基于计算机视觉技术的设备状态监控系统

基于计算机视觉技术的设备状态监控系统

张晔  ,秦永昌

河南中烟工业有限责任公司黄金叶生产制造中心 河南郑州 450016

摘要：很多企业内部设备运行环境复杂，导致传统的监测设备极易损坏并且很多设备的检测只有简单的接近开关和编码器，单调的数字信息并不能全面且准确的反映出设备的实际运行状态，相较而言视觉信息能将更多的设备状态直观的展现在维护人员面前，因此需要维护人员每天去现场点检来观察设备的运行状态。但对于重点监测设备维护人员不可能24小时在现场监控，因此本文提出了一种基于计算机视觉技术的设备状态监控系统设计，通过远离设备的画面采集装置对设备的运行状态进行监控和报警。

关键词：计算机视觉技术；设备状态监控；画面采集

1 计算机视觉技术概述

1.1 技术组成

计算机视觉技术涉及的范围比较广泛，人工智能、心理物理学、图像处理学、神经生物学等均在其范围之中，其主要是通过计算机技术对生物外显或宏观视觉功能进行模拟的一项科技。其中，光照条件主要是在测量物体特征时，需要先创造条件，从而获取清晰且便于分析和处理的一类图像，图像通常是客观存在的三维物体在光线反射作用下向光电传感器投射所成的影像。因此，光照条件是满足图像要求的基本前提，需要通过光照条件获取清晰图像。图像采集方面，常用的摄像机通常属于电耦合器件，其输出图像属于模拟电信号，通过A/D转换器可将模拟电信号转换为数字信号，然后再通过平滑以及滤波等处理产生PC机能够有效分析的可利用信息。

1.2 基于计算机视觉技术的图像处理

在这一体系结构之中，Shape from X表示图像纹理、边缘点、轮廓、直线、灰度以及颜色等特征中的一种，通过该特征可以将物体三维形状进行恢复。利用摄像机可通过图像形式将需要识别的对象进行记录，经特征检测对图像基本特征进行提取，然后利用计算机图像处理技术对图像的特征进行进一步处理，对有用信息进行恢复、识别和分析，然后得出结论。在智能化农业机械之中，计算机视觉技术可以通过摄像机对农作物进行图像记录，然后提取图像特征，并借助计算机对图像进行准确识别和处理。例如，将该技术应用于农作物收获机械中，可以锁定农作物果实，准确收获果实。

2 应用技术介绍

Python语言相对于其他编程语言例如C语言或者Java语言等，是一种相对更加简单便捷的语言，适合新手开发软件，其内部已含有非常完善的代码库，包含了网络、数据库等内容，还有着丰富的第三方库，便于开发者直接调用相关程序，不用从底层开始编写。

OpenCV译名为“开源计算机视觉库”,基于开源运行的多平台通用计算机视觉库，包含多种处理图像的算法，主要用于以下领域：人机交互、物体识别、图像分区、人脸识别、动作识别、运动追踪、机器人等。

Flask是一个基于Python开发的轻量级web框架，基于Werkzeug(WSGI工具包)和Jinja2模板引擎。可以说Werkzeug和Jinja2构成了Flask应用框架的核心，也正是因为如此，使得Flask自由灵活，可扩展性强，再加上第三方库的选择面广，开发人员可以按照自己最熟练的开发经验，去结合最流行最强大的Python库来完成开发需求。相对于Django框架的大而全，其体积的轻量级带来了极好的定制性。

3设备状态监控程序设计

以视频监控的程序为例，程序主要分为三大部分：稳定监控系统，轨迹监控系统，范围监控系统。

网站读取前端输入的指定路径后，会直接将网站页面转到稳定监控系统页面，后端程序会读取指定路径视频的每一帧画面，利用“createBackgroundSubtractorMOG2()”函数建立混合高斯模型。相对于平均法，最大值最小值统计法，单高斯建模法等，混合高斯模型对画面抖动带来的干扰具有很好的应对，对缓慢移动物体的检测效果更佳。利用背景建模将前景和背景分离后，再使用“morphologyEx(InputArraysrc, op, kernel)”函数去除画面噪点。“InputArraysrc”参数为建立背景后的图像，“op”参数有腐蚀、膨胀、开操作、闭操作、梯度操作、顶帽操作、黑帽操作等，可根据现场实际情况选择合适的参数，“kernel”参数可自行填写也可以利用“getStructuringElement(shape, ksize)”函数构建，内部参数可根据实际使用效果进行修改，除此三个参数以外的皆使用系统默认参数。

稳定监控系统可以将运动中的设备从背景分离出来，左侧原图根据程序数值设定将动作幅度大的目标用绿框标出，对应为右侧图中颜色相对较亮的连续区域。由于拖链自身的运动，坑道的平整度，外加内部液压管对拖链的影响，导致横翅变形甚至脱落，通过稳定监控系统可以远程观察设备稳定运行状况，找出相对动作幅度大的进行加固修复，也可以在现场利用手机进行录像，在回到办公室后进行分析。

图像模板匹配是目标识别与跟踪的关键，图像匹配是指图像之间的比较、得到不同图像之间的相似度。程序里的模板匹配算法使用的函数为“matchTemplate(image, template, method)”,参数“image”为系统从视频源读取的一帧画面，“template”为所需要追踪的目标的画面，“method”参数有六种算法可根据现场实际使用效果进行选择。

3 计算机视觉显示系统

3.1 光场三维重构

现有广场三维重构技术与传统类型的二维显示技术进行对比，在真三维立体凸显的显示任务中需要应用到大量的复杂技术手段，从整体角度进行分析，该技术具有明显的先进优势，同时，最终展示出的像素质量更高。从具体角度出发，图像处理技术人员需要以三维数据场内任意一点为基础，成功构出一个立体化的三维空间，同时，还需要完成成像任务，在三维空间中设定基本单位，即像素点，此时的像素点信息可使用坐标(x,y,z)形式进行表示，在这样的情况下，真三维立体图像可以被视为由若干个不同的立体点共同组成的三维图像。所以，在后续光场重构过程中，借助光学引擎技术和机械运动技术即可完成最终限时任务，并保证最终显示效果可以达到理想水平。

具相关研究结果显示，借助二维投影技术对切片图像进行重构处理，不仅可以实现高速旋转的设定目标，同时还可以再次重构出新的三维光场范围，并保证区域内图像信息的清晰度和准确性。

3.2 显示系统的设计

针对现有旋转式LED点阵体三维显示系统运行情况进行分析后，可以构成新的三维立体光场，可使用的成像形式会受到限制，仅能够使用柱状形式进行表示，此时的视角水平以及分辨率水平均达不到理想状态。所以，技术人员在使用ARM处理器中的智能交互性能完成真三维显示系统制作任务的过程中，不能够以不同角度为基础观察成像信息，同时还需要尽可能提升成像图片的最终像素和分辨率，为后续图像的使用和处理奠定良好基础。

在三维环境中执行物品拍摄操作指令的过程中，需要以三维图像为基础，完成物品展示任务，在完成拍摄任务后，及时存储物体对应的成像序列，并借助视频采集技术完成图像序号信息的导入操作，并对最终需要使用的图像进行切片处理。在完成上述操作内容后，需要向视频接口再次传输经过处理后的图像数据信息聂荣，依次通过DMD控制设备、高速投影机、DLP、散射屏设备对图像信息进行系统处理，并执行投影操作。在此期间，电机设备的成功驱动，是保证图像信息最终处理速度的关键，同时也是保证转速传感器稳定运行的前提，所以，需要借助电机设备的驱动完成转台速度控制任务和对角度的探测任务，在此过程中，还需要向控制器传输自身的探测信号，达到转台控制操作的闭环效果。

结论

在智能化生产中，计算机视觉技术有着更大的前景，除了测量、检测、识别、定位等最基本的领域，在和深度学习的配合下，通过建立深度神经网络使得图像识别更上一个台阶，例如带表面缺陷检测系统、焊缝质量检测系统。随着科技的进步，未来计算机视觉技术将会和更多高新技术结合做出更大的贡献。

参考文献：

[1]王锦凯,宋锡瑾. 计算机视觉技术应用研究综述[J]. 计算机时代,2022,(10):1-4+8.

[2]刘霞. 计算机视觉技术赋能五大行业[N]. 科技日报,2022-07-04(004).

[3]李伟强,王东,宁政通,卢明亮,覃鹏飞. 计算机视觉下的果实目标检测算法综述[J]. 计算机与现代化,2022,(06):87-95.