（江西铜业集团有限公司 贵溪冶炼厂，江西 贵溪 335424）
天然气计量撬作为标定天然气压力值、流量值
的标准计量器具，对天然气计量撬信息的掌控将直接关系着日常铜业冶炼生产的安全问题。由于天然气计量撬一般安置在厂区工业大型设备的附近，传统获取的方式为人员巡查并手工记录并上传电脑形成记录，耗时耗力，人工成本和作业效率低下。针对这一问题，基于图像识别的方法，作为最直观改进作业方式的手段，完全可以实现远程智能获取天然气计量撬的信息，提高生产的作业效率，替代传统人工抄表的模式。
（1）
对数字式测量仪器实验数据图像进行预处理的基础上，利用灰度投影直方图实现字符分割，进而采用卷积神经网络实现字符识别［1］，该方法实现实验数据的实时采集，该方法只适用于单目标环境稳定的场景应用。
（2）针对单一的神经网络难以识别模糊的车牌字符, 提出了一种混合神经网络实现车牌字符识别技术［2-3］。该混合神经网络结合联想记忆与BP 神经网络, 对输入的字符进行两次判别, 经过训练、特征提取得到检测结果。通过在不同的噪声和不同的角度实验表明, 采用混合神经网络具有更高的识别精度。
（3） 针对列车运行监控装置（LKJ）的用户交互设备人机界面（DMI）单元信息识别场景，设计出一种基于点阵对比方式的字符识别方法,来对DMI 图像中的字符做识别［5］，识别的结果提供给系统校验程序使用，该算法复杂，实时性较差。一种图像识别系统与远传技术的应用研究
（4）针对中文字符的相关性提出一种词汇信息的半
球处理机制，实现对中文字符识别的准确获取［4］。
综合上述分析，图像识别技术在手写字符、车牌字符、电子界面的字符、中文字符印刷体等领域应用十分广泛，利用基于图像识别技术，通过对图像进行滤波去噪，纹理加强，轮廓提取，特征匹配等一系列处理，实现对天然气计量撬的信息识别。
在贵溪冶炼厂二系统电解厂房的天然气计量撬
的监测地点，通过安置一架高清摄像头，对人机界面进行实时图像抓拍；网络摄像机利用RJ45 接口与光纤收发器连接，通过光纤传输介质将光纤接入光纤接线盒，光纤收发器将光纤信号进行调制接入监测服务器；信息处理服务器在接收到图像信息
后，先对图像进行预处理及图形分割，然后进行模
式识别，智能获取天然气计量撬的信息。系统提供了一个信息共享平台，将识别的信息存在局域网计算机数据库中，供办公信息内调用和实时信息处理及推送。其拓扑结构如图1 所示。
Step 1: 开始抓取天然气计量撬的界面图片，读
入内存；
Step 2: 进行自适应滤波，转化彩色图片为灰度
图片，过滤图片上的基础标记信息；
Step 3: 基于HSV 三通道建模，通过形态学梯
度检测边缘, 图像阈值化，水平方向梯度的闭运算，垂直方向闭运算等图像处理，大致检索到标量信息的方框位置；
Step 4: 对图像进行8 领域连通域检测, 获取图
像轮廓，连通区域遍历，提取标量信息的矩形区域，进行灰度转彩色，对矩形框内的图片进行深度学习训练，并进行OCR 字符识别；
Step 5 ：系统对识别结果进行逻辑判断，判定
是否识别成功，并将信息传递给其他模块进行处理与显示，休眠本次线程；
通过特点区域被架设海康威视红外高清网络摄
像机进行抓拍，抓取了大量的计量撬的图像进行深度学习实验测试，图像的抓拍的基础参数如表1 所示。
天然气计量撬信息为铜矿冶炼必须管控的重要
工作，靠人工手写记录登记，后续汇总键入电脑势
必造成检修效率低下，同时存在人员马虎记错记漏
等诸多监管不变的因素。倘若利用图像处理技术进行在线计量撬信息识别不仅能够实现现场与检修中心办公网无缝对接，而且通过抓取备份的视频图片等电子信息可以提升作业管控级别［5］。以垂直车头面小于20°进行图像提取，通过图像的尺寸缩放，灰度变换，连通域检测, 外轮廓循环, 学梯度检测边缘, 阈值化以及OCR 字符识别等一系列处理，实现计量撬信息自动识别并提取记录，结果如下图2 示, 准确的识别信息并保持记录。
计量撬信息字符识别准确性是本系统自动识别
计量撬信息可行性的重要指标。重点考虑到外界环境等因素是否对图像识别有影响，从天然气计量撬人机界面随机抓取了N=50，N=100，N=200，N=500 张天然气计量撬图片分为四组，并重复分组若干次，以随机统计样本的均值进行识别的准确度进行评估，其直方图概率密度统计图如图3 所示，图中分别统计了单一错误率和多处错误率。单一错误率主要针对识别字符信息只存在一位字符识别错误，反之，多处错误率指二处及以上错误率。观察直方图分布，可以发现随着样本的数量增多，识别准确度随着增加，这是计量撬图像样本因为数量低时，单一错误或者多次误差占总样本数量因比率过高而被放大。表2 中，选取后3 组进行均值统计，可以得出本系统当前准确度大约在94.6%。同样，对错误的图片进行分析，大都是因为光照、粉尘等因素影响，计量撬人机界面上导致的图像阈值分割处理时，其边界分割效果不理想［6］。
为了直观的了解系统在自动识别计量撬图像信
息号耗时情况，系统随机抓取了500 张计量撬图像图片，并从现场检修工龄在十年以上的工人中随机选取若干名进行计量撬信息记录。同步计时，直观的了解人工记录信息与系统自动识计量撬信息的耗时情况。如图4 所示，人工记录耗时大约是自动化识别的15 倍左右，当N=8 时，人工耗时需要8.278s，而识别系统耗时为0.512s。而且，随着记录次数的增加，人工记录时耗呈一定的增加趋势，而这种生物疲倦因素在图像自动化识别的系统中并不存在。
通过分析上述统计图，折线图及表格等信息，
基于图像自动化识别计量撬信息准确度高，时耗非常低，提高效率明显。在许多冶炼生产过程中对于各类计量撬信息的掌控，可以借助这种图像自动化识别系统，完成自动化提取信息，为后续工作简化过程，辅助人工日常化作业等。
为了进一步提高产能，对设备、工艺、流程进
行智能化工厂改造，在线检测装备仪表- 计量仪表的数据智能传输代替人工抄表成为必然趋势，采用数字图像识别方法对天然气检测装置仪表数据进行识别，然后进行远传、存储，如图5 所示，进一步上传到PI 实时数据库系统（以下简称PI 系统）平台，其它数据及应用平台再从PI 系统中读取数据，将大数据智能化。
基于图像识别天然气计量撬信息识别系统的应
用研究在技术上是可行的，系统通过非接触的高清真彩摄像机抓天然气计量撬人机界面图片，通过一系列的图像处理技术，自动化识别并记录形成电子信息，供生产管控和其他部门使用。利用数字图像识别技术对仪表数据进行自动采集，信号采集稳定可靠、使用简单方便，同时对智能化工厂大数据建设提供了必要的信息资产。
［1］ 陈月婷, 马晓, 陈丽. 一种基于视频分析的数字式测量仪器实验数据实时采集系统[J]. 计量与测试技术,2019, 46(9):35-38.
［2］ 张长青, 杨楠. 基于混合神经网络的车牌字符识别技术[J]. 电子科技,2019, 32 (9): 51-54.
［3］ 张红霞, 王灿, 刘鑫, 等. 复杂背景图像的字符识别算法研究[J]. 计算机测量与控制,2019, 27(8):162-166.
［4］ 陈宇, 杨清祥, 白鸿钧.LKJ 人机界面单元显示字符识别的方法[J].铁路计算机应用, 2019,28(8):47-51.
［5］ 田晓明, 郭明宽, 刘文耀, 等. 天然气输气系统计量撬检定方法和问题[J]. 仪器仪表标准化与计量,2016(3):45-48.
［6］ 杜菲霏, 郝欧亚, 王思桐. 基于机器学习的光学符号识别模型[J].数字通信世界, 2019(9):138.
作者简介：廖小春（1978-），男，江西新余人，工程师，主要从事计算机过程控制应用工作。
