基于页岩气田生产站场的电子巡检方法及***，采用霍夫圆检测目标图像，分离并记录所有的目标圆，同时采用图像直方图统计出目标图像并拟合边界的最小外接圆，融合霍夫圆和直方图拟合的圆进而进行像素亮度判断，专门用于UPS指示灯的检测，结果准确，误差率小。
附图说明
为了更清楚地说明本技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图，其中：
图1是本发明的方法流程框图；
图2是本发明的***结构框图；
图3是本发明的一个实施例重采样后的示意图；
图4是本发明的一个实施例空间变换后的示意图；
图5是本发明的一个实施例图斑边界检测后的示意图；
图6是本发明的一个实施例构造中心子矩形添加约束后的示意图；
图7是本发明的一个实施例确定直线方向后的示意图；
图8是本发明的一个实施例确定指针读数计算时的示意图；
图9是本发明的三指针仪表的独特识别算法的一个原始图像；
图10是本发明的三指针仪表的独特识别算法识别到仪表表盘的图像；
图11是本发明的三指针仪表的独特识别算法一个角度识别到的仪表表盘图像；
图12是本发明的三指针仪表的独特识别算法另一角度识别到的仪表表盘图像；
图13是本发明的三指针仪表的独特识别算法进行转换成灰度图后的图像；
图14是本发明的三指针仪表的独特识别算法进行Hough直线检测算法检测后的图像；
图15是本发明的三指针仪表的独特识别算法选出六条线段时的图像；
图16是本发明的一个实施例检测的UPS指示灯图像；
图17是本发明的一个实施例采集的图像；
图18是本发明的一个实施例的一个波段背景过滤后的图像；
图19是本发明的一个实施例进行霍夫圆检测找出的圆的图像；
图20是本发明的一个实施例进行霍夫圆检测找出的圆误差较大的图像；
图21是本发明的另一个实施例进行霍夫圆检测找出的圆误差较大的图像；
图22本发明的图23拟合出的圆的图像；
图23是本发明的一个实施例将图像像素二值化得出的图像；
图24是本发明的一个实施例像素二值化得出的误差较大的图像；
图25是本发明的另一个实施例像素二值化得出的误差较大的图像；
图26是本发明的一个实施例最后检测出的三个指示灯的图像；
图27是本发明的一个实施例的图像直方图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1至图27对本发明作详细说明。
实施例1：
一种基于页岩气田生产站场的电子巡检方法，如图1，包括依次进行的以下步骤：
步骤S1：基于页岩气生产站场的各个仪表、指示灯安装对应的摄像头；所述页岩气生产站场的各个仪表、指示灯主要包括单指针仪表、三指针仪表、UPS指示灯和单个指示灯；
步骤S2：对摄像头依次调整预置位，使得摄像头在预置位时，能够抓拍到对应的仪表和或指示灯的原始图像；
步骤S3：使用计算机视觉或数字图像处理技术形成对不同的仪表、指示灯的独特识别算法，对步骤S2中抓拍到的原始图像进行识别；
步骤S4：将识别到的各仪表数据上传到scada***并和scada***中预设的各仪表阈值进行对比，若仪表数据超出该仪表的阈值范围，则产生报警信号并记录该超阈值范围的数据和对应的时间，并持续识别该直至该超阈值范围仪表的仪表数据落入阈值范围内。
另外，由前述电子巡检方法会对应一种基于页岩气田生产站场的电子巡检***，如图2，包括识别模块、校验模块，所述识别模块中主要包括上述任一项所述的步骤S3中的独特识别算法，分别和校验模块及各个摄像头连接；
所述校验模块主要包括上述任一项所述的步骤S4中的scada***，并存储有scada***中的预设的各仪表阈值；
工作原理：首先安装摄像头，对于彼此距离较近的仪表或指示灯，可以采用一个摄像头抓拍原始图像，安装好摄像头后，人工手动调动摄像头，转到能较好地采集对应的仪表或指示灯的位置以后，设定该位置为固定摄像头的预置位，标明该预置位巡检的内容，主要包括该仪表或指示灯的代码号、起始量程、scada***中对应的点位号、IP地址和端口，巡检时，按巡检预设时间或手动点击开始，然后摄像头转动到预设的预置位，对对应的仪表或指示灯进行原始图像的抓拍，然后由对应的独特识别算法识别出仪表数据或指示灯状态，最后和scada***中该仪表的阈值范围进行对比，若仪表数据超出该仪表的阈值范围，则产生报警信号并记录该超阈值范围的数据和对应的时间，并持续识别该直至该超阈值范围仪表的仪表数据落入阈值范围内，这里的仪表数据超出该仪表的阈值范围，也包括指示灯状态异常。
识别模块根据摄像头上传的图片识别出该摄像头对应预置位的仪表或指示灯的数据，并将识别到的仪表数据会送到校验模块中，和校验模块中的scada***中预设的该仪表的阈值范围进行对比，若超出该仪表的阈值范围，则产生报警信号并记录该超阈值范围的数据和对应的时间，并持续识别该直至该超阈值范围仪表的仪表数据落入阈值范围内。
手动或***定时自动启动电子巡检程序，开启电子巡检功能，程序读取数据库中存储的摄像头预置位设置信息，依次巡检摄像头预置位。摄像头转动到目的预置位以后，自动调整焦距，抓拍带有清晰目标的图像(采用具有预设预置位、自动调焦距等这些功能的现有摄像头)，依据预置位中预先标定的代码号，调用相应的独特识别算法，进行仪表、指示灯的读数识别，获取对应的读数作为该仪表或指示灯的仪表数据，然后和scada***中的阈值范围进行对比，并对两者数据进行比对，如果仪表数据超限则产生报警，并将仪表数据和对应的时间记录下来，并持续识别该仪表或指示灯数据直至该超阈值范围仪表的仪表数据落入阈值范围内。并判断该摄像头是否还有未检测的预置位，如果有继续下一预置位的巡检，如果没有则复位摄像头，本次电子巡检结束，***自动复原到摄像头全景位置。
实施例2：
如图3-图8，是本发明所述的一种基于页岩气田生产站场的电子巡检方法及***识别单指针仪表读数的识别方法识别一个页岩气井口压力表表盘的过程图像，其中：
如图3是进行步骤R1后，重采样后底的图像，此时图像处于RGB空间，指针和表盘的颜色相近；
如图4是进行步骤R2后，空间变换到HSV空间后，再进行步骤R2，在遍历HSV空间的V值时，在V值取113时的图像，可以很明显的从肉眼看出，指针对比于背景后表盘的图斑边界很清晰；
进行步骤R3，经过计算这个图确定出的指针的图斑边界就是特定图斑边界中的一个，并且也是最终求出的指针边界；我们将其再变换回RGB空间后，如图5就是这个表盘的含指针边界的图；
如图6是进行步骤R4后这个表盘最终确定的指针边界的图含有指针边界、最小外接矩形和中心子矩形的图，图6中，较大的矩形是中心子矩形，落在中心子矩形内的较小的矩形是最小外接矩形，图6满足以下条件：
判断条件1：指针边界的最小外接矩形的长除以宽的商大于3；
判断条件2：指针边界构成的多边形包含中心子矩形区域的中心点；
判断条件3：指针边界落在所有V值的特定图斑边界的一个标准差内；
判断条件4：指针边界的像素数大于图像中心矩形边长；
判断条件5：指针边界所包含的面积小于中心子矩形面积的30％。
如图7对比图6多出的直线，是继续进行步骤R5中的直线拟合计算后，拟合出的指针对应的直线，图7中最小外接矩形的画圈的两个对角点，以这两个对角点的横坐标为变量，求出直线上相应纵坐标，以新求出的两个纵坐标为计算对象，计算指针的偏转角度，图中指针，求出的相对X轴的偏转角度为154°。
图8是继续进行步骤R5最后的偏转角度计算和计算仪表读数时的图，针对图7拟合出的指针对应的直线，本压力仪表起始刻度和终止刻度之间的夹角为90°，量程为0～16Mpa，默认仪表盘满刻度为270°，默认仪表盘起始刻度相对于X轴的角度为225°，图8中建立的坐标系中第三象限和第四象限的直线就是找出的该图像表盘的起始刻度和终止刻度，最后通过公式
Figure BDA0002596858100000121
即
Figure BDA0002596858100000122
计算可以得出指针的读数是4.21Mpa，实际指针读数4.20Mpa。
实施例3：
如图9-图15，本实施例本发明所述的一种基于页岩气田生产站场的电子巡检方法及***识别三指针仪表读数的识别方法识别一个三指针压力表表盘的过程图像：
首先使用摄像头抓拍原始图像，抓拍的原始图像需要保证三指针机械仪表在画面中占比不低于四分之一，且需要保证抓拍的原始图像为仪表正面画面，正对仪表的偏差角度范围在15°以内，如图9是在页岩气生产现场抓拍的一个三针压力表的一个原始图像，这里抓拍的原始图像是完全满足要求的，仪表占比四分之三以上，正对仪表的偏差角度在10°左右，小于15°；
步骤T1：使用边缘检测或圆检测算法识别出原始图像中的所有圆，并且选取识别出的半径最大的圆作为识别出的仪表表盘，若未检测到仪表表盘，则返回重新抓拍原始图像，若检测到仪表表盘，则进入步骤T2，如图10是对图9进行识别后包含识别出的表盘边缘线的图像，而如图11、图12，是在不同的角度拍摄的不同于图9的原始图像，进行边缘检测后包含表盘边缘线的图像，不同于图10的是，图11和图12明显检测出的表盘边缘线的误差较大，严重偏离了仪表表盘本身的边界线，这样会导致后续步骤中识别出的表盘中心偏离较大，进而导致识别出的仪表读数误差较，一般是在如图13所示的灰度图中进行边缘轮廓检测，进而确定仪表盘面边缘轮廓及仪表盘中心点，在灰度图中进行识别，可以排除掉较多的影响因素；
步骤T2：使用深度学习目标检测模型对原始图像进行预处理，主要包括图像尺度变换、高斯滤波和灰度化，具体主要包括以下步骤：
对原始图像进行尺寸变换，缩放为500×500像素大小，缩放采用按比例缩放，不足区域以黑色填充，形成变换图片；
对变换图片进行高斯模糊处理，并转换为灰度图，如图13是转换为灰度图的图像。
步骤T3：使用Hough直线检测算法对步骤T3识别出的仪表盘面的内部轮廓信息进行识别，找出长度大于预设阈值m的所有线段，这里的预设阈值m为指针长度的三分之一，如图14中，识别出了多组线段，其中包括仪表指针的边界线；
步骤T4：对步骤T3中识别出的所有线段按线段两端点到仪表表盘圆心的距离进行排序，取出距离仪表表盘圆心最近的n条线段，n为大于6且小于12的自然数中的一个，并将这n条线段中角度相差小于预设阈值度数α的线段进行合并，得到新的线段集合，如图15，在这里我们的n设为6，这是因为在该压力表的生产现场，抓拍原始图像的摄像头距离仪表表盘较近，并且环境中的影响因素较少，因此本实施例中将n设为6时，选出的6条线段为仪表盘的三根指针的6个边界线的线段；
步骤T5：进行判定时，若步骤T4中得到的线段集合中的线段不是3条，则指针识别错误，返回重新抓拍原始图像；若步骤T4中得到的线段集合中的线段是3条，则指针识别完成，这里会将图15中的线段1和线段5、线段2和线段6、线段3和线段4进行合并，因此合并后的线段数是3条，则可以直接进行步骤8；
对3条线段进行角度识别，计算出对应的指针读数，这里我们使用常规智能识别中的指针识别方法，进行直线角度拟合和计算，以前序步骤中的表盘中心的为直角坐标系的原点，水平向右作为X轴正方向，垂直向上作为Y轴正方形建立直角坐标系，进行步骤7中合并的3条线段的角度计算，即可读出三根指针的读数，而在本实施例中的压力表中，最左边和最右边的指针为限位指针，中间的指针为读数指针，正常来说，读数指针总是位于限位指针之间，而限位指针是为了告警值的上下限，因此我们读数完成后还可将读出的三个数据与预设的告警值的上下限分别进行对比，找出限位指针，剩下的数据即为读数指针，这样就可以得到该压力表的正常读数压力值。
实施例4：
如图16-图27，本实施例是本发明所述的一种基于页岩气田生产站场的电子巡检方法及***识别UPS指示灯的识别方法识别一个图16所示的UPS指示灯的识别过程，依次进行以下步骤：
步骤Q1：将采集到的如图17所示的UPS指示灯的原始图像进行图像波段变换，在波段变换后的图像中分离出蓝色单波段图像、绿色单波段图像和红色单波段图像三个单波段图像，如图18，是其中一个波段的背景过滤后的图像；
步骤Q2：对分离出的所有单波段图像分别进行霍夫圆检测，每个单波段图像确定一组圆心坐标；如图19是无误差情况下的圆，仅有三个不同指示灯的边界圆，而图20、图21是有误差情况下的霍夫圆检测出的圆，可以看出，霍夫圆检测很容易检测到指示灯上端的文字，图20中检测到了通信指示灯的“通”字的边界，图21对于三个指示灯的文字都检测到了，产生了较大的误差，对于图21这种情况，如果仅采用霍夫圆检测就直接拟合直线，会产生较大的误差；
步骤Q3-1：对步骤Q1中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值；对于图16的红绿蓝三个单波段图像，得出如图27的图像直方图，统计出最高的三条图线，从左到右依次是R、G、B值的曲线，得出Rmax＝33，Gmax＝43，Bmax＝49。在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m，则mR＝16.5，mG＝21.5，mB＝24.5；
步骤Q3-2：置空原始图像或每幅单波段图像中像素值小于该单波段图像的预设阈值m的像素，然后消除图像背景，保留目标边界；
步骤Q3-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤Q3-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径；
在进行步骤Q3-2之后，实质上是将图像的像素值二值化，正常情况会得出如图23所示的图像，进而拟合的圆如图22所示为三个指示灯的边界圆，而如图24、图25所示，是在直方图统计有误差的情况下的像素值二值化后的图，图24是产生多个目标边界的检测，而图25是更常见的检测结果为两个目标连通成一个目标对象的图像。
步骤Q4-1：在所有图像中构造统一的二维直角坐标系，将步骤Q2和步骤Q3中确定的所有组的圆心坐标合并到一起；
步骤Q4-2：并对合并后的所有圆心坐标进行直线拟合，求出拟合的直线方程；
步骤Q4-3：将图像在坐标系中按宽度三等分划分成三个等宽等高的三分矩形，计算合并后的所有圆心距离每个三分矩形中心的距离，判断出每个圆心归属的三分矩形区域；计算每个三分矩形区域内的所有圆心的平均x坐标，依据直线方程和平均x坐标确定一个平均y坐标，进而在每个三分矩形内确定一个平均点；
步骤Q5-1：选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像，在选择的图像中依据每个三分矩形区域内的平均点和该三分矩形区域内的所有圆心，在每个三分矩形区域内构造一个外接圆，再分别构造出每个外接圆的外接矩形，计算UPS指示灯灯光颜色所属波段上，三个外接矩形内的像素亮度平均值；
步骤Q5-2：当在步骤Q5-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；
当在步骤Q5-1中选择原始图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于该外接矩形的其他波段的像素亮度平均值，并且还大于另外两个外接矩形在UPS指示灯灯光颜色所属波段上的像素亮度平均值，判断该灯处于通路状态。
用本方法，对页岩气田生产场站的105张UPS照片进行测试，能准确检出105张，误检测0张，检测成功率为100％。
这里我们用霍夫圆检测和图像直方图统计两种方法分别拟合出图像中UPS指示灯的各个指示灯的圆形，然后将两种方法拟合的圆合并，由于这两种方法单独拟合都存在一定的问题，具体来说，霍夫圆检测是基于图像梯度检测图像中存在的近似圆的边界，那么在应用到识别UPS指示灯时，由于UPS指示灯的每个指示灯上面有对应的文字，而文字的边界也近似圆，因此霍夫圆检测可能会将文字边界检测识别出来，造成识别的误差；对于图像直方图统计，由于其是在进行灰度图像的变换后进行边缘检测来检测图像中的图像边界，受背景光干扰的因素会检测出多余的目标对象，有时多个目标像素连通在一起，会产生误检测。
我们用m结合数学中的二分法，将当前图像中的像素二分了，在选择单波段图像时，将小于m的值置为0，预设阈值m一般来说是该单波段图像中直方图峰值对应的像素值的一半；而在选择原始的彩色图像时，预设阈值m一般来说是所有单波段图像中直方图峰值对应的像素值的一半的最小值。一般来说，带来误差的干扰因素中，较大一部分是像素值较低的干扰，这里我们直接将小于m的值置零，这样可以更突出图像中像素的对比度，避免低像素值的误差干扰。
理论上来说，在步骤Q4-3中将圆心坐标分类到三个三分矩形内时，可能会有四个结果，即：一个三分矩形内没有圆心；两个三分矩形内没有圆心；三个三分矩形内都没有圆心；三个三分矩形内都有矩形。但是，三个三分矩形内都没有圆心不可能出现，三个三分矩形内都有矩形是最正常的情况，而且实际情况中，也没有出现过两个三分矩形内没有圆心的情况，有部分情况是一个三分矩形内没有圆心，圆心在其他两个三分矩形内，那么在这种情况下，我们在步骤Q4-3中确定平均点时，由确定出的另外两个三分矩形内的两个平均点推算出该三分矩形内的平均点。
这里，当步骤Q4中确定的三个平均点中有一个是根据另外两个平均点推算出来时，该平均点的外接圆的半径取另外两个平均点的外接圆半径的平均值，确定出三个外接圆后，再进一步分别确定三个外接矩形，UPS指示灯的颜色一般是绿色、红色或蓝色，绿色居多，那么我们再在确定出三个外接矩形中，求出UPS指示灯颜色所述波段的像素亮度平均值，故而这里选择图像时可以选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像；根据三个外接矩形中的像素亮度平均值判断指示灯的哪个灯泡处于通路状态，由于UPS指示灯在正常情况下是只有一个指示灯的灯泡处于通路状态的，故而当在步骤Q5-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，在我们设置其中一个外接矩形的亮度值大于三个外接矩形平均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；而当在步骤Q5-1中选择原始图像时，由于原始图像是彩色图像，因此我们还将一个外接矩形在UPS指示灯灯光颜色所属波段的像素亮度平均值和该外接矩形在其他波段的像素亮度平均值做比较，降低误差。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (9)

1.一种基于页岩气田生产站场的电子巡检方法，其特征在于：包括依次进行的以下步骤：
步骤S1：基于页岩气生产站场的各个仪表、指示灯安装对应的摄像头；
步骤S2：对摄像头依次调整预置位，使得摄像头在预置位时，能够抓拍到对应的仪表和或指示灯的原始图像；
步骤S3：使用计算机视觉或数字图像处理技术形成对不同的仪表、指示灯的独特识别算法，对步骤S2中抓拍到的原始图像进行识别；
步骤S4：将识别到的各仪表数据上传到scada***并和scada***中预设的各仪表阈值进行对比，若仪表数据超出该仪表的阈值范围，则产生报警信号并记录该超阈值范围的数据和对应的时间，并持续识别该直至该超阈值范围仪表的仪表数据落入阈值范围内。
2.根据权利要求1所述的一种基于页岩气田生产站场的电子巡检方法，其特征在于：所述页岩气生产站场的各个仪表、指示灯主要包括单指针仪表、三指针仪表、UPS指示灯和单个指示灯。
3.根据权利要求2所述的一种基于页岩气田生产站场的电子巡检方法，其特征在于：所述单指针仪表的独特识别算法主要包括依次进行的以下步骤：
步骤R1：对抓拍到的单指针仪表的原始图像进行图像预处理，并且进行图像重采样；
步骤R2：将重采样的图像从RGB空间转到HSV空间，对图像空间的V通道数据进行循环遍历，检测并查找每个V值下的图斑边界；
步骤R3：利用边缘检测或圆检测算法拟合出单指针仪表表盘的圆，并构造单指针仪表表盘的外接中心矩形，并用构造的外接中心矩形过滤步骤R2形成的图斑边界；
步骤R4：对过滤后的图斑边界进行长宽比约束、图斑边界包含外接中心矩形中心点约束，然后进行单指针仪表指针边界的定位；
步骤R5：对查找出的指针边界进行直线拟合、偏转角度计算，确定直线的旋转角度，结合仪表起始量程，计算仪表读数。
4.根据权利要求3所述的一种基于页岩气田生产站场的电子巡检方法，其特征在于：所述步骤R3主要包括：构造外接中心矩形，在步骤R2中进行循环遍历V通道数据，检测并查找每个V值下的图斑边界时，对查找出的图斑边界添加落在外接中心矩形内约束、边界中心包含中心子矩形中点的约束，每个V值下过滤后的图斑边界进行排序，边界数量最大的那个即为特定图斑边界；
所述步骤R4主要包括：定位查找出的图斑边界包含指针边界，生成查找出的边界的最小外接矩形，以查找出的边界外接矩形的高宽比大于预设阈值、边界像素数大于图像外接中心矩形边长、边界所包含的面积小于图像外接中心矩形面积的30%这三个指标进行边界过滤，挑选出的边界均落在外接中心矩形内，对外接中心矩形内边界进行排序，包含像素最多的边界即为指针边界；
所述步骤R5中对查找出的指针边界进行直线拟合、偏转角度计算主要包括：以最小外接矩形的两个对角点为分析对象，以每个点为中心，最小矩形短边为边长，构建新的矩形，然后统计落在这两个矩形内边界点的个数，个数多的为指针尾部，个数少的为指针的头部，拟合指针边界直线，以最小外接矩形的两个对角点的横坐标为变量，求出直线上相应纵坐标，以求出的两个纵坐标为计算对象，计算指针的偏转角度。
5.根据权利要求2所述的一种基于页岩气田生产站场的电子巡检方法，其特征在于：所述三指针仪表的独特识别算法主要包括依次进行的以下步骤：
步骤T1：利用边缘检测或圆检测算法识别出抓拍到的三指针仪表原始图像的中的仪表表盘；
步骤T2：使用深度学习目标检测模型对三指针仪表原始图像进行主要包括尺度变换、高斯滤波和灰度化的预处理；
步骤T3：使用Hough直线检测算法对步骤T2预处理后的图像中仪表盘面的内部轮廓信息进行识别，识别出预处理后的图像中仪表盘面内所有长度大于预设阈值m的所有线段，所述预设阈值m为三指针仪表中最短的指针长度的三分之一；
步骤T4：对步骤T3中识别出的所有线段按线段两端点到圆心的距离进行排序，取出距离最近的n条线段，并将这n条线段中角度相差小于预设阈值度数α的线段进行合并，得到新的线段集合；
步骤T5：若步骤T4中得到的线段集合中的线段和三指针仪表的指针数量3相同，则指针识别完成，并对合并后的所有线段进行角度识别，计算出对应的指针读数；若步骤T4中得到的线段集合中的线段数量不是3，则指针识别错误，重新采集该三指针仪表的原始图像重新从步骤T1开始依次识别。
6.根据权利要求5所述的一种基于页岩气田生产站场的电子巡检方法，其特征在于：采集三指针仪表的原始图像时，需要保证采集的三指针仪表的原始图像为仪表正面画面，正对仪表的偏差角度范围在15°以内；
所述步骤T1中利用边缘检测或圆检测算法识别出原始图像中的所有圆，并且选取识别出的半径最大的圆作为识别出的仪表表盘；
所述步骤T2中对原始图像进行预处理主要包括：对三指针仪表原始图像进行尺寸变换，缩放为500×500像素大小，缩放采用按比例缩放，不足区域以黑色填充，形成变换图片；对变换图片进行高斯模糊处理，并转换为灰度图。
7.根据权利要求2所述的一种基于页岩气田生产站场的电子巡检方法，其特征在于：所述UPS指示灯的独特识别算法主要包括依次进行的以下步骤：
步骤Q1：将采集到的UPS指示灯的原始图像进行图像波段变换，在波段变换后的图像中分离出蓝色单波段图像、绿色单波段图像和红色单波段图像三个单波段图像；
步骤Q2：对分离出的所有单波段图像分别进行霍夫圆检测，每个单波段图像确定一组圆心坐标；
步骤Q3：对分离出的所有单波段图像分别进行图像直方图统计，在单波段图像和或原始图像中确定出至少一组圆心坐标；
步骤Q4：将步骤Q2和步骤Q3中确定的所有组的圆心坐标合并到一起，并对合并后的所有圆心坐标进行直线拟合，根据直线拟合结果一一识别出三个指示灯对应的区域；
步骤Q5：选择一个单波段图像，在原始图像或选择的单波段图像上根据找出的三个指示灯区域的亮度值，判断出处于亮灯状态的指示灯。
8.根据权利要求7所述的一种基于页岩气田生产站场的电子巡检方法，其特征在于：所述步骤Q3主要包括依次进行的以下步骤：
步骤Q3-1：对步骤Q1中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m；
步骤Q3-2：置空原始图像或每幅单波段图像中像素值小于该单波段图像的预设阈值m的像素，然后消除图像背景，保留目标边界；
步骤Q3-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤Q3-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径；
所述步骤Q4主要包括依次进行的以下步骤：
步骤Q4-1：在所有图像中构造统一的二维直角坐标系，将步骤Q2和步骤Q3中确定的所有组的圆心坐标合并到一起；
步骤Q4-2：并对合并后的所有圆心坐标进行直线拟合，求出拟合的直线方程；
步骤Q4-3：将图像在坐标系中按宽度三等分划分成三个等宽等高的三分矩形，计算合并后的所有圆心距离每个三分矩形中心的距离，判断出每个圆心归属的三分矩形区域；计算每个三分矩形区域内的所有圆心的平均x坐标，依据直线方程和平均x坐标确定一个平均y坐标，进而在每个三分矩形内确定一个平均点；
所述步骤Q5主要包括依次进行的以下步骤：
步骤Q5-1：选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像，在选择的图像中依据每个三分矩形区域内的平均点和该三分矩形区域内的所有圆心，在每个三分矩形区域内构造一个外接圆，再分别构造出每个外接圆的外接矩形，计算UPS指示灯灯光颜色所属波段上，三个外接矩形内的像素亮度平均值；
步骤Q5-2：当在步骤Q5-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；
当在步骤Q5-1中选择原始图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于该外接矩形的其他波段的像素亮度平均值，并且还大于另外两个外接矩形在UPS指示灯灯光颜色所属波段上的像素亮度平均值，判断该灯处于通路状态。
9.一种基于页岩气田生产站场的电子巡检***，包括识别模块、校验模块，其特征在于：所述识别模块中主要包括权利要求1-8中任一项所述的步骤S3中的独特识别算法，分别和校验模块及各个摄像头连接；
所述校验模块主要包括权利要求1-8中任一项所述的步骤S4中的scada***，并存储有scada***中的预设的各仪表阈值；
识别模块根据摄像头上传的图片识别出该摄像头对应预置位的仪表或指示灯的数据，并将识别到的仪表数据会送到校验模块中，和校验模块中的scada***中预设的该仪表的阈值范围进行对比，若超出该仪表的阈值范围，则产生报警信号并记录该超阈值范围的数据和对应的时间，并持续识别该直至该超阈值范围仪表的仪表数据落入阈值范围内。
CN202010711885.1A 2020-07-22 2020-07-22 一种基于页岩气田生产站场的电子巡检方法及*** Active CN112036391B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010711885.1A CN112036391B (zh) 2020-07-22 2020-07-22 一种基于页岩气田生产站场的电子巡检方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010711885.1A CN112036391B (zh) 2020-07-22 2020-07-22 一种基于页岩气田生产站场的电子巡检方法及***

Publications (2)

Publication Number Publication Date
CN112036391A true CN112036391A (zh) 2020-12-04
CN112036391B CN112036391B (zh) 2023-09-19

Family

ID=73582508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010711885.1A Active CN112036391B (zh) 2020-07-22 2020-07-22 一种基于页岩气田生产站场的电子巡检方法及***

Country Status (1)

Country Link
CN (1) CN112036391B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387700A (zh) * 2022-01-25 2022-04-22 高新兴科技集团股份有限公司 电力设备的仿真模拟巡检方法、装置、介质及设备
CN114972126A (zh) * 2022-07-29 2022-08-30 阿法龙(山东)科技有限公司 基于智能视觉的照明设备智能监管***

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080011025A1 (en) * 2006-07-14 2008-01-17 Lin Chu P Combination and key operated padlock with device for indicating the lock has been opened by a key
CN104392206A (zh) * 2014-10-24 2015-03-04 南京航空航天大学 一种指针式仪表读数自动识别的图像处理方法
CN104751187A (zh) * 2015-04-14 2015-07-01 山西科达自控股份有限公司 抄表图像自动识别方法
CN106101618A (zh) * 2016-06-16 2016-11-09 中国铝业股份有限公司 基于图像识别的现场设备视频监控方法
CN106228161A (zh) * 2016-07-18 2016-12-14 电子科技大学 一种指针式表盘自动读数方法
CN106650697A (zh) * 2016-12-30 2017-05-10 亿嘉和科技股份有限公司 一种仪表刻度识别方法
CN107506760A (zh) * 2017-08-04 2017-12-22 西南大学 基于gps定位与视觉图像处理的交通信号检测方法及***
CN108573261A (zh) * 2018-04-17 2018-09-25 国家电网公司 一种适用于变电站巡检机器人的数字显示仪表识别方法
JP2019096304A (ja) * 2017-11-17 2019-06-20 キヤノン株式会社 画像処理装置およびその制御方法およびプログラム
CN110807458A (zh) * 2019-10-24 2020-02-18 深圳市嘉繁科技有限公司 一种指针式仪表自动读数方法
CN110874596A (zh) * 2019-11-06 2020-03-10 中国石油大学(北京) 一种仪表智能识别预警方法及***
CN110942059A (zh) * 2019-09-12 2020-03-31 广东互动电子网络媒体有限公司 一种基于机器视觉识别的设备数据实时读取方法及装置
CN111414934A (zh) * 2020-01-21 2020-07-14 国网浙江省电力有限公司湖州供电公司 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080011025A1 (en) * 2006-07-14 2008-01-17 Lin Chu P Combination and key operated padlock with device for indicating the lock has been opened by a key
CN104392206A (zh) * 2014-10-24 2015-03-04 南京航空航天大学 一种指针式仪表读数自动识别的图像处理方法
CN104751187A (zh) * 2015-04-14 2015-07-01 山西科达自控股份有限公司 抄表图像自动识别方法
CN106101618A (zh) * 2016-06-16 2016-11-09 中国铝业股份有限公司 基于图像识别的现场设备视频监控方法
CN106228161A (zh) * 2016-07-18 2016-12-14 电子科技大学 一种指针式表盘自动读数方法
CN106650697A (zh) * 2016-12-30 2017-05-10 亿嘉和科技股份有限公司 一种仪表刻度识别方法
CN107506760A (zh) * 2017-08-04 2017-12-22 西南大学 基于gps定位与视觉图像处理的交通信号检测方法及***
JP2019096304A (ja) * 2017-11-17 2019-06-20 キヤノン株式会社 画像処理装置およびその制御方法およびプログラム
CN108573261A (zh) * 2018-04-17 2018-09-25 国家电网公司 一种适用于变电站巡检机器人的数字显示仪表识别方法
CN110942059A (zh) * 2019-09-12 2020-03-31 广东互动电子网络媒体有限公司 一种基于机器视觉识别的设备数据实时读取方法及装置
CN110807458A (zh) * 2019-10-24 2020-02-18 深圳市嘉繁科技有限公司 一种指针式仪表自动读数方法
CN110874596A (zh) * 2019-11-06 2020-03-10 中国石油大学(北京) 一种仪表智能识别预警方法及***
CN111414934A (zh) * 2020-01-21 2020-07-14 国网浙江省电力有限公司湖州供电公司 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387700A (zh) * 2022-01-25 2022-04-22 高新兴科技集团股份有限公司 电力设备的仿真模拟巡检方法、装置、介质及设备
CN114387700B (zh) * 2022-01-25 2024-01-09 高新兴科技集团股份有限公司 电力设备的仿真模拟巡检方法、装置、介质及设备
CN114972126A (zh) * 2022-07-29 2022-08-30 阿法龙(山东)科技有限公司 基于智能视觉的照明设备智能监管***
CN114972126B (zh) * 2022-07-29 2022-10-21 阿法龙(山东)科技有限公司 基于智能视觉的照明设备智能监管***

Also Published As

Publication number Publication date
CN112036391B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
CN108759973B (zh) 一种水位测量方法
CN112818988B (zh) 一种指针式仪表自动识别读数方法及***
CN112699876B (zh) 一种用于集气站多类型仪表自动读数方法
US6954550B2 (en) Image processing method and apparatus
CN106529559A (zh) 一种指针式圆形多仪表盘实时读数识别方法
CN109741314A (zh) 一种零件的视觉检测方法及***
CN111368906B (zh) 一种基于深度学习的指针式油位计读数识别方法
CN112257676A (zh) 一种指针式仪表读数方法、***以及巡检机器人
CN107729853A (zh) 一种适用于变电站窄刻度指针式仪表的自动识别方法
CN108960231B (zh) 一种基于机器视觉的细指针表盘识别读数方法
CN111507186B (zh) 一种变电站指针式仪表读数识别方法
CN112036391B (zh) 一种基于页岩气田生产站场的电子巡检方法及***
CN115018850A (zh) 基于图像处理的精密电子零部件冲压孔毛刺检测方法
CN115661147A (zh) 基于机器视觉的计量检测数据识别方法
CN111476785B (zh) 基于位置记录的夜间红外反光水尺检测方法
CN112581452A (zh) 工业配件表面缺陷检测方法、***、智能设备和存储介质
CN117237747B (zh) 基于人工智能的五金件缺陷分类识别方法
CN107239743B (zh) 一种基于投影法的刻度线读数自动检测方法
CN116958983A (zh) 一种基于机器视觉的指针式压力表自动校验仪示值读数方法
CN111160080A (zh) 一种基于图像识别的汽车外观一致性检测智能***
CN116052041A (zh) 基于深度网络的指示灯状态识别方法
CN115409803A (zh) 配电房变压器油位辨别方法、***及介质
CN112036393B (zh) 一种基于页岩气田生产单指针仪表读数的识别方法
CN114898347A (zh) 一种指针式仪表机器视觉识别方法
CN107796323A (zh) 一种基于光斑视频信号智能分析的桥梁微变检测***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant