【技術實現步驟摘要】
本申請涉及電表檢定，更具體地，涉及一種基于機器視覺的拆回電能表智能檢測方法及系統。
技術介紹
1、電能表檢定裝置是用于檢定電能表、實現電能表量值傳遞與溯源的主要標準器具，隨著電能表技術的不斷發展以及智能電能表的大量應用，帶來表計檢定量的驟然倍增，在不同場合對電能表的計量要求也隨之增加，在實際的生產應用中，從供電局、檢定線體、用戶退表等多種情況下大量退回的電能表需要重新進行檢測，以檢測應用后的偏差，判斷是否具有“利舊”價值。
2、現有的檢測臺體還未具備相關人工智能算法，拓展性和兼容性差，舊模式下相對繁瑣的檢測流程，也導致用工成本難以平衡。人工檢測需要大量的人力物力，而且檢測結果容易受到人為因素的影響，無法保證檢測的準確性和一致性。此外，人工檢測還存在檢測速度慢、檢測范圍有限等問題，無法滿足大規模拆回電能表檢測的需求。
3、現有技術如專利號為“cn117826060a”的中國專利公開了一種電能表檢定系統及方法、存儲介質、計算機設備，該系統包括：智能倉儲模塊、自動上料模塊、圖像處理模塊及性能檢定模塊；智能倉儲模塊，用于響應于電能表檢定任務，獲取電能表檢定任務對應的待檢定電能表的周轉箱位置；自動上料模塊，用于基于周轉箱位置，將周轉箱中的待檢定電能表加入傳輸托盤；圖像處理模塊，用于對傳輸托盤中的待檢定電能表進行圖像拍攝，并根據拍攝圖像提取待檢定電能表的條形碼信息；性能檢定模塊，用于基于條形碼信息獲取電能表類型，將待檢定電能表傳輸至檢定所述電能表類型的檢定流水線進行性能檢定。通過圖像識別將電能表分發至對應的檢定流水線
4、上述現有技術存在的問題是，僅通過圖像識別電表中條形碼的信息，對電表信號進行確定，但是在拆回電表中，條形碼信息及rfid識別卡信息大多為不準確的，通過此信息進行分類檢定存在一定缺陷。
技術實現思路
1、為解決上述技術問題，本專利技術提出了一種基于機器視覺的拆回電能表智能檢測方法系統。
2、本專利技術技術方案如下：
3、一方面，本專利技術提出一種基于機器視覺的拆回電能表智能檢測系統，包括：
4、圖像采集模塊：通過安裝在流水線上的紅外可見光攝像頭采集拆回電表的圖像，通過通信接口將圖像信息傳送至圖像處理模塊；
5、圖像處理模塊：對采集到的圖像進行預處理，包括灰度化、二值化、去噪操作；
6、特征提取模塊：將經過處理的拆回電表圖像利用尺度不變特征變換算法提取拆回電表圖像中的關鍵特征點；
7、分類識別模塊：將提取到的關鍵特征點輸入預先訓練好的支持向量機模型對拆回電表進行分類識別，將單相電表和三相電表區分開來，確定拆回電表的型號和參數，將拆回電表的型號和參數信息通過通信接口發送至順序定位模塊；
8、順序定位模塊：根據拆回電表的型號和參數信息以及鋪設在流水線下方的磁軌道和射頻識別卡實現拆回電表的準確導航和定位，生成拆回電表設備隊列；
9、功能檢定模塊：根據生成的拆回電表設備隊列，自動匹配需要執行的壓接操作和檢測程序，輸出檢定結果。
10、作為優選實施方式，所述特征提取模塊提取拆回電表圖像中的關鍵特征點包括以下步驟：
11、尺度空間極值檢測：通過構建高斯金字塔來模擬圖像的尺度空間；在每個尺度上，通過比較每個像素與其鄰域像素的灰度值，找到局部極值點；
12、關鍵點定位：對檢測到的極值點進行精確定位；通過擬合二階泰勒展開式來確定關鍵點的位置和尺度；
13、方向分配：為每個關鍵點分配一個主方向；通過計算關鍵點鄰域的梯度方向直方圖，選擇直方圖中的峰值方向作為關鍵點的主方向；
14、關鍵特征點生成：為每個關鍵點生成一個描述子，用于描述其局部特征，通過計算關鍵點鄰域的梯度信息和方向信息來構建關鍵特征點。
15、作為優選實施方式，所述分類識別模塊根據提取到的關鍵特征點匹配特征值，得到待檢電表的型號信息；包括以下步驟：
16、以歐氏距離作為相似性判定依據，將提取到的關鍵特征點與型號電表圖像進行匹配，取型號電表圖像的某個關鍵特征點與拆回電表圖像中歐氏距離最近2個關鍵特征點，在這2個關鍵特征點中，最近的距離除以次近的歐氏距離小于某個比例閾值，則匹配成功，確定型號電表圖對應的型號信息為拆回電表的型號信息；具體公式如下：
17、描述兩關鍵特征點相似度：
18、
19、式中，ri為型號電表圖像中的關鍵特征點，si為拆回電表圖像中的關鍵特征點，rij和sij分別表示電表圖像中的關鍵描述子和拆回電表圖像中的關鍵點描述子；j＝1，2，3…，128；
20、則有：
21、
22、式中，d(ri，s1)，d(ri，s2)分別為型號電表圖像的某個關鍵特征點與拆回電表圖像的歐氏距離最近和次近的特征關鍵點的歐式距離；
23、得到型號電表圖像與拆回電表圖像的關鍵特征點的匹配關系后，型號電表圖像與拆回電表圖像存在如下一個變換過程：
24、
25、式中：h為投影變換矩陣；[x’,y’,1]t和[x,y,1]t分別為某組特征匹配點在型號電表圖像和拆回電表圖像上的像點坐標構成的矩陣；
26、為消除匹配過程中有可能存在的錯誤匹配點，這里采用隨機采樣一致性來排除錯誤匹配點；這是一種穩健的參數估計方法，它使用隨機選擇的樣本估計參數，尋找一個對數據具有最大適應性的解；在一定的置信概率p下，m組抽樣中至少有1組數據全是內點，即：
27、1-(1-εm)m＝p
28、式中：ε為內點率；m為模型參數計算過程中需要的最小數據量。
29、作為優選實施方式，所述支持向量機模型的預訓練包含以下步驟：
30、數據準備：收集一組已標注的電表圖片樣本構成數據集，其中包括匹配對和非匹配對，匹配對為相同型號的電表圖片，非匹配對為不同型號的電表圖片；每個樣本可以表示為一個特征向量；
31、數據劃分：將數據集劃分為訓練集和測試集；訓練集用于訓練支持向量機模型，測試集用于評估模型的性能；
32、模型訓練：使用訓練集訓練支持向量機模型；支持向量機通過尋找一個最優的超平面來將匹配對和非匹配對分開；
33、模型評估：使用測試集評估訓練好的支持向量機模型的性能；可以使用各種評估指標，如準確率、召回率；
34、參數調優：根據模型評估結果，調整支持向量機模型的參數，如核函數類型、正則化參數，以提高模型的性能；
35、圖片匹配：使用訓練好的支持向量機模型對拆回電表的圖片進行匹配，得到匹配結果。
36、另一方面，本專利技術還提供一種基于機器視覺的拆回電能表智能檢測方法，包括以下步驟：
37、步驟s1：通過安裝在流水線上的紅外可見光攝像頭采集拆回電表的圖像，通過通信接口將圖像信息傳送至圖像處理模塊；
38、步驟s2：對采集到的圖像進行預處本文檔來自技高網...
【技術保護點】
1.一種基于機器視覺的拆回電能表智能檢測系統，其特征在于，包括：
2.根據權利要求1所述的一種基于機器視覺的拆回電能表智能檢測系統，其特征在于：所述特征提取模塊提取拆回電表圖像中的關鍵特征點包括以下步驟：
3.根據權利要求1所述的一種基于機器視覺的拆回電能表智能檢測系統，其特征在于：所述分類識別模塊根據提取到的關鍵特征點匹配特征值，得到待檢電表的型號信息；包括以下步驟：
4.根據權利要求1所述的一種基于機器視覺的拆回電能表智能檢測系統，其特征在于：所述支持向量機模型的預訓練包含以下步驟：
5.一種基于機器視覺的拆回電能表智能檢測方法，其特征在于，包括以下步驟：
6.根據權利要求5所述的一種基于機器視覺的拆回電能表智能檢測方法，其特征在于：所述提取拆回電表圖像中的關鍵特征點包括以下步驟：
7.根據權利要求5所述的一種基于機器視覺的拆回電能表智能檢測方法，其特征在于：所述根據提取到的關鍵特征點匹配特征值，得到待檢電表的型號信息；包括以下步驟：
8.根據權利要求5所述的一種基于機器視覺的拆回電能表智能檢
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求5至8任一項所述的一種基于機器視覺的拆回電能表智能檢測方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求5至8任一項所述的一種基于機器視覺的拆回電能表智能檢測方法。
...【技術特征摘要】
1.一種基于機器視覺的拆回電能表智能檢測系統，其特征在于，包括：
2.根據權利要求1所述的一種基于機器視覺的拆回電能表智能檢測系統，其特征在于：所述特征提取模塊提取拆回電表圖像中的關鍵特征點包括以下步驟：
3.根據權利要求1所述的一種基于機器視覺的拆回電能表智能檢測系統，其特征在于：所述分類識別模塊根據提取到的關鍵特征點匹配特征值，得到待檢電表的型號信息；包括以下步驟：
4.根據權利要求1所述的一種基于機器視覺的拆回電能表智能檢測系統，其特征在于：所述支持向量機模型的預訓練包含以下步驟：
5.一種基于機器視覺的拆回電能表智能檢測方法，其特征在于，包括以下步驟：
6.根據權利要求5所述的一種基于機器視覺的拆回電能表智能檢測方法，其特征在于：所述提取拆回電表...
【專利技術屬性】
技術研發人員：劉威，葉瀚，羅順輝，詹超，譚阿峰，林聰友，鄒先柱，鄒先辰，林俊杰，
申請(專利權)人：福建網能科技開發有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。