基于OCR识别的低功耗仪表远程自助抄表终端及方法技术

本发明专利技术公开了一种基于OCR识别的低功耗仪表远程自助抄表终端及方法，所述自助抄表终端包括光学图像采集模块、OCR智能识别模块、集成电路电源管理模块、通信模块以及数据管理服务器；所述自助抄表方法步骤包括：光学图像采集模块采集所测仪表的光学图像信息，并发送至OCR智能识别模块；根据光学图像信息，OCR智能识别模块进行字符图像的预处理；根据预处理后的字符图像，OCR智能识别模块进行字符特征的提取，并将字符特征发送至数据管理服务器；数据管理服务器的OCR字符识别模块对字符特征进行识别，得到所测仪表的显示结果，并对字符特征存储和备份。本发明专利技术能够实现仪表数据的远程采集，具有低功耗、智能识别、数据远程传送以及识别率高等优点。

Low power meter remote self reading meter terminal and method based on OCR identification

The invention discloses a OCR identification of low power instrument remote meter reading terminal and method based on self, the self reading terminal comprises an optical image acquisition module, OCR intelligent integrated circuit identification module, power management module, communication module and data management server; the self reading method comprises the following steps: the optical image information, optical image acquisition module the acquisition instrument, and sent to the OCR intelligent recognition module; according to the information of optical image preprocessing, OCR intelligent recognition module according to the character of the character image; after image preprocessing, extraction of OCR intelligent recognition module of character, and character is transmitted to data management server; OCR character recognition module of data management the server for the identification of character features, showing the results measured by the instrument, and the features of characters and storage Backup. The invention can realize remote acquisition of instrument data, and has the advantages of low power consumption, intelligent identification, remote data transmission and high recognition rate.

【技术实现步骤摘要】
基于OCR识别的低功耗仪表远程自助抄表终端及方法
本专利技术涉及OCR人工神经网络字符识别
，尤其涉及一种基于OCR识别的低功耗仪表远程自助抄表终端及方法。
技术介绍
光学字符识别(OpticalCharacterRecognition，简称OCR)，是通过图像处理和模式识别技术对光学的字符进行识别，是人工智能识别技术研究和应用领域中的一个重要方向。此抄表终端的识别模块主要采用人工神经网络进行识别。人工神经网络(ArtificialNeuralNetwork,简称ANN)是一门主流的交叉学科。它是受生物神经网络系统的结构和信息处理方式的启发而发展起来的，在于探索人脑加工、存储和搜索信息的机制，弄清人脑功能的机理，以建立人类认知过程的理论。生物学家、医学家和脑科学家试图通过对神经网络的研究，推动脑科学向定量、精确和理论的系统化发展，也希望研究成果能用于临床医学，在神经医疗方面取得突破。信息处理与计算机科学研究基于这个目的，寻求一种新途径，逐渐替代人工参与并且实现真正的信息智能化。图像识别技术在航天、医药、军事、工农业等方面发挥着重要的作用。但是，传统的图像识别方法多采用人工对图像特征进行提取，这个过程存在大量的复杂与困难，而且往往耗费大量的人力。多层神经网络作为如今人工智能时代最流行的技术，由于得到各种理论的融合丰富了其发展，特别是在智能图像识别领域中具有非常高的灵活性与识别精确率。多层神经网络学习作为非监督学习的一种方式，也很好的缓解了传统的特征提取的问题，而且能够在无人参与的情况下能够自主学习，这给图像识别带来巨大的优势。基于机器视觉与多层神经网络相结合的图像识别系统，将机器视觉采集到的图像进行图像的预处理与合适的特征提取，进而让图像识别系统能够适应各种不同环境下的识别，提高适应性和准确率。基于人工神经网络的OCR字符识别技术就是这样的一项技术，它的本质上是利用高精度光学图像采集设备去捕获图像并智能地判断并识别文字字符。低功耗仪表远程自助抄表终端，采用高精度低功耗的集成电路，对仪表进行快速准确的图像采集，结合网络远程无线传输模块，将采集到的数字图像通过无线模组传输并存储到远程终端服务器，从而能够轻松获地取仪表的实际情况信息。利用这种高效的图像采集与网络远程无线传输设备，不仅保证了图像采集的快速性与稳定性，而且在适应各种不同环境的情况下，采用无人工参与识别的智能识别模块，能够大大减少了人工的参与和工作量，从而实现高效与低功耗的有效结合。
技术实现思路
为了克服现有技术存在的缺点与不足，本专利技术提供一种基于OCR识别的低功耗仪表远程自助抄表终端及方法，不仅能够实现仪表数据的远程采集，而且能够对仪表数据进行智能识别，同时实现以低功耗为主，提高系统执行的能源利用与减少待机的功耗，大幅度提高电池供电能力，具有低功耗、智能识别、数据远程传送以及识别率高等优点。本专利技术目的是提供一种基于OCR识别的低功耗仪表远程自助抄表终端，包括光学图像采集模块、OCR智能识别模块、集成电路电源管理模块、通信模块以及数据管理服务器，其中所述光学图像采集模块用于采集所测仪表的光学图像信息，并发送至所述OCR智能识别模块；所述OCR智能识别模块用于将光学图像采集模块采集的光学图像信息进行图像的预处理以及特征提取，并将处理结果信息发送至所述数据管理服务器；所述集成电路电源管理模块用于对远程自助抄表终端进行低功耗的电源管理；所述通信模块用于所述OCR智能识别模块与数据管理服务器之间的通信连接；所述数据管理服务器用于存储和备份OCR智能识别模块发送的识别信息，并识别出所测仪表的显示结果。进一步地，所述光学图像采集模块包括若干图像采集设备，所述图像采集设备分布设置于被采集仪表的不同区域，用于采集所测仪表的光学图像信息；所述图像采集设备为CMOS光学图像传感器。进一步地，所述集成电路电源管理模块包括低功耗智能处理芯片，所述低功耗智能处理芯片用于进行睡眠管理、时钟唤醒和电源管理；所述低功耗智能处理芯片采用AmbiqMicroAM1800超低功耗实时时钟芯片。进一步地，所述通信模块包括2G/3G/4G通信单元、WIFI通信单元、以太网接口单元以及蓝牙通信单元。进一步地，所述数据管理服务器包括若干OCR字符识别模块；所述OCR字符识别模块用于识别字符图像的字符特征，并识别出所测仪表的显示结果。本专利技术另一目的是提供一种基于OCR识别的低功耗仪表远程自助抄表方法，包括下述步骤：S1、光学图像采集模块采集所测仪表的光学图像信息，并发送至OCR智能识别模块；S2、根据光学图像信息，OCR智能识别模块进行字符图像的预处理；S3、根据预处理后的字符图像，OCR智能识别模块进行字符特征的提取，并将字符特征发送至数据管理服务器；S4、数据管理服务器的OCR字符识别模块对字符特征进行识别，得到所测仪表的显示结果，并对字符特征存储和备份。进一步地，所述步骤S1中的光学图像信息为模拟信息，光学图像采集模块将模拟信息转换为数字信息后发送至OCR智能识别模块。进一步地，所述步骤S2中，OCR智能识别模块采用数字图像处理技术进行字符图像的预处理，具体为：对字符图像进行去噪、图像增强和轮廓提取；其中1)图像去躁为：去除所测仪表表盘上的干扰因素，干扰因素包括水雾和灰尘；由干扰因素形成的躁声为正态噪声，使用高斯噪声来模拟，高斯随机变量Z由下式给出：其中，z表示灰度值，μ表示z的平均值或期望值，α表示z的标准差；当z服从上述分布时，其值有95％落在[(μ-2σ)，(μ+2σ)]范围内。使用中值滤波器去除高斯噪声，基本原理是把数字图像或数字序列中一点的值用该点邻域内各点的中值代换；设f(x，y)表示数字图像像素点(x，y)的灰度值，滤波窗口为A的中值滤波器可以定义为：当n为奇数时，n个数x1、x2、…、xn的中值就是按数值大小顺序处于中间的数；当n为偶数时，定义两个中间数平均值为中值；2)图像增强为：把表盘中的数字部分突显出来；图像增强采用高反差保留算法，目的是将图像中颜色、明暗反差较大两部分的交界处保留下来，图像增强的表达形式为：dst＝r*(img-Blur(img))；3)轮廓提取为：把表盘中的数字轮廓提取出来，采用的卷积算子方法，表达如下：其x向、y向的一阶偏导数矩阵，梯度幅值以及梯度方向的数学表达式为：P[i，j]＝(f[i，j+1]-f[i，j]+f[i+1，j+1]-f[i+1，j])/2Q[i，j]＝(f[i，j]-f[i+1，j]+f[i，j+1]-f[+1，j+1])/2θ[i，j]＝arctan(Q[i，j]/p[i，j])求出这几个矩阵后，就进行数字轮廓的提取。进一步地，所述步骤S3中，OCR智能识别模块采用HOG特征提取算法进行字符特征的提取，具体为：1)灰度化将字符图像进行灰度化，并归一化字符尺寸；2)采用高斯模糊和OTSU最大类间隔阈值化算法，用于降低字符图像局部的阴影和光照变化所造成的影响，并抑制噪音的干扰；3)计算字符图像每个像素的梯度，包括大小和方向，用于捕获字符图像的轮廓信息，同时进一步弱化光照的干扰；4)将字符图像划分成小Window尺寸、Block尺寸、Block步长以及cell尺寸；5)统计每个cell的梯度直方图，即可形成每个cel本文档来自技高网...

【技术保护点】
一种基于OCR识别的低功耗仪表远程自助抄表终端，其特征在于，包括光学图像采集模块、OCR智能识别模块、集成电路电源管理模块、通信模块以及数据管理服务器，其中所述光学图像采集模块用于采集所测仪表的光学图像信息，并发送至所述OCR智能识别模块；所述OCR智能识别模块用于将光学图像采集模块采集的光学图像信息进行图像的预处理以及特征提取，并将处理结果信息发送至所述数据管理服务器；所述集成电路电源管理模块用于对远程自助抄表终端进行低功耗的电源管理；所述通信模块用于所述OCR智能识别模块与数据管理服务器之间的通信连接；所述数据管理服务器用于存储和备份OCR智能识别模块发送的识别信息，并识别出所测仪表的显示结果。

【技术特征摘要】
1.一种基于OCR识别的低功耗仪表远程自助抄表终端，其特征在于，包括光学图像采集模块、OCR智能识别模块、集成电路电源管理模块、通信模块以及数据管理服务器，其中所述光学图像采集模块用于采集所测仪表的光学图像信息，并发送至所述OCR智能识别模块；所述OCR智能识别模块用于将光学图像采集模块采集的光学图像信息进行图像的预处理以及特征提取，并将处理结果信息发送至所述数据管理服务器；所述集成电路电源管理模块用于对远程自助抄表终端进行低功耗的电源管理；所述通信模块用于所述OCR智能识别模块与数据管理服务器之间的通信连接；所述数据管理服务器用于存储和备份OCR智能识别模块发送的识别信息，并识别出所测仪表的显示结果。2.如权利要求1所述的基于OCR识别的低功耗仪表远程自助抄表终端，其特征在于，所述光学图像采集模块包括若干图像采集设备，所述图像采集设备分布设置于被采集仪表的不同区域，用于采集所测仪表的光学图像信息；所述图像采集设备为CMOS光学图像传感器。3.如权利要求1所述的基于OCR识别的低功耗仪表远程自助抄表终端，其特征在于，所述集成电路电源管理模块包括低功耗智能处理芯片，所述低功耗智能处理芯片用于进行睡眠管理、时钟唤醒和电源管理；所述低功耗智能处理芯片采用AmbiqMicroAM1800超低功耗实时时钟芯片。4.如权利要求1所述的基于OCR识别的低功耗仪表远程自助抄表终端，其特征在于，所述通信模块包括2G/3G/4G通信单元、WIFI通信单元、以太网接口单元以及蓝牙通信单元。5.如权利要求1所述的基于OCR识别的低功耗仪表远程自助抄表终端，其特征在于，所述数据管理服务器包括若干OCR字符识别模块；所述OCR字符识别模块用于识别字符图像的字符特征，并识别出所测仪表的显示结果。6.一种基于OCR识别的低功耗仪表远程自助抄表方法，其特征在于，包括下述步骤：S1、光学图像采集模块采集所测仪表的光学图像信息，并发送至OCR智能识别模块；S2、根据光学图像信息，OCR智能识别模块进行字符图像的预处理；S3、根据预处理后的字符图像，OCR智能识别模块进行字符特征的提取，并将字符特征发送至数据管理服务器；S4、数据管理服务器的OCR字符识别模块对字符特征进行识别，得到所测仪表的显示结果，并对字符特征存储和备份。7.如权利要求6所述的基于OCR识别的低功耗仪表远程自助抄表方法，其特征在于，所述步骤S1中的光学图像信息为模拟信息，光学图像采集模块将模拟信息转换为数字信息后发送至OCR智能识别模块。8.如权利要求6所述的基于OCR识别的低功耗仪表远程自助抄表方法，其特征在于，所述步骤S2中，OCR智能识别模块采用数字图像处理技术进行字符图像的预处理，具体为：对字符图像进行去噪、图像增强和轮廓提取；其中1)图像去躁为：去除所测仪表表盘上的干扰因素，干扰因素包括水雾和灰尘；由干扰因素形成的躁声为正态噪声，使用高斯噪声来模拟，高斯随机变量Z由下式给出：其中，z表示灰度值，μ表示z的平均值或期望值，α表示z的标准差...

【专利技术属性】
技术研发人员：张永俊，张磊，何昌银，
申请(专利权)人：广州优库电子有限公司，
类型：发明
国别省市：广东,44