智能电表版本分类方法技术

本发明专利技术公开了一种智能电表版本分类方法，首先识别出包含智能电表版本信息的ROI，然后对ROI进行纹理特征提取，进一步基于提取的纹理特征，通过支持向量机模型实现对智能电表版本分类；本发明专利技术基于纹理特征提取与机器学习方法相结合，不仅能够有效提升识别效率，而且能够对智能电表版本实现准确分类(准确率可达到99％以上)，从而有效提高电表版本信息录入效率，满足自动化检测要求。

【技术实现步骤摘要】
智能电表版本分类方法
本专利技术属于电表外观图像处理
，涉及基于图像纹理特征提取与SVM机器学习模型的智能电表版本分类方法，能够用于拆回电表版本的智能图像分类。
技术介绍
每年因为设备故障、功能性更换或升级、政策性拆除等原因，需要拆除并回收大量智能电表，为建立和完善拆回智能电表的质量管理体系与回收体系，从而提高智能电表使用年限、避免用户争议、改善服务质量，需统计每个智能电表型号、版本等相关参数信息。目前智能电表数据的信息录入方法仍采用人工录入数据库的方式，面临效率低下、准确率难以保证的问题。为了解决该问题，可通过建立自动化检测产线，拍摄智能电表图像，利用图像处理技术获取相关信息，从而大大提升录入效率，降低成本。然而，由于电表图像与普通图像不同，其受拍摄光照、回收条件等因素影响，拍摄得到图像呈现高杂糅的特点，包含曝光程度不同、老化程度不同、保护罩形态不同、标签贴纸干扰等复杂情况，从而导致电表版本的图像分类准确率较差。因此，为了提高智能电表分类准确率，需要一种图像分类方法，能够具有高度鲁棒性，即使在上述多种干扰因素影响下仍对智本文档来自技高网...

【技术保护点】
1.一种智能电表版本分类方法，其特征在于包括以下步骤：/nS1获取包含版本信息的智能电表灰度图像；/nS2在获取的智能电表图像上进行几何特征识别，获取若干感兴趣区域ROI；/nS3从若干ROI中提取一种以上的纹理特征向量，并将一种以上的纹理特征向量进行融合组成总纹理特征向量；/nS4将总纹理特征向量输入到训练好的支持向量机模型中，得到智能电表版本分类结果。/n

【技术特征摘要】
1.一种智能电表版本分类方法，其特征在于包括以下步骤：
S1获取包含版本信息的智能电表灰度图像；
S2在获取的智能电表图像上进行几何特征识别，获取若干感兴趣区域ROI；
S3从若干ROI中提取一种以上的纹理特征向量，并将一种以上的纹理特征向量进行融合组成总纹理特征向量；
S4将总纹理特征向量输入到训练好的支持向量机模型中，得到智能电表版本分类结果。


2.根据权利要求1所述智能电表版本分类方法，其特征在于所述步骤S2中，感兴趣区域ROI获取具体方式包括如下分步骤：
S21对智能电表图像给定中间区域进行圆形几何特征识别；
S22对识别出存在圆形几何特征的智能电表图像，分别在给定的固定位置提取若干ROI；
S23对识别出不存在圆形几何特征的智能电表图像进行直线几何特征识别，确定ROI的定位边界，根据定位边界提取相应的ROI。


3.根据权利要求2所述智能电表版本分类方法，其特征在于步骤S21中，本发明以智能电表图像水平方向的中间位置为原点，以给定像素范围为中间区域。


4.根据权利要求2所述智能电表版本分类方法，其特征在于步骤S22中，在智能电表图像中间区域以外的一侧给定位置提取一块ROI，然后在智能电表图像上距离该ROI给定间隔的位置提取另一块ROI。


5.根据权利要求2所述智能电表版本分类方法，其特征在于步骤S23...

【专利技术属性】
技术研发人员：方夏，章炜，杨苗苗，王玫，冯战，费明晖，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51