摘要：目前分布式控制系统的画面组态主要依赖人工完成，工作量大且重复性高，本文提出了一种将图像识别技术应用于自动生成组态画面的方法。利用图像模板匹配技术来识别管道仪表图中的各个图符的坐标和类型，结合图像边缘检测技术和所提的管线检测算法来获取管线两端点的坐标，利用图像文字区域检测和光学文字识别技术来识别各个图符所属的编号位置和内容，从而按照组态软件存储格式转换生成组态画面文件。实验结果表明所提方法的有效性，可大幅度节省人工成本，为批量生成组态画面提供了一套有效解决方案。

关键词：模板匹配；管线检测；编号识别；组态画面

中图分类号 ：TP391 文献标识码：A

文章编号：1009-3044（2019）11-0178-03

Abstract： At present， the screen configuration of distributed control system（DCS） mainly relies on manual work. The workload is large and the repeatability is high. This paper proposes an intelligent method of applying image recognition technology to automatic screen configuration. The image template matching technology is used to identify the coordinates and type of each icon in the pipeline instrument diagram. The image edge detection technology and the proposed pipeline detection algorithm are used to obtain the coordinates of the pipeline. The image text area detection technology and the optical character recognition technology are used to identify the position and content of icon code. Finally the configuration screens are automatically generated according to the configuration software storage format. The experimental results show that the proposed method is effective， which can save large labor costs and provide an effective solution for batch generation of configuration screens.

Key words： template matching； pipeline detection； code recognition； configuration screen

目前在分布式控制系統（DCS）的工程组态中，需要工程人员按照管道仪表流程图（P&ID）进行图符查找、图符拖拽、管道连接、编号输入等操作，来组态工艺流程监控画面，其中图符在组态画面中的位置往往需要反复调整，来逼近P&ID图的布局。一个大型工程组态通常有上百幅画面需要绘制，工作重复繁琐，耗时费力[1]。目前，P&ID设计文件通常由Visio或者AutoCAD绘制，尚未有DCS组态软件支持所有P&ID设计文件的自动转换，各个厂商的组态软件生成的画面文件也不支持相互转换。如DCS系统升级增加制造执行系统（MES），两家系统对画面文件不兼容时，工程人员只能再组态一次监控画面。组态软件对任何文件格式P&ID图的批量导入支持是亟需解决的问题。本文利用图像识别技术，从P&ID设计文件转换成的图片中识别出仪表图符位置、管道位置以及图符编号，批量生成组态画面静态信息文件，可大大节约工程耗时。

本文所提的DCS组态画面批量生成流程包括图片预处理、图符识别、管线识别、编号识别。首先进行图片预处理，从P&ID图片中选取组态画面所需的区域，除图例和标题栏，并进行图片灰度化，降低后期图片处理复杂度。

1 图符识别

图符是指基于工业标准的工艺流程图图形符号，包括设备、阀门、导航符等，是组态画面中的基本元素。如图1所示。画面组态中比较耗时的一项工作便是从组态软件的图符库中挑选相应的图符到合适的位置上。

模板匹配是图像目标检测领域中的一个重要方法，可以利用该方法来识别PI&D图中各个图符的位置和类型，该方法主要是通过计算被匹配图像与模板之间的相关度，根据最大或者最小相关值所在位置，确定目标的位置。相对于特征匹配法，模板匹配法对目标的要求较少，易于实现，在裂纹识别、地震检测、车牌识别、松木板识别等领域都有较广的应用[2-5]。一套P&ID设计文件中各个仪表符号的大小是固定的，从设计文件中截取图像来制备模板，使得模板和设计文件中的图符具有相同的尺寸和方向，利用模板匹配方法来获取各个图符的位置和类型可以具有较高的正确率。

模板匹配算法有多种，本文选用了误判率较低的归一化相关系数匹配法（CV_TM_CCOEFF_NORMED）进行多模板匹配[6]，相关系数大于相关阈值时的搜索窗口位置决定了模板图像在待匹配图像中的位置。当模板匹配结果偏多时则调高该模板的相关阈值，反之，则调低该阈值。

2 管线识别

组态画面中的管道符号由水平直线和垂直竖线表示，各条管道会有长度拉伸和宽度变化，不像仪表图符一样大小固定，模板匹配法在管线识别方面不再适用。Canny算法是提取图像边缘的最流行的算法之一，该算法在非极大抑制的结果中去除假边缘保留真边缘，同时又能让保留的边缘尽量连贯真实，轮廓更明显[7-8]。本文提出的管线识别方法首先利用Canny算法进行边缘检测，获得图片中所有图符、管道、编号的边缘。然后根据图符识别所获取的图符位置，去除图符所占范围内的边缘线，再通过去除小于直线长度低限阈值的直线，来消除图符编号的边缘，可获得管道边缘线图。

此时的边缘线图中，每条管道上至少会有两条边缘线，而且可能会由很多条直线断续拼接组成，需要获取每条直线的首尾端点坐标并进行直线合并处理，使得每条管道上尽量只用一条直线代表。管线分为横线和竖线，二者处理方法类似，下面仅介绍横向管线识别算法。

对边缘线图按从左到右从上到下进行逐点扫描，设被扫描到的点为（i， j），扫描到的第k条水平横线为lines_h[k]，该数组内为横线首末两个端点的坐标以及是否为一条新的横线标志位h_flag，该标志位初始值为1，设直线长度低限阈值为e0，直线合并宽度为e1，合并后的第n条直线为lines_r[n]，k和n的初始值为1。具体算法如下：

（1）如果该点值为255且h_flag=1，则更新lines_h[k]首端点坐标，设置h_flag为0；

（2）如果该点值为255且h_flag=0，则更新lines_h[k]尾端点坐标。如果下一个点值为0且下一个点不是该行最后一个点，则设置h_flag为1；如果首尾端点的距离大于e0，k=k+1；

（3）重复（1-2）步，直到扫描完所有行；

（4）设置k=1；n=1；

（5）搜索与横线lines_h[k]距离小于e1的近距离横线；

（6）设置lines_r[n]的首端点的横坐标为lines_h[k]和其近距离横线中的最小横坐标值，lines_r[n]的末端点的横坐标为lines_h[k]和其近距离横线中最大横坐标值，lines_r[n]的首末端点的纵坐标均为lines_h[k]和其近距离横线的纵坐标的平均值。k=k+1，n=n+1。

（7）重复第（5-6）步，直到合并完line_k中所有横线。

3 编号识别

P&ID图中每一个仪表、阀门、公用设备以及每张图纸都有各自的编号。如果对整幅图直接进行文字识别，正确率较低。编号识别前，首先需要进行编号定位。缩小编号识别范围，确定每个编号的位置和占用区域，有助于提高识别正确率。本文采用了以下编号定位算法：

（1）将P&ID图像进行灰度化预处理；

（2）使用Sobel算子对灰度化的图像进行边缘检测和二值化处理；

（3）对二值化图像进行腐蚀和膨胀处理；

（4）进行轮廓查找，去除掉面积较小和较窄的矩形区域。

通过以上方法，可定位出编号以及一些图符的区域。针对这些区域，利用基于OPENCV的OCR工具进行字符识别，其中没有文字的图符区域会被识别成空字符串或者乱码，需要剔除掉空字符串和0到9以及A到Z以外的字符。另外，编号识别中出现数字0和字母O容易识别混淆，数字8和字母B容易识别混淆。为提高编号检测的正确率，可根据编号规则特征做进一步的字符校正，例如某一位固定为字母，却被识别为数字，则把该数字校正为其易混字母。

4 组态画面生成

按照上述方法，识别出的图符、管线和编号的位置均与P&ID源图尺寸相同，如果组态画面所要求的尺寸不同于P&ID图，则需要对图符、管线和编号的位置进行一定比例的矢量转换，再根据组态画面的存储格式生成画面静态信息文件。

以NicSys2000系统为例，生成的组态画面XML存储文件部分内容如下，工程人员可以在NicDraw组态软件中加载该画面文件。

5 實验结果和分析

根据以上设计方法，搭建了实验平台，所使用的计算机处理器为Intel i5-5200U，安装内存为8G。通过编写程序对某核电厂的一套P&ID设计文件进行批量处理，共处理P&ID图10张，共用时约450s，如果人工组态画面，需用时约10个小时，大大节省了人工耗时。为验证处理方法和效果，现选取其中一张P&ID图进行说明，对其裁剪后如图2所示。

对图2进行灰度化处理后，进行图符检测和管线检测，识别结果如图3所示，识别出的图符区域由黑框圈出，识别出的管线显示为红线，由图3可见，所有图符均已被识别出来，所标注的图符区域与实际相符。所有管线也被正确识别出来，并没有多余直线。结果表明所采用的模板匹配算法和管线检测算法的有效性。

通过编号定位算法对P&ID的处理，获得编号的可能存在区域，如图4所示，所有的编号区域已经被识别出。经过OCR识别，获取每个区域内的字符串。由于该套P&ID中编号长度通常为5位、9位或10位，数字代号均为3位数，字母代号均为2位或者3位，对不符合此特征的字符则进行替换或者剔除。字符校正后得到编号如图5所示，红色字符串为识别出的编号，39个编号均可被正确识别出。根据已识别出的图符、管线和编号，可以很便捷的生成组态画面静态信息文件，便于后续工程调用。

6 结束语

本文结合图像识别技术对DCS组态画面的批量生成方法進行了研究，利用图像模板匹配技术识别了P&ID图中的各个图符的坐标和类型，基于图像的边缘检测结果，提出了管线检测算法来获取管线的坐标，通过图像文字区域检测和光学文字识别技术来识别编号位置和内容。实验结果表明了所提方法的有效性。该法输入文件为P&ID的图片格式，使用上具有较好的通用性，对于大批量的画面组态，可节省大量人工耗时，为P&ID图到组态画面的转换提供了一套有效的解决方案。

参考文献：

[1] 邱华云.DCS动态流程图画面的设计及组态[J].石油化工自动化， 2004 （1）：48-50.

[2] 李勇， 高洋.基于模板匹配法的主动源地震检测方法研究[J].大地测量与地球动力学， 2017， 37（7）：752-755.

[3] 牛乾，刘桂华，康含玉.磁粉探伤钢轴表面裂纹智能识别方法研究[J].自动化仪表， 2018， 39（3）：55-59.

[4] 裴明涛， 王永杰.基于多尺度模板匹配和部件模型的车牌字符分割方法[J].北京理工大学学报， 2014， 34（9）：961-965.

[5] Erik Johansson， Tobias Pahlberg， Olle Hagman.Fast visual recognition of Scots pine boards using template matching[J].Computers and Electronics in Agriculture， 2015， 118：85-91.

[6] 张志佳， 魏信， 周自强，等.基于Kinect的典型零部件识别与定位[J].沈阳工业大学学报， 2017， 39（3）：299-303.

[7] John Canny， A Computational Approach to Edge Detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986， （8）： 679-714.

[8] 雍歧卫，喻言家. 基于无人机巡线图像的地面油气管道识别方法[J].兵器装备工程学报，2017， 38（4）：100-104.

【通联编辑：梁书】