瓦斯抽放系統中工業指針儀表自動識別及傳輸技術

金樹軍

（1.中煤科工集團沈陽研究院有限公司，遼寧 撫順113122；2.煤礦安全技術國家重點實驗室，遼寧 撫順113122）

煤礦智能化建設隨著“十四·五”的來臨，加快了建設步伐，但是目前煤礦系統中存在大量工業儀表，這些儀表的讀數以及工作狀態需要指定人員巡檢，無法實現自動化監測。以瓦斯抽放為例，雖然目前國內外均有瓦斯抽放系統，但是針對抽放端電機端的動作，目前只能根據對電機運轉狀態來判斷，這樣會出現當工具端故障不工作時，無法正確判斷當前抽放是否工作，而且相對于各類開關、指示燈等的狀態識別，指針式儀表（如常用壓力表、電壓/流表等）的讀數更加復雜和困難。采用人工巡檢方式，工人的勞動強度大，并且因為巡檢周期長，短期出現的故障、報警無法及時獲取以及處理[1]。

大量更換現有工業儀表為具備通信功能的儀表，不僅需要大量的儀表購置費及施工等費用，還會影響煤礦正常生產工作，這是各個煤礦生產企業不可以接受的。為此，設計了無需先停止瓦斯抽放系統工作再更換現有儀表的傳感器，采用了圖像識別[2]技術，采集工業儀表表盤后，就地實時識別讀數，可通過CAN總線[3]接入現有的中煤科工集團沈陽研究院生產的瓦斯抽放系統中。

1 儀表讀數傳感器的系統架構

儀表讀數傳感器硬件系統結構如圖1，由攝像頭圖像采集模塊、ARM主控模塊、CAN總線模塊、參數存儲模塊、紅外模塊等構成。

圖1 硬件結構圖Fig.1 Hardware structure diagram

主控制模塊作為傳感器的核心部件，負責圖像處理與識別及整體控制，選擇NXP廠商的ARM Cortex-A7內核Imx6ul芯片，主頻高達528 MHz，包括1個集成的電源管理單元，外擴256MB的DDR3L，具有較強的數據、指令處理能力以及較低功耗，目前大量應用汽車電子、工業控制等領域，外設資源較全。

圖像采集模塊采用200萬像素低功耗的CMOS攝像頭，內置影像串流處理器，實時JPEG編碼器以及整合微控制器，支持自動聚焦、光學縮放等。考慮井下光源以及設備震動對視覺采集處理的影響，設計攝像頭工裝將攝像頭與被測儀表固定于一個空間，提供白色LED照明并保證同頻震動。

存儲模塊與紅外模塊分別負責參數保存以及用戶輸入，由于Cortex-A7架構的規定，芯片內部不集成FLASH，系統采用工業級Nand Flash具有512 MB做存儲。紅外解碼使用通用型ir2100解碼芯片，自動識別RC5、RC6 Mode0、NEC等多種編碼格式，無需外圍電路，使用UART接口與各類單片機通信，簡單方便。

通信模塊使用CAN 2.0B協議總線，Imx6ul內部具有2路CAN FD，設計中使用1路CAN控制器搭配1路CTM1051收發器[4]，使用標準幀負責與監控分站通信。

2 系統軟件

2.1 軟件架構

軟件的穩定、可靠是保證整個系統實時通信的關鍵，軟件使用Linux 4.15版本操作系統開發，此系統開源、結構清晰合理，適用于工業產品開發。軟件使用的線程數量要合理，各個模塊之間需保證低內聚高耦合的軟件工程思想[5]，要合理使用內部資源，防止出現線程死鎖、饑餓等問題發生。軟件結構圖如圖2，軟件系統設計了主線程1個，接收線程1個，數據上傳線程1個，狀態改變上傳線程1個，圖像識別線程1個，人機交互線程1個等共計6個線程。

圖2 軟件結構圖Fig.2 Software structure diagram

主線程負責對整個系統配置以及建立其他子線程；周期性上傳圖像識別的數據及傳感器自身狀態由數據上傳線程來實現；狀態上傳線程優先級最高，屬于實踐觸發任務，非周期性執行，只有當傳感器狀態改變時觸發。接收處理線程將上層設備的指令加入共享內存，為了保證數據不丟幀，當接收到數據后，不在接收函數處理，將數據加入數據隊列后，觸發信號量通知處理任務，處理后的數據根據協議規定會存放到共享內存后通知相應的任務來取數據。人機交互線程屬于觸發性任務，實現井下礦工對傳感器標定工作，與普通礦用傳感器不同，視覺傳感器對環境要求高，所以需在規定時間內標定視覺提高識別率。

圖像識別線程實現對被測儀表的圖像采集以及數據識別工作，識別流程圖如圖3，圖像信息的獲取是對被研究對象的調查和分析后得到數據和材料，對圖像識別來說是將實物、圖片、底片以及文字圖形等用光電掃描設備轉換為電信號進行處理，通過對原始圖像的輸入，可以進行相應的加工、整理、分析、歸納等操作實現去偽存真，以粗取精，提煉出能反映和可計算的實物本質的特征量。采用OpenCV視覺處理圖與典型儀表識別算法共同完成，其中OpenCV視覺圖負責完成圖像信息獲取及處理等工作，判決與輸出提取由具體算法實現。

圖3 識別流程圖Fig.3 Identification flow chart

另外，由于接入瓦斯抽放系統，作為系統子模塊，要通過設計特定的協議，實現即插即用，無需人為設定類型，并且減少井下升級傳感器的難度，需要設計遠程更新升級[6]功能，丁遠等《基于ARM的IAP遠程升級技術在煤礦監控分站中的應用》對Boot－Loader原理以及IAP實現進行詳細的講解。對傳感器強實時性的實現，可參考文獻[7]。

2.2 儀表識別算法

圖像識別是從工業儀表圖像中對表盤示數進行識別，算法流程圖如圖4。

圖4識別算法圖Fig.4 Recognition algorithm chart

算法流程如下：

1）加載系統參數，包括量程、各類算法所需參數值等。

2）讀取攝像頭圖像數據I，并轉換成算法所需的Mat數據格式。

3）使用高斯濾波算法[8]，對灰度圖lg進行去噪、光滑處理。原始圖像可能包含有攝像頭拍攝時產生的斑點、噪點，同時畫面中還可能存在我們不感興趣的線段等。通過使用高斯濾波算法，可以對圖像進行模糊處理，得到處理后的圖像lga。

4）使用Hough圓擬合[9]算法，計算每個非零像素點的各個方向的梯度向量，對于在同一個圓上的像素點，它們的梯度向量最終相交于同一個點。對這些梯度向量的交點進行投票，選出票數最高的點作為圓心（x，y），然后對半徑r進行縮放，當半徑r縮放到某個數值后，有足夠多的點在該圓上，即可確定半徑r。記錄下圓心P（x，y）與半徑r。

5）使用Canny邊緣檢測[10]算法，對于圖像lga進行邊緣處理，得到邊緣圖像lgc。

6）使用Hough直線擬合算法，由于傳統的直角坐標系垂直于x軸方向的直線斜率不存在，故而需要先對圖像的所有像素點轉換成極坐標來計算。對于圖像lgc所有像素點，計算經過該點的直線的可能的斜率k和截距b，遍歷完圖像所有像素點后，對k-b進行統計，選出出現次數足夠多的k-b。有了斜率k和截距b后就可以確定1條直線。

7）將提取到的所有直線與圓心P（x，y）進行測距計算，得到直線與圓心P（x，y）的距離。

8）根據直線的起點、終點與圓心P（x，y）的距離，選出距離圓心最近的直線，該直線即為指針，記錄下該直線的起點S（x，y）和終點E（x，y）。

9）利用三角正切函數原理，根據直線起點S和終點E以及圓心P，計算指針直線與圓心的夾角α，并根據夾角α進行量程換算，轉換成讀數n。

3 仿真試驗

試驗以中煤科工集團沈陽研究院瓦斯抽放系統為試驗平臺，該系統下的每臺瓦斯抽放監控分站可接16個傳感器。在實驗室采用與現場井工礦一致的線纜布置搭建采煤工作面環境后，使用10臺設計的視覺傳感器，為了檢測系統通信能力，使用2臺甲烷傳感器，1單參數流量傳感器，1臺壓力傳感器，1臺溫度傳感器，1臺多參數傳感器做穩定性實驗。使用Wireshark工具在PC端進行以太網異常數據監測，使用CAN那根線分析設備對總線進行實時監測，在瓦斯抽放監控分站軟件中的各個線程數據接口部分打印對應的日志，隨機選取常用指針儀表5種，每種2款進行識別讀數，設置2 s識別間隔，每種儀表采集100幅圖片，識別率可達到95%，符合識別要求，查看上位機數據，并未發現識別錯誤的指針儀表數據，符合錯誤處理要求。

4 結 語

以瓦斯抽放系統為平臺，工業指針儀表為設計對象，提出并設計了一種采用攝像頭獲取儀表圖像，通過圖像識別技術得到儀表讀數并本地顯示和具備CAN總線傳輸的工業儀表自動識別裝置，解決了瓦斯抽放現場中大量工業儀表需要人工巡檢，不具備數據通信能力，無法與現有瓦斯抽放系統通信等問題，達到了加快智慧礦山建設的目的。