本发明专利技术公开了一种表盘读数识别的方法，涉及表盘识别技术领域；解决了现有技术工作方式的工作效率极低，也耗费了大量的人力，并且在读表的过程中会出现错读漏读等情况；该方法包括：获取多张用于模型训练的表盘图片，形成图片训练集；使用图片训练集训练目标检测初始模型，得到目标检测成熟模型；获取待检测图片，并将待检测图片传入目标检测成熟模型中，确定待检测图片的待检测区域；将待检测区域的图片传入图片识别模型中，确定机器识别结果；输出机器识别结果；实现了对非智能仪表的读数节省大量的人工成本，且在准确率提高，对环境恶略的工作环境也能按时进行读表，且对工作人员的人身安全也有一定的保证。身安全也有一定的保证。身安全也有一定的保证。
【技术实现步骤摘要】
一种表盘读数识别的方法、装置及存储介质
[0001]本申请涉及表盘识别
，尤其涉及一种表盘读数识别的方法、装置及存储介质。
技术介绍
[0002]随着科技社会的日益发展，多数的仪表，如水表、电表、燃气表等都已经改为智能控制的仪表，但在现下的社会环境中，仍旧有大量的非智能的仪表，对于这些仪表，还不能够大批量的更换智能仪表。
[0003]目前，我们对这些非智能仪表的读数还是通过人工读取的办法对大量的非智能仪表进行抄表。
[0004]这样的工作方式是的工作效率极低，也耗费了大量的人力，并且在读表的过程中会出现错读漏读等情况。
技术实现思路
[0005]本申请实施例通过提供一种表盘读数识别的方法、装置及存储介质，解决了现有技术中非智能控制仪表人工读书，工作效率低，耗费大量人力，在读表的过程中会出现错读楼度的情况等的问题，实现了接近智能对非智能表盘进行读表，节省了大量的人力，也降低了错读和漏读的概率。
[0006]第一方面，本专利技术实施例提供了一种表盘读数识别的方法、装置及存储介质，该方法包括：
[0007]获取多张用于模型训练的表盘图片，形成图片训练集；
[0008]使用所述图片训练集训练目标检测初始模型，得到目标检测成熟模型；
[0009]获取待检测图片，并将待检测图片传入所述目标检测成熟模型中，确定所述待检测图片的待检测区域；
[0010]将所述待检测区域的图片传入图片识别模型中，确定机器识别结果；
[0011]输出所述机器识别结果。
[0012]结合第一方面，在一种可能的实现方式中所述使用所述图片训练集训练目标检测初始模型，包括：
[0013]使用所述目标检测初始模型，识别出所述图片训练集中所述表盘图片上的所有含文字的区域，并标记出所述待检测区域；
[0014]获取人工对所述图片训练集中所述表盘图片上的标注的所述待检测区域，判断所述目标检测初始模型标记出的所述待检测区域与人工标注的所述待检测区域是否相同，根据判断结果优化所述目标检测初始模型；
[0015]重复上述两个步骤，直至所述目标检测初始模型能够正确标出所述待检测区域，将所述目标检测初始模型确定为所述目标检测成熟模型。
[0016]结合第一方面，在一种可能的实现方式中，所述目标检测初始模型包括BDNet模
型。
[0017]结合第一方面，在一种可能的实现方式中，所述使用所述图片训练集训练目标检测初始模型，包括：
[0018]采取可微的二值化模块来对所述目标检测初始模型进行训练；二值化的公式为：表示其中表示生成的近似二值图，P
i,j
表示分割的特征图，T
i,j
表示生成的阈值特征图，k表示放大倍数；
[0019]采用标注生成的方法，确定监测模型；
[0020]所述标注生成的方法，是使用的方式进行所述标注生成，其中，A是多边形区域的面积，r＝0.4，L是多边形的周长；
[0021]计算所述目标检测初始模型的损失函数；
[0022]所述损失函数为：L＝L
S
+α*L
b
+β*L
t
，其中α＝1.0，β＝10.0，L
s
，L
b
使用交叉熵损失函数：L
t
的损失函数为
[0023]结合第一方面，在一种可能的实现方式中，所述图片识别模型包括CRNN模型。
[0024]结合第一方面，在一种可能的实现方式中，所述确定识别结果，包括：
[0025]接收所述人工校正后的人工识别结果；所述人工识别结果由人工观察表盘以及终端接收到的所述机器识别结果后，通过所述终端提交的结果；
[0026]判断所述机器识别结果与所述人工识别结果是否相同；
[0027]若所述判断结果为否，使用所述人工识别结果和所述待检测区域的图片对所述图片识别模型进行训练。
[0028]第二方面，本专利技术实施例提供了一种表盘度读数识别装置，该装置包括：
[0029]输入单元：用于获取多张用于模型训练的表盘图片，形成图片训练集；
[0030]模型训练单元：用于使用所述图片训练集训练目标检测初始模型，得到目标检测成熟模型；
[0031]图片识别单元：用于获取待检测图片，并将待检测图片传入所述目标检测成熟模型中，确定所述待检测图片的待检测区域；
[0032]结果确定单元：用于将所述待检测区域的图片传入图片识别模型中，确定机器识别结果；
[0033]输出单元：用于输出所述机器识别结果。
[0034]结合第二方面，在一种可能的实现方式中，所述模型训练单元，具体还包括：使用所述图片训练集训练目标检测初始模型，包括：
[0035]使用所述目标检测初始模型，识别出所述图片训练集中所述表盘图片上的所有含文字的区域，并标记出所述待检测区域；
[0036]获取人工对所述图片训练集中所述表盘图片上的标注的所述待检测区域，判断所述目标检测初始模型标记出的所述待检测区域与人工标注的实施待检测区域是否相同，根据判断结果优化所述目标检测初始模型；
[0037]重复上述两个步骤，直至所述目标检测初始模型能够正确标出所述待检测区域，
将所述目标检测初始模型确定为所述目标检测成熟模型。
[0038]结合第二方面，在一种可能的实现方式中，所述模型训练单元，具体还包括：所述目标检测初始模型包括BDNet模型。
[0039]结合第二方面，在一种可能的实现方式中，所述模型训练单元，具体还包括：所述训练目标检测初始模型的识别过程包括：
[0040]采取可微的二值化模块来对所述目标检测初始模型进行训练；二值化的公式为：表示其中表示生成的近似二值图，P
i,j
表示分割的特征图，T
i,j
表示生成的阈值特征图，k表示放大倍数；
[0041]采用标注生成的方法，确定监测模型；
[0042]所述标注生成的方法，是使用的方式进行所述标注生成，其中，A是多边形区域的面积，r＝0.4，L是多边形的周长；
[0043]计算所述目标检测初始模型的损失函数；
[0044]所述损失函数为：L＝L
S
+α*L
b
+β*L
t
，其中α＝1.0，β＝10.0，L
s
，L
b
使用交叉熵损失函数：L
t
的损失函数为
[0045]结合第二方面，在一种可能的实现方式中，所述图片识别单元，具体还包括：所述图片识别模型包括CRNN模型。
[0046]结合第二方面，在一种可能的实现方式中，所述结果确定单元，具体还包括接收所述人工校正后的人工识别结果；所述人工识别结果由人工观察表盘以及终端接收到的所述机器识别结果后，通过所述终端提交的结果；
[0047]判断所述机器识别结果与所述人工识本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种表盘读数识别的方法，其特征在于，包括：获取多张用于模型训练的表盘图片，形成图片训练集；使用图片先进行训练图片分类模型，得到图像分类的成熟模型，获取到类型使用所述图片训练集训练目标检测初始模型，得到目标检测成熟模型；获取待检测图片，并将待检测图片传入所述目标检测成熟模型中，确定所述待检测图片的待检测区域；将所述待检测区域的图片传入图片识别模型中，图形识别模型同样需要训练，训练得到成熟的OCR模型，开始识别，确定机器识别结果；输出所述机器识别结果。2.根据权利要求1所述的一种表盘读数识别的方法，其特征在于，所述使用所述图片训练集训练目标检测初始模型，包括：使用所述目标检测初始模型，识别出所述图片训练集中所述表盘图片上的所有含文字的区域，并标记出所述待检测区域；获取人工对所述图片训练集中所述表盘图片上的标注的所述待检测区域，判断所述目标检测初始模型标记出的所述待检测区域与人工标注的所述待检测区域是否相同，根据判断结果优化所述目标检测初始模型；重复上述两个步骤，直至所述目标检测初始模型能够正确标出所述待检测区域，将所述目标检测初始模型确定为所述目标检测成熟模型。3.根据权利要求2所述的一种表盘读数识别的方法，其特征在于，所述目标检测初始模型包括BDNet模型。4.根据权利要求1所述的一种表盘读数识别的方法，其特征在于，所述使用所述图片训练集训练目标检测初始模型，包括：采取可微的二值化模块来对所述目标检测初始模型进行训练，二值化的公式为：表示其中表示生成的近似二值图，P
i,j
表示分割的特征图，T
i,j
表示生成的阈值特征图，k表示放大倍数；采用标注生成的方法，确定监测模型；所述标注生成的方法，是使用的方式进行所述标注生成，其中，A是多边形区域的面积，r＝0.4，L是多边形的周长；计算所述目标检测初...
【专利技术属性】
技术研发人员：侯惠明，王晔华，孙伟宏，王金发，王迪，
申请(专利权)人：大连豪云科技服务有限公司西安华信智慧数字科技有限公司，
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。