基于图像处理技术的油管识别系统的设计与实现

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,1,2,3,4,.....,ifiN,则该像素序列进行中值滤波后，其输出结果为：'11({,,.......,,})iiriririrfMedSortffff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]。1,,0,tfijtfijfijt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语言开发了一个针对油管标识识别的系统。基本思路如下图所示：图2系统识别流程图按照以上流程第一步获取图像后，将以行为单位先进行扫描检测，依次读取行单位上的颜色值信息，若检测不在信号区域，故整体获得的颜色值变化不大，由此可判断为非信号部分，则继续进行下一行扫描检测，若扫描至有信号区域的一行，明显获得的颜色值信息会随标识区域的标码有较大变化，由此判断为标识区域，将获得的颜色值进行存储，再对其进行相应的滤波、平滑、边缘检测等图像预处理，得到比较清晰的信号图，再将处理过后的图像进行二值化处理，根据搜索的“回”型标识定位和计算像素的距离比，完成系统识别，将有信号标识刻道的设为1，无信号标识的设为0，最后由系统输出编码值，若在识别过程中当有编码损坏而不能够正确识别时则启用人工干预方式来识别。3实验处理过程针对油管分拣工作的实际需要，将根据设计方案中做好的油管样例图输入系统，经过行扫描检测后获得识别区域的原始信号图如下：图3样例图中信号区域的原始信号图因制作拍摄的油管标识样例图会有实际偏差和噪声影响，为去除噪声，提取有效特征部分，得到的信号图需要进行滤波、平滑和边缘检测等预处理，经过处理后的结果如下：图4原始信号处理后的分布图从上图可以看出处理效果较好，为使系统能够输出二进制的编码值，需再对其进行二值化处理，根据设定的宽度单位计算距离比，将油管标识中标识刻道赋值为1，无标识的单位赋值为0，根据下图所显示的二值化图像，可以明显观察出两端的“回”型标识符，经过系统定位和识别，需要读取输出的即为中间的标识编码信息，图5中可得到共20位信息编码为01010101110000100000。与之类似，其它油管信息编码的得到方式与之相同，但编码不同。图5二值化处理后的信号图为验证整个系统的运行情况和对不同油管样例图识别的可行性，选取了不同的油管样例图进行验证，结果运行良好，结果如下图：图6样例图编码输出图但在实际工作生产过程中，因油管用途不同，标识码也会有不同，并且采集的图片模糊程度不同，因此为验证系统的识别性能，也采用了两种其他标识不同的样例图进行读取，成功得到了编码识别，效果图如下：图7不同样例图的编码识别图从上述实验结论可以得出，系统对一般油管标识图都可以识别，并且识别正确，验证了系统的可行性和稳定性。4结论油管标识识别系统的研究对实现油管识别的自动化具有现实意义。本文通过正确识别油管标识码，为其后续的正确分拣至各区奠定了基础，克服了人工分所造成的分拣正确率较低的问题，同时将会给企业带来一定的效益。虽然系统实现了对一般图像编码的识别，但该系统本身也存在一定的局限性，对于特别模糊或者编码损坏较大的图像方面识别存在一些困难，如果最终仍无法识别，则通过报警系统转换为人工方式来识别，此类情况将在今后的系统运行和维护中不断改进。参考文献[1]叶新伟,杨为民,杨云,李天石.基于图像识别技术的石油钻杆管理系统研究[J].机床与液压,2004,(07):66-67+61[2]田慧卿，魏忠义.基于图像识别技术的煤岩识别研究与实现[J].西安工程大学学报,2012,(5):657-660[3]王慧英.图像识别技术在齿轮质量检测中的应用[J].中国制造业信息化,2007,(17):73-76[4]章毓晋.图像处理和分析[M].北京：清华大学出版社，1999[5]阮秋琦.数字图像处理学[M].北京：电子工业出版社，2001[6]赵群礼,周秋平.基于图像的二维条形码识别技术研究[J].合肥师范学院学报,2010,(06):57-59[7]王敏，李启堂，徐继涛,丁书斌.图像识别技术在油井射孔质量检测中的应用[J].激光与红外,2007,(3):281-284