双目视觉和机器学习的拆回电能表微颗粒清洗系统

摘要

传统拆回电能表清洗采用人工、毛刷或离子吹风方式,导致污渍识别准确率不高,清洗效果不佳,因此,采用双目视觉和机器学习的方法对其进行改进。该系统以控制中心为核心,通过通信协议连接识别模块和清洗服务子系统,构建系统框架。建立双目视觉系统,对双目摄像机进行神经网络标定后采集拆回电能表图像信息,通过坐标转换和视差计算完成污渍定位。将定位结果输入卷积神经网络,通过网格划分、特征映射等操作完成拆回电能表污渍识别。在清洗服务子系统中设计清洗装置,依据污渍识别结果针对性清洗拆回电能表,完成清洗系统设计。以清洗500只电能表为例进行测试,结果表明:文中方法耗时22 min,识别误差约为10%,而且清洗后的电能表的检定效果由原来的70%提高到97%。