Page 63 - 电力与能源2021年第五期

袁 奇, 等: 基于图像识别技术的高压电缆附件数字化工艺库设计与研究 5 5
5
的附件安装工艺。 识别流程如图 1 所示。
高压电缆附件的安装步骤主要以工艺图纸的
形式呈现, 经过严格审查后获得许可的工艺图纸
是电缆公司施工监督的重要凭证。高压电缆附件
的生产厂家众多, 电缆附件种类繁多, 各厂家生产 图 1 识别流程
出的同批次电缆附件依然存在质量参差不齐的可 LBP 是一种特征描述的经典算法 [ 4 ] , 广泛应
能性; 大量高压电缆附件在未经长期运行数据验 用于图像分析领域, 该算子不仅能捕获丰富的细
证其可靠性的同时, 多次发现一些厂家附件安装 节信息, 而且能压缩冗余信息。当这种 LBP 算法
工艺在电缆公司未告知电缆公司情况下变更了工 的半径 太 大 时, 噪 声 的 敏 感 度 就 会 加 强。 HOG
艺, 对后期运行带来安全隐患; 由于没有形成各厂 的主要目的是将已经进行过统一、 灰度处理工作
家附件安装工艺库, 导致图纸比对无标准, 人工审 的工艺图纸单元进行梯度计算, 统计图像的梯度
核工作量巨大且容易出现漏查情况。 信息, 将图像划分成小的细胞单元形成每张图纸
本文从签订技术协议的源头上进行管控和把 独有的 HOG 特征 [ 5 ] , 从而实现后续图纸的比对。
关, 建立高压电缆附件图纸的数字标准化工艺库, 基于高压电缆工艺化图纸本身复杂的特性,
收集各厂商电缆附件图纸扫描成像后作为标准附 如对比度、 颜色、 密度分布的方法都具有局限性,
件安装工艺数据库; 开发具有图像特征识别技术、 为了获取更好的特征抽取和分类结果, 深入研究
光学字符识别( O p ticalCharacterReco g nition , 简 现有的 LBP 算法。针对原算法的不足, 利用全局
称 OCR ) 和 一 致 性 检 测 算 法 功 能 的 指 纹 识 别 系 及局部的像素灰 度均差来决定自适应阈值的大
统。在施工过程中, 可将高压电缆附件安装工艺 小, 让数字化工艺库系统对工艺图纸的图纸识别
进行图像识别, 与数据库中的图像进行比对, 从而 有较强的自适性。
快速识别出施工图纸与数据库中标准图纸的差异 本文运用自适应模式的 LBP 算法将窗口大
信息, 消除非标准工艺图纸带来的安全隐患。 小的值与基础 LBP 算法相结合, 具有自适应分析
特征的性能。窗口大小的值由水平和垂直方向的
1 原理简介
平均强度差来决定。
本文主要使用图像识别技术、 OCR 技术以及 假设图像为 g x , ), 计算大小为( 2 +1 ) ×
k
(
y
一致性检测算法, 通过高清扫描设备采用光电技 ( 2 +1 ) 的活动窗口中的像素平均强度值:
k
术和数字处理技术对高压电缆图纸、 技术协议等 x + 2 k - 1 y + 2 k - 1 gi j
(,)
(,)
A k xy = k - 1 k - 1 ( 1 )
k
2
工艺图扫描后进入工艺库, 将电子版工艺图纸或 ∑ i = x - 2 ∑ i = y - 2 ( 2 +1 )
工艺文档进行特征提取和字符识别、 与标准工艺 对于工艺图像中的每一个像素, 分别计算它
库里固化的厂家模板图纸进行比对; 最终系统根 在水平和垂直方向上互不重叠的窗口之间的像素
据算法判断比对的结果从而形成比对报告, 主要 平均强度差:
(
针对在不同厂家的高压电缆附件工艺图纸或文档 { E k , h x ,) ( k - 1 ,) ( k - 1 ,)
y
y -A k x-2
y = A k x+2
y = A k x ,
(
y-2 )
(
k - 1
上的修改情形进行分析, 对图纸的删除、 新增和修 E k , v x ,) ( y+2 ) -A k x , k - 1
改部分进行系统提示, 简化设计审核人员比对审 ( 2 )
(
(
y
核图纸的过程, 减少错漏现象, 提高工作效率。 对于每一个像素, 能使 E k , h x , ) 或 E k , v x ,
)
1.1 图像识别技术 y 值达到最大( 无论方向) 的 k 值用来设置最佳
在高压电缆附件数字化工艺库中的图像特征 尺寸:
(
识别技术中, 主要涉及到局部二值模式( LBP ) 算 S best x ,) k ( 3 )
y =2 +1
(
法和方向梯度直方图( HOG ) 算法等特征抽取及 由此可知, S best x ,) 即为以( x ,) 为坐标的像
y
y
边缘检测算法。在本系统中整个图像识别部分的 素点的特征基元近似大小。该尺寸与 LBP 算法的
流程包含图像预处理( 图像降噪、 图像增强)、 图像 结合, 减少了 LBP在基元特征提取上的误差。
复原( 重建图像, 恢复图像)、 图像编码与压缩、 图 1.2 OCR 字符识别
像分割( 划分不同特征的区域) 以及最终的识别。 图片的字符识别过程是一整套流程, 它包括