本发明专利技术公开了一种用于电能表识别的图像识别方法，包括获取具有计量电能表显示屏的图像；对所述图像进行用于图像反光畸变校正的预处理；进行文本检测，识别定位预处理后的图像的文本区域；进行关注文本区域的文字信息识别；进行版面分析，进行版面中不同元素对应的数字信息识别；进行NER检测过滤，获取图像中的实体数据；展示实体数据。该方法通过对图像进行用于图像反光畸变校正的预处理，使本发明专利技术图像识别结果更加准确。本发明专利技术方法采用Fast R‑CNN方法进行版面分析，可以快速准确定位和分类版面中的不同元素例如文字、图表、图片等。
【技术实现步骤摘要】
本专利技术属于图像识别，尤其涉及一种用于电能表识别的图像识别方法。
技术介绍
1、传统的电表识别方式主要依赖于人工抄表和简单的数字图像处理技术。这些方法尽管已经广泛应用，但存在效率低、准确性不高和人工成本高等问题。
2、人工抄表，抄表员定期访问每个用户的家庭或商业场所，手动读取电表上的数字并记录下来。抄表员来到用户的电表位置，观察电表上的读数。机械电表通常具有旋转指针或滚动数字显示。抄表员将观察到的读数手动记录在抄表本或移动设备上。这一步容易受人为错误影响，例如抄错数字或遗漏读数。将手动记录的数据输入到公司的计费系统中。这通常需要将纸质记录转换为电子格式，进一步增加了出错性。
3、随着科技的发展，图像识别技术开始应用于电表读数的自动化处理中。传统的电表图像识别主要包括以下几个步骤：使用摄像设备（如手机摄像头、专用摄像设备）拍摄电表的图像。图像质量直接影响后续识别的准确性，因此需要确保图像清晰、无反光和遮挡。图像预处理：对采集的图像进行预处理，包括灰度化、二值化、去噪和边缘检测。灰度化将彩色图像转换为灰度图像，简化了处理难度；二值化则将灰度图像转换为只有黑白两色的图像，从而突出电表上的数字。数字区域分割：通过投影分析、连通域分析等方法，将电表上的数字区域从背景中分离出来。投影分析通过分析图像的水平和垂直投影，找到数字区域的边界；连通域分析则识别图像中相连的像素区域。
技术实现思路
1、为解决现有技术存在的问题，本专利技术提出一种用于电能表识别的图像识别方法。</p>2、本专利技术的技术方案如下：
3、本专利技术的技术方案如下：
4、一种用于电能表识别的图像识别方法，包括：
5、步骤1）获取具有计量电能表显示屏的图像；
6、步骤2）对所述图像进行用于图像反光畸变校正的预处理；
7、步骤3）进行文本检测，识别定位预处理后的图像的文本区域；
8、步骤4）进行关注所述文本区域的文字信息识别；
9、步骤5）进行版面分析，进行版面中不同元素对应的数字信息识别；
10、步骤6）进行ner检测过滤，获取图像中的实体数据；
11、步骤7）展示所述实体数据。
12、进一步地，步骤2）的具体方法包括：
13、2-1）对图像进行标准化图像大小的标准化处理；
14、2-2）对标准化处理后的图像进行将将彩色图像转化为灰度图像的灰度化处理；
15、2-3）对灰度化处理后的图像进行将灰度图像转换为黑白两色图像的二值化处理；
16、2-4）对二值化处理后的图像进行消除图像中的干扰信息的噪声去除处理；
17、2-5）对噪声去除处理后的图像进行用于识别图像中的轮廓和关键区域的边缘检测；
18、2-6）对边缘检测后的图像进行图像反光畸变校正处理。
19、进一步地，步骤3）的具体方法如下：
20、采用预先训练完成的cnn卷积神经网络结合canny边缘检测算法进行进行文本检测，识别定位预处理后的图像的文本区域；
21、进一步地，所述cnn卷积神经网络通过反向传播和优化算法自动调整网络权重，以最小化预测结果与真实标签之间的差距，具体训练方法如下：
22、获取大量有计量电能表显示屏的图像并作为样本，形成样本数据集；所述样本数据集包含多种类型的电能表和电能表计量文字，以便cnn卷积神经网络能够学习到不同的书写风格、字体、光照条件以及背景复杂度等；
23、对样本进行用于图像反光畸变校正的预处理，并对样本进行数据增强以增加网络模型的泛化能力，使其适合后续的分析步骤；
24、对样本数据集中样本进行文本区域标注，获取样本数据集中每一样本对应的标签；
25、以样本数据集中每一样本对应的标签训练cnn卷积神经网络，直至满足设定的要求。
26、进一步地，所述 canny边缘检测算法包括：
27、高斯滤波：首先应用高斯滤波器来平滑图像；
28、边缘检测：计算预处理后的图像在x和y两个方向上的梯度强度和方向；
29、非极大值抑制：在每个可能的边缘点周围应用一个局部最大值测试，保留局部最大值，去除局部最小值和局部极小值，来消除冗余的边缘响应；
30、双阈值检测：基于计算出的梯度强度，使用两个预设的阈值，分别保留强边缘和弱边缘；
31、链式结构连接：通过连接相邻的边缘点形成边缘链，去除孤立的点和短链，保留长链，以确定最终的边缘。
32、进一步地，步骤 4）的具体方法包括：
33、采用san空间注意力机制对所述文本区域进行加权并提取文字信息；采用star-net网络架构处理文本区域的空间变形。
34、进一步地，步骤5）的具体方法包括：
35、采用fast r-cnn网络模型对定位和分类版面中的不同元素；
36、首先进行板面特征提取：使用一个预训练的卷积神经网络作为基础网络，对输入的整个版面图像进行板面特征提取；
37、再进行区域提议：通过region proposal network子网络生成可能的物体边界框；
38、然后进行特征向量提取与分类：对于每个区域，在其上执行一个固定大小的卷积池化操作，提取局部特征，即特征向量；再提取的局部特征被送入全连接层进行分类和边界框的调整；通过softmax函数，模型预测每个区域属于不同类别的概率，同时通过回归网络微调边界框的位置；将不同区域转化为特征向量；
39、最后进行数字识别：在特征向量提取与分类的基础上，使用模式识别算法对提取到的特征向量进行分类，从而识别出数字。
40、进一步地，所述实体数据包括用电量、号码、用电量时段和条形码。
41、相比于现有技术本专利技术具有如下有益效果：
42、本专利技术提出一种用于电能表识别的图像识别方法，该方法通过对图像进行用于图像反光畸变校正的预处理，解决了现有方法获取的图像存在大量曝光过度、反光等问题，使本专利技术图像识别结果更加准确。
43、本专利技术方法采用fast r-cnn方法进行版面分析，可以快速准确定位和分类版面中的不同元素例如文字、图表、图片等，提高技术人员的效率提高并使图像识别结果更加准确。
44、本专利技术方法利用人工智能ocr（optical character recognition，光学字符识别）技术实现电力系统各计量业务应用场景下计量电能表信息的智能识别、智能提取、智能维护，可有效减轻业务人员工作压力，提高人力资源效率，将业务人员从繁琐的录入校验工作中解脱出来，投身于更有意义的工作。该方法为用户提供非结构化数据的智能化采集，健全对业务数据的收集、治理、分析和利用机制，进一步推动业务管理从“精准反映”、“管理精益”到“数字化管理”的迈进。
本文档来自技高网...
【技术保护点】
1.一种用于电能表识别的图像识别方法，其特征在于，包括：
2.根据权利要求1所述的用于电能表识别的图像识别方法，其特征在于，步骤2）的具体方法包括：
3.根据权利要求2所述的用于电能表识别的图像识别方法，其特征在于，步骤3）的具体方法如下：
4.根据权利要求3所述的用于电能表识别的图像识别方法，其特征在于，
5. 根据权利要求4所述的用于电能表识别的图像识别方法，其特征在于，所述 Canny边缘检测算法包括：
6. 根据权利要求5所述的用于电能表识别的图像识别方法，其特征在于，步骤 4）的具体方法包括：
7.根据权利要求6所述的用于电能表识别的图像识别方法，其特征在于，步骤5）的具体方法包括：
8.根据权利要求7所述的用于电能表识别的图像识别方法，其特征在于，所述实体数据包括用电量、号码、用电量时段和条形码。
【技术特征摘要】
1.一种用于电能表识别的图像识别方法，其特征在于，包括：
2.根据权利要求1所述的用于电能表识别的图像识别方法，其特征在于，步骤2）的具体方法包括：
3.根据权利要求2所述的用于电能表识别的图像识别方法，其特征在于，步骤3）的具体方法如下：
4.根据权利要求3所述的用于电能表识别的图像识别方法，其特征在于，
5. 根据权利要求4所述的用于电能表识别的图...
【专利技术属性】
技术研发人员：陈刚，马莉娟，沈娜娜，欧志洪，周融，栾婷，胡德安，陈永，朱静，
申请(专利权)人：江苏电力信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。