电表读数识别方法、装置、电子设备和存储介质制造方法及图纸

本申请提供一种电表读数识别方法、装置、电子设备和存储介质。该方法包括：获取待检测的电表图像；将待检测的电表图像输入训练好的YOLO模型，从待检测的电表图像中确定出读数区域；将待检测的电表图像输入训练好的CTPN模型，从待检测的电表图像中确定出至少一个文本区域；根据读数区域和至少一个文本区域，确定读数区域内的至少一个文本区域；利用投影法，从读数区域内的至少一个文本区域中确定电表读数文本区域；判断电表读数文本区域中是否存在小数；将电表读数文本区域的图像输入训练好的CRNN模型，确定电表读数文本区域中的数字；根据电表读数文本区域中的数字、电表读数文本区域中是否存在小数，输出电表读数识别结果。输出电表读数识别结果。输出电表读数识别结果。

【技术实现步骤摘要】
电表读数识别方法、装置、电子设备和存储介质


[0001]本申请涉及图像识别技术，尤其涉及一种电表读数识别方法、装置、电子设备和存储介质。

技术介绍

[0002]当前智能电表应用比较广泛，可以自行上传用电量数据。但仍有一些机械电表还在使用当中。
[0003]机械表无法实现用电量等数据的自动上传，仍需要人工抄表。抄表员不但需要定期完成电表数据的采集，还需要手动完成电表数据的填报和审核。在人工抄表过程中，还可能出现数据填报错误等问题，导致对机械电表的用电量数据采集的效率较低。

技术实现思路

[0004]本申请提供一种电表读数识别方法、装置、电子设备和存储介质，实现对机械电表数据的自动识别，避免人工数据填报错误等问题，提高机械电表用电量数据采集的效率。
[0005]第一方面，本申请提供一种电表读数识别方法，包括：
[0006]获取待检测的电表图像；
[0007]将所述待检测的电表图像输入训练好的YOLO模型，从所述待检测的电表图像中确定出读数区域；
[0008]将所述待检测的电表图像输入训练好的CTPN模型，从所述待检测的电表图像中确定出至少一个文本区域；
[0009]根据所述读数区域和所述至少一个文本区域，确定所述读数区域内的至少一个文本区域；
[0010]利用投影法，从所述读数区域内的至少一个文本区域中确定电表读数文本区域；
[0011]判断所述电表读数文本区域中是否存在小数；
[0012]将所述电表读数文本区域的图像输入训练好的CRNN模型，确定所述电表读数文本区域中的数字；
[0013]根据所述电表读数文本区域中的数字、所述电表读数文本区域中是否存在小数，输出电表读数识别结果。
[0014]可选的，所述方法还包括：
[0015]预先采集多张电表图像样本；
[0016]对每张所述电表图像样本的读数区域进行标注，构建YOLO训练数据集；
[0017]利用YOLO训练数据集，基于YOLO预训练模型进行训练，得到训练好的YOLO模型。
[0018]可选的，所述将所述待检测的电表图像输入训练好的CTPN模型，从所述待检测的电表图像中确定出至少一个文本区域，包括：
[0019]将所述待检测的电表图像的像素值缩小到1200*1200以下，得到缩放后的电表图像；
[0020]将所述缩放后的电表图像输入训练好的CTPN模型，从所述缩放后的电表图像中确定出至少一个文本区域。
[0021]可选的，所述根据所述读数区域和所述至少一个文本区域，确定读数区域内的至少一个文本区域，包括：
[0022]根据所述读数区域的坐标分布、所述至少一个文本区域的坐标分布，确定位于所述读数区域内的至少一个文本区域。
[0023]可选的，所述利用投影法，从所述读数区域内的至少一个文本区域中确定电表读数文本区域，包括：
[0024]对所述读数区域的图像进行灰度化处理，得到所述读数区域的灰度图；
[0025]调整所述读数区域的灰度图的亮度和对比度，得到所述读数区域的灰度高亮图；
[0026]对所述读数区域的灰度高亮图进行二值化，得到所述读数区域的二值图；
[0027]针对所述读数区域的二值图，分别记录每行的黑色像素的点数和每列的黑色像素的点数；
[0028]根据黑色像素的点数最多的行和黑色像素的点数最多的列，对所述读数区域的二值图进行分割，得到完整的电表读数文本区域。
[0029]可选的，所述判断所述电表读数文本区域中是否存在小数，包括：
[0030]将电表读数文本区域的图像从RGB空间转到HSV空间，得到HSV图像；
[0031]统计HSV图像的面积和HSV图像中红色区域的面积；
[0032]若红色区域的面积占HSV图像的面积的比值大于等于预设值，则确定所述电表读数文本区域中存在小数。
[0033]可选的，所述方法还包括：
[0034]采集电表图像样本；
[0035]对每张所述电表图像样本中读数区域的数字进行标注，构建CRNN训练数据集；
[0036]利用CRNN训练数据集，进行模型训练，得到训练好的CRNN模型。
[0037]第二方面，本申请提供一种电表读数识别装置，包括：
[0038]获取模块，用于获取待检测的电表图像；
[0039]读数区域确定模块，用于将所述待检测的电表图像输入训练好的YOLO模型，从所述待检测的电表图像中确定出读数区域；
[0040]文本区域确定模块，用于将所述待检测的电表图像输入训练好的CTPN模型，从所述待检测的电表图像中确定出至少一个文本区域；
[0041]电表读数文本区域确定模块，用于根据所述读数区域和所述至少一个文本区域，确定所述读数区域内的至少一个文本区域；利用投影法，从所述读数区域内的至少一个文本区域中确定电表读数文本区域；
[0042]小数判别模块，用于判断所述电表读数文本区域中是否存在小数；
[0043]读数模块，用于将所述电表读数文本区域的图像输入训练好的CRNN模型，确定所述电表读数文本区域中的数字；
[0044]电表读数输出模块，用于根据所述电表读数文本区域中的数字、所述电表读数文本区域中是否存在小数，输出电表读数识别结果。
[0045]可选的，所述装置还包括YOLO模型训练模块，用于：
[0046]预先采集多张电表图像样本；
[0047]对每张所述电表图像样本的读数区域进行标注，构建YOLO训练数据集；
[0048]利用YOLO训练数据集，基于YOLO预训练模型进行训练，得到训练好的YOLO模型。
[0049]可选的，所述文本区域确定模块在将所述待检测的电表图像输入训练好的CTPN模型，从所述待检测的电表图像中确定出至少一个文本区域时，具体用于：
[0050]将所述待检测的电表图像的像素值缩小到1200*1200以下，得到缩放后的电表图像；
[0051]将所述缩放后的电表图像输入训练好的CTPN模型，从所述缩放后的电表图像中确定出至少一个文本区域。
[0052]可选的，所述电表读数文本区域确定模块在根据所述读数区域和所述至少一个文本区域，确定读数区域内的至少一个文本区域时，具体用于：
[0053]根据所述读数区域的坐标分布、所述至少一个文本区域的坐标分布，确定位于所述读数区域内的至少一个文本区域。
[0054]可选的，所述电表读数文本区域确定模块在利用投影法，从所述读数区域内的至少一个文本区域中确定电表读数文本区域时，具体用于：
[0055]对所述读数区域的图像进行灰度化处理，得到所述读数区域的灰度图；
[0056]调整所述读数区域的灰度图的亮度和对比度，得到所述读数区域的灰度高亮图；
[0057]对所述读数区域的灰度高亮图进行二值化，得到所述读数区域的二值图；
[0058]针对所述读数区域的二值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电表读数识别方法，其特征在于，包括：获取待检测的电表图像；将所述待检测的电表图像输入训练好的目标检测YOLO模型，从所述待检测的电表图像中确定出读数区域；将所述待检测的电表图像输入训练好的文字检测CTPN模型，从所述待检测的电表图像中确定出至少一个文本区域；根据所述读数区域和所述至少一个文本区域，确定所述读数区域内的至少一个文本区域；利用投影法，从所述读数区域内的至少一个文本区域中确定电表读数文本区域；判断所述电表读数文本区域中是否存在小数；将所述电表读数文本区域的图像输入训练好的卷积神经网络CRNN模型，确定所述电表读数文本区域中的数字；根据所述电表读数文本区域中的数字、所述电表读数文本区域中是否存在小数，输出电表读数识别结果。2.根据权利要求1所述的方法，其特征在于，还包括：预先采集多张电表图像样本；对每张所述电表图像样本的读数区域进行标注，构建YOLO训练数据集；利用YOLO训练数据集，基于YOLO预训练模型进行训练，得到训练好的YOLO模型。3.根据权利要求1或2所述的方法，其特征在于，所述将所述待检测的电表图像输入训练好的CTPN模型，从所述待检测的电表图像中确定出至少一个文本区域，包括：将所述待检测的电表图像的像素值缩小到1200*1200以下，得到缩放后的电表图像；将所述缩放后的电表图像输入训练好的CTPN模型，从所述缩放后的电表图像中确定出至少一个文本区域。4.根据权利要求1或2所述的方法，其特征在于，所述根据所述读数区域和所述至少一个文本区域，确定所述读数区域内的至少一个文本区域，包括：根据所述读数区域的坐标分布、所述至少一个文本区域的坐标分布，确定位于所述读数区域内的至少一个文本区域。5.根据权利要求1或2所述的方法，其特征在于，所述利用投影法，从所述读数区域内的至少一个文本区域中确定电表读数文本区域，包括：对所述读数区域的图像进行灰度化处理，得到所述读数区域的灰度图；调整所述读数区域的灰度图的亮度和对比度，得到所述读数区域的灰度高亮图；对所述读数区域的灰度高亮图进行二值化，得到所述读数区域的二值图；针对所述读数区域的二值图，分别记录每行的黑色像素的点数和每列的黑色像素的点数；根据黑色像素的点数最多的行和黑色像素的点数...

【专利技术属性】
技术研发人员：刘权，刘贤松，欧大春，杨飞虎，石旭荣，佘士钊，高有利，张硕伟，郑敏之，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：