基于图像处理技术的油管识别系统的设计与实现研究.docxVIP

基于图像处理技术的油管识别系统的设计与实现输油管道是在石油开采和运输过程中一种比较重要的工业用品，对油管的分拣分区是油管的循环利用的重要环节之一。某采油厂准备大队的工作中包括输油管的分拣工作，首先油管经过修复、作标识等操作后，再由人眼对油管标识进行判断，最终使用固定机械装置将油管运输到所对应的分拣区。目前该大队就是采用这种传统的人工分拣方式来对油管进行分拣，而长时间的人眼观察，劳动强度很大，在分拣过程中人员由于各种原因造成的分拣错误，不仅降低了工作效率，同时也增加了分拣工作的复杂度，因此传统人工分拣模式已经不适应现代经济发展需求，有必要设计一种油管自动分拣系统，该系统可根据实际情况和现场要求，将分拣工作自动化，能使油管按照分拣要求达到自动分拣的效果，同时具有自动化程度高、灵敏度高和稳定可靠等多种特性。图像识别技术是通过分析图像的主要特征，并提取图像中的关键信息的一门技术。利用Java语言，基于数字图像处理技术对输油管道的油管标识图进行识别，设计并实现了一个油管自动分拣系统，以下将重点介绍分拣系统中油管标识识别系统的设计实现和关键技术部分。1.关键技术1.1 图像预处理图像预处理包括对图像的降噪、背景分离、边缘检测等过程。由于采集系统的系统误差或灯光及其他原因产生的随机误差而产生的噪声，图像会有部分模糊以及分布不均的孤立的明暗部分，这样对系统在获取图像的像素灰度值产生较大的误差，并且为后续的图像处理产生一定的影响，因此要根据图像进行合理的去除噪声，在本系统中采用了几种滤波器来进行滤波处理，其中包括背景分离，中值滤波，平滑，边缘检测等[3，4]。背景分离一般采用标准差阈值进行筛选，背景与油管标识的颜色差值较大，与黑色刻度标识形成鲜明的黑白相间的条块组成，灰度差较大，因此标准差值较大，在首先将给定的某像素灰度值进行均值处理后再与每个值作比较，若差值大于给定阈值，则保留，若小于定阈值范围内，则是背景区域。中值滤波处理是中值滤波属于非线性滤波的一种，其主要思想是将窗口区域内的数值进行大小排序，再将中间值代替一个指定的点，一般情况下是代替原来的中心像素灰度值。若图像中某区域有噪声孤立点，其像素灰度值发生突变，由于孤立点占有的像素数量较少，相比之下，这部分只是整幅图像的一小部分，因此可以选择中值滤波的方法，选择一个合适的像素窗口在图像上进行漫游检测，经过中值滤波后，将窗口对应的像素灰度值进行排序后，取得的中间值代替原来的中心像素灰度值，这种方法对消除噪声孤立点有明显的效果。假定1-D像素序列,则该像素序列进行中值滤波后，其输出结果为：在本文中采用一维的中值处理方式，指将图像的某像素灰度值前后相邻的十个像素灰度值进行排序，再取中值来代替原来的像素灰度值的方法。此项处理是为了将有效信息从背景中分离，避免提取无效区域的特征信息，提高后续处理的效率。平滑则是在原有基础之上采用一定的模板进行的平滑处理，可减少和抑制部分噪声。边缘检测是对有阶跃变化像素灰度值进行检测和处理，通过设定阈值后进行相关处理。1.2二值化处理系统中的油管标识与条形码非常相似，因此在对油管标识的信息处理中，我们采用了与条码识别的类似方法，即采用了二值化处理的方式，一般图像的二值化可采用下式的设定的阈值进行处理[5]。其中t为设定的阈值，当系统判断像素灰度值与阈值的关系后按上式进行赋值，将刻度部分即信号部分赋值为“1”，无信号部分赋值为“0”[6]。2系统设计流程根据现场要求，首先应对油管进行身份采集，给每一个油管附加一个身份标识，这些标识具有可以重复使用，耐油井内的高温（约200℃）、高压，可以承受油污等恶劣的应用环境等特点[7]，通过监控设备对油管标识图像进行捕捉，将获取的图像经过预处理，包括对图像的平滑、滤波、边缘检测、二值化等，最后成功读取标识码，对油管的身份进行识别，再由传输装置将油管自动分拣到相应的矿区，对于不能识别的标识码再通过人工干预完成。2.1 标识设计和制作首先给每一根油管附加一个身份标识。根据油管的实际长度和参考标识制作要求，在标识码两侧各制作一个“回”型定位标识符，“回”型定位标识符是用于系统检测及定位油管标识码位置，便于系统后期读取标识码，中间标识码是采用类似于条形码符号的具有一定宽度的刻道来表示，并且制作的标识码的宽度与“回”型标识的边宽相等，宽度都为2mm，整个标码区长度为72mm，中间区域为20位的二进制标识码，标识码总长度为40mm，具体标识制作设计如下图所示：图1 油管标识码的设计图2.2图像获取并识别通过上述方法将油管进行标识后，可利用监控设备在作业现场对油管进行实时监控，并根据设定的算法从监控画面中捕捉包含油管标识信息的图像，并自动传输到计算机系统中进行存储，再利用图像识别系统对油管标识图片进行识别。基于数字图像处理技术，利用Java语言开发