基于OpenCV的水銀體溫計示數實時檢測

姚　坤

(中國電信股份有限公司山東分公司，山東 菏澤　274000)

?

基于OpenCV的水銀體溫計示數實時檢測

姚坤

(中國電信股份有限公司山東分公司，山東 菏澤274000)

為了實現對水銀體溫計產品的在線非接觸式檢測，設計一種示數檢測系統；基于特殊的機械運載平臺設計配合線陣相機對體溫計產品進行圖像采集，基于OpenCV開源視覺庫對圖像進行處理，提出一種基于模板匹配和縱向掃描端點查找的圖像搜索算法，通過確定刻度線和水銀柱升降端在圖像中的相對位置關系計算體溫計示數；不借助外部測量儀器對產品示數進行實時檢測，可有效取代傳統的人工操作方式；實驗結果表明，該系統運行穩(wěn)定且具有較好的實時性，檢測精度較高，滿足測量不確定度小于0.1 ℃的檢測要求。

示數檢測；線陣相機；模板匹配；縱向掃描；OpenCV

0　引言

水銀體溫計是目前使用最廣泛的體溫測量工具，在體溫計的市場份額中占據著大部分比重。在水銀體溫計的生產過程中，產品的檢定是出廠前必不可少的步驟。目前國內的生產線上普遍采用的檢定方法是將產品放置在一定溫度的恒溫水箱中，一段時間后，取出進行人工目測，根據示數判斷是否合格。傳統方法存在準確度差、效率低等問題，由于生產環(huán)境對溫控的嚴格要求，車間的高溫會導致人員易疲勞等問題，從而檢測結果更易受主觀因素的影響。隨著技術水平的不斷提高，機器代替人工進行智能化生產檢測已經成為工業(yè)發(fā)展的趨勢。

在已有的相關研究中，陳恪等人提出一種基于邊緣檢測和霍夫變換的溫度計檢測方法[1]。另外，向毅等人提出一種基于霍夫變換和形態(tài)學運算的溫度計讀數識別方法，可有效讀數溫度計示數[2]。但是對于三棱體溫計的檢測以上方法適用性不強，且缺少系統化的相關設計，難以實現產品的在線檢定。本文為了實現不借助外部測量儀器，對體溫計進行實時檢定的目的，設計了一套水銀體溫計示數檢測系統。該系統可降低勞動力成本，有效提高產線工藝水平。

1　檢測系統的硬件結構平臺

檢測系統的硬件平臺主要由圖像采集模塊、機械運載平臺和工業(yè)控制計算機IPC組成。系統的硬件結構框圖如圖1所示。

圖1　系統的硬件結構框圖

其中，水銀體溫計置于水平運行的履帶式傳送帶上，兩側裝有固定夾，可保證體溫計以理想的姿態(tài)經過相機視場。安裝支架選擇合適的高度固定CCD黑白線陣相機，在相機下方安裝LED線光源。系統的成像要求為體溫計圖像能夠同時清晰顯示水銀柱和刻度線區(qū)域。對于體溫計的三棱玻璃體結構而言，水銀柱和刻度線的觀測角度不同，因此需要通過線陣相機配合體溫計的旋轉動作進行動態(tài)圖像采集[3]。傳送帶上有一凸起的組合型滾筒裝置，當體溫計經過該區(qū)域的頂部位置，會完成一定程度的自轉動作，此時由一側的傳感器觸發(fā)相機工作完成圖像的采集。

2　體溫計檢測系統設計

本文中系統算法設計的基本思想為通過確定刻度線和水銀柱升降端在圖像中的相對位置關系計算體溫計示數。首先，在體溫計圖像中基于二者選定兩個目標測量點。然后根據測量點在區(qū)域中的位置確定其在圖像中的坐標，由此可知測量點之間的距離，經公式計算可得體溫計的示數。本文中我們分別選定35℃刻度線和水銀柱升降端頂部上的一點為目標測量點，然后對其進行查找和定位。系統的檢測算法流程圖如圖2所示。

圖2　系統的檢測算法流程圖

2.1圖像的預處理

由于水銀體溫計生產工藝的不足，不同產品的三棱玻璃柱體規(guī)格存在細微的差別，這直接導致了水銀柱顯示效果的差異性，如部分圖像中的水銀柱會出現分叉或過細等問題。為了增強有關信息的可檢測性，我們需要對相機采集的圖像進行預處理。對圖像進行縱向拉伸，以保證刻度線區(qū)域和水銀柱的顯示效果具有一定的不變性，該過程通過幾何空間變換操作實現。

幾何空間變換是最常用的圖像處理手段之一，它可以改進圖像中像素之間的空間關系。此類變換也可以稱為“橡皮膜變換”，因為它可以看成是將一副圖像印刷在橡皮膜上，根據預定的一組規(guī)則對薄膜拉伸，圖像的顯示也隨之變化[4]。為了實現圖像的拉伸效果，首先我們需要通過坐標空間變換對圖像進行差值放大操作，數學表達式為：

(1)

經坐標空間變換后，原圖像中的像素在輸出圖像中重新定位到新的位置，此過程中，經過縱向拉伸的圖像矩陣行數增多，豎直方向上相比原圖像出現了更多的位置，我們需要對新位置賦灰度值。上述過程通過灰度內插操作實現，為了保持變換后輸出圖像細節(jié)的完整性以及像素灰度級的連續(xù)性，我們采用雙三次圖像插值算法[5]。

采集的體溫計圖像及縱向拉伸后得到的結果圖像如圖3所示，其中刻度線增長，水銀柱變寬，該效果有利于后續(xù)圖像處理工作的進行。在OpenCV中，此過程通過仿射變換操作實現。

圖3　縱向拉伸過程示意圖

2.2刻度線區(qū)域目標測量點的定位

本文通過模板匹配操作實現對刻度線區(qū)域內目標測量點的檢測和定位。模板匹配是一種基于區(qū)域的圖像匹配算法，此算法在沒有較強干擾的情況(遮擋，旋轉等)下具有良好的性能表現。系統的圖像采集環(huán)境穩(wěn)定且背景單一，刻度線區(qū)域在采集的體溫計圖像中具有較強的區(qū)分性，匹配過程中不存在干擾性因素。

模板匹配通過對兩幅圖像相似區(qū)域的搜索實現目標區(qū)域的定位。算法基本原理為：首先確定待匹配的源圖像，取一與目標區(qū)域對應的模板圖像；然后令模板在源圖像中進行滑動(從左往右，從上往下)，保證其遍歷源圖像中的每一處位置，過程中根據一定的相似度量準則計算不同位置的相似度；最后，取相似度最高的位置作為輸出結果，完成模板匹配操作[6]。模板匹配示意圖如圖4所示。

圖4　模板匹配過程示意圖

其中，源圖像S大小為M*N，像素的灰度值為s(x,y)，x∈[1,M]，模板圖T大小m*n，其中像素的灰度值為t(x,y)，x∈[1,m],y∈[1,n],y∈[1,N]。模板匹配過程中，當在源圖像S中找到和模板T匹配程度最高的區(qū)域，則滿足公式(4)：

(4)

式中,x∈[1,M-m+1]，y∈[1,N-n+1]，R(x,y)為結果矩陣，其中的元素表示模板圖在源圖像上滑動過程中每一次匹配所得的相似性度量結果，坐標(x',y')對應著源圖像中目標區(qū)域的位置信息。結果矩陣的元素數為模板匹配過程中區(qū)域相似度量的計算次數，即(M-m+1)*(N-n+1)。

圖像相似性度量實質上是兩個二維向量相似性的度量，相似性度量準則是關于灰度相似性的度量函數，主要有兩類，分別基于兩種標準：差值和相關性?；诓钪颠M行相似性度量，求得結果越小說明兩幅圖像差異越小，二者相似性越大；基于相關性進行相似性度量，求得結果越大說明兩幅圖像之間越接近。相比基于相關性的度量算法基于差值的算法復雜度較低，計算量小，但是匹配結果的可靠性不如前者理想。本文采取灰度相關匹配算法，此類算法的性能主要取決于相似性度量準則和極值搜索策略的選取。

本文選擇歸一化互相關(normalized correlation method，NCC)算法計算模板圖像與目標圖像之間的互相關值，以確定兩幅圖像之間的相似性大小。該算法具有較強的抗噪聲能力以及較高的匹配準確率，因此廣泛應用于工業(yè)檢測、導航制導等重要領域的視覺工程中[7]。其定義如式(5)：

(5)

模板匹配完成后得到結果矩陣，在OpenCV中被定義為32位浮點型單通道數據類型[8]。通過遍歷搜索確定矩陣中數值最大的元素所在的位置坐標，此坐標對應著模板圖像與源圖像中相似度最大區(qū)域的左上角點，代表目標區(qū)域的位置信息。遍歷搜索策略可以保證結果的準確性，另外收斂速度快，性能可靠。模板匹配輸出的結果圖像如圖5所示。

圖5　模板匹配輸出的結果圖像

根據刻度線區(qū)域預定義模板的大小和模板匹配輸出的目標區(qū)域左上角點坐標，可知我們關注的刻度線區(qū)域目標測量點在體溫計圖像中的位置。

2.3水銀柱升降端目標測量點的定位

本文提出一種縱向掃描查找算法對水銀柱升降端頂部進行定位。首先我們需要“提取”圖像中的水銀柱區(qū)域，去除圖像中的其它部分，該過程主要通過閾值化處理和數學形態(tài)學操作實現。圖像處理操作流程圖如圖6所示。

圖6　圖像處理流程圖

閾值化處理和數學形態(tài)學操作是常用的圖像處理工具，可準確提取出圖像中表達和描述區(qū)域形狀的分量，如骨架、邊界和凸殼等。腐蝕和膨脹兩種操作是形態(tài)學運算的基礎，可實現圖像中像素集合區(qū)域的增長或收縮[9]。

腐蝕和膨脹經過不同的組合可實現另外兩種形態(tài)學操作，閉運算是先膨脹后腐蝕，可清除圖像中小型的黑洞，而開運算是先腐蝕后膨脹，可消除圖像中的小面積白色團塊。圖像處理的過程示意圖如圖7所示。

圖7　提取水銀柱區(qū)域的圖像處理過程示意圖

經以上操作，可以得到獨立的水銀柱區(qū)域圖像，如圖7(f)所示?，F對其進行縱向掃描，目的是得到水銀柱升降端的頂部端點的坐標信息。具體操作為：使用嵌套循環(huán)實現從左到右逐列掃描整幅圖像，終止條件為檢測到第一個灰度值為0的像素點，即水銀柱升降端頂部的一點，后返回該點的坐標值，這樣就完成了對水銀柱升降端頂點的檢測和定位。

2.4示數的計算

由以上操作，可知我們關注的兩個目標測量點在體溫計圖像中所在的位置，取二者的橫坐標，可得在被采集圖像中液柱頂端到基準刻度線之間的水平距離。根據本文提出的示數檢測基本思想，經計算可知體溫計產品的示數，計算公式如式(6)所示：

(6)

式中，K為體溫計示數，Ks為設定基準刻度線位置對應的讀數，L為圖像中液柱超過基準刻度線的像素數，t為產品圖像中相鄰刻度線之間的像素數，其大小取決于相機的分辨率及工作距離。

3　實驗結果及分析

實驗中，采用PC的型號E5500，2 G內存、Visual Studio2010和OpenCV的軟硬件環(huán)境，對示數不同的水銀體溫計進行檢測。利用程序開發(fā)測試工具Intel?Parallel Studio XE 2013對100次程序執(zhí)行過程進行監(jiān)測，CPU平均耗時0.518 s，可見該系統具有較好的實時性。記錄100次檢測的輸出結果并與目測結果進行對比，數據表明，本系統檢測精度較高，滿足廠家提出的測量不確定度小于0.1 ℃的設計要求。經過8小時不間斷的運行，系統表現穩(wěn)定，過程中未出現卡頓、崩潰等問題，可見本系統具有較高的可靠性。

有效性。實驗結果表明，該方法的故障診斷準確率達97.5%。在相同條件下，采用VPMCD方法進行模式識別用以對比，準確率為87.5%。

4　結論

將WVPMCD和層次模糊熵應用于液壓泵的故障診斷，實驗數據分析與比較結果表明，WVPMCD方法由于在訓練時運用加權最小二乘參數估計法代替最小二乘參數估計法，克服了模型可能出現的異方差，提高了預測精度，有效實現了對液壓泵的故障診斷。

[1]Raghuraj R,Lakshminaryanan S. Variable Predictive Models—A New Multivariate Classification Approach for Pattern Recognition Applications[J]. Pattern Recognition,2009,42(1):7-16.

[2] 程軍圣,馬興偉,楊宇. 基于VPMCD和EMD的齒輪故障診斷方法[J]. 振動與沖擊,2013,32(20):9-13.

[3] 羅頌榮,程軍圣,鄭近德等. GA-VPMCD方法及其在機械故障智能診斷中的應用[J]. 振動工程學報,2014,27(2):289-295.

[4] 楊宇,李永國,程軍圣. WVPMCD及其在滾動軸承故障診斷中的應用[J]. 湖南大學學報(自然科學版),2014,41(2):52-57.

[5] Richmann J S,Moorman J R. Physiological Time Series Analysis Using Approximate Entropy and Sample Entropy[J]. American Journal of Physiology-Heart and Circulatory Physiology,2000,278:2039-2049.

[6] Jiang Ying, Peng C K,Xu Yuesheng. Hierarchical Entropy Analysis for Biological Signals[J]. Journal of Computational and Applied Mathematics,2011,(236):728-742.

[7] Zhu Keheng, Song Xigeng, Xue Dongxin. A Roller Bearing Fault Diagnosis Method Based on Hierarchical Entropy and Support Vector Machine with Particle Swarm Optimization Algorithm[J]. Measurement, 2014(47):669-675.

[8] 陳偉婷. 基于熵的表面肌電信號特征提取研究[D]. 上海:上海交通大學,2008.

Reading Inspection of Mercury Thermometer Based on OpenCV

Yao Kun

(China Telecom Co., Ltd，Shandong Branch, Heze274000, China)

In order to realize the non-contact inspection of mercury thermometer products in the assembly line, a kind of reading inspection system was designed. Images were acquired with line-scan digital camera based on the mechanical vehicle platform, the image was processed based on OpenCV open-source vision library, a kind of image algorithm based on template matching and longitudinal scanning for the endpoint lookup, thermometer reading was calculated through the interested points in the image, which are located in scale line and mercury lift side; The system can realize real-time inspection without external measuring instrument, which can effectively replace the traditional manual operation mode. The experimental results showed that the system has stable operation，good real-time performance and high precision, the measurement uncertainty is less than 0.1 ℃.

reading inspection; line-scan digital camera; template matching ; longitudinal scanning ; OpenCV

2015-08-09；

2015-09-16。

姚坤(1990-)，男，碩士，工程師，主要從事網絡系統構架和多媒體通信方向的研究。

1671-4598(2016)01-0089-03

10.16526/j.cnki.11-4762/tp.2016.01.024

TP391.4

A