【技术实现步骤摘要】
一种基于深度学习的字轮式水表读数方法
[0001]本专利技术属于计算机视觉
，尤其涉及一种基于深度学习的字轮式水表读数方法。
技术介绍
[0002]水表是生活中最普遍且常用的水的计量仪表，直观地反映了用水量的多少。为了更加方便地读取水表数据，近些年来，部分厂商推出了智能水表，可以自动传输水表读数。然而，由于成本和维护费用较高、安装需求高等问题，现实情况下智能水表并未得到广泛普及，绝大多数使用的水表仍然是传统的字轮式水表。
[0003]传统的字轮式水表需要水表记录员人工读取数据，这其中有很多不利因素：其一，对人力资源需求量大；其二，数据读取精度受水表记录员个人状态的影响较大，容易出现漏抄、误抄等情况；其三，部分情况下，水表所处的地理位置可能不适宜人工读取。
[0004]随着计算机视觉和图像识别技术的发展，使用计算机从水表盘图像中识别用水量数据成为了可能，这样只需获得水表图像就可以通过计算机输出用水量数据，而水表图像的获得可以采用在水表附近安装摄像头或人工携带相关仪器扫描水表等方式来获得，相比于人工抄表，不...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的字轮式水表读数方法，其特征在于，该方法包括以下步骤：S1、对水表图像进行排除无关干扰因素的预处理；S2、将预处理后的水表图像输入训练获得的数字滚轮区域识别网络，获得图像数字滚轮区域的位置信息；其中，所述数字滚轮区域识别网络以yolov7网络为主体；S3、将数字滚轮区域的图像调整分辨率后输入训练获得的滚轮区域数字序列识别网络X
‑
CRNN，得到最终的水表数字序列的读数结果；其中，X
‑
CRNN以卷积循环神经网络CRNN为主体，在卷积模块中采用深度可分离卷积和残差块相结合的结构替换原有的网络架构，在循环模块中采用循环门单元GRU替换CRNN中的长短期记忆单元LSTM。2.如权利要求1所述的方法，其特征在于，在步骤S1中，所述预处理包括进行分辨率调整、灰度化、图像增强、倾斜校正。3.如权利要求2所述的方法，其特征在于，所述预处理包括以下步骤：S11、调整原始水表图像的分辨率，使其较长边的长度为640，若图像需要进行放大操作，则采用双三次插值法，反之则采用区域插值法；S12、用加权平均值法对已调整过分辨率的水表图像进行灰度化处理；S13、对所得的灰度图像进行直方图均衡化处理，提高图像对比度；S14、对经直方图均衡化处理后的图像进行双边滤波操作，达到平滑去噪的目的；S15、采用基于Canny算子的边缘检测方法检测图像的边缘，然后用Hough直线检测识别出数字滚轮区域的横向边缘，根据该条直线的倾斜程度，将水表图像围绕图像中心点旋转相同角度，完成倾斜校正...
【专利技术属性】
技术研发人员：姬磊，陈立全，唐敏，王怡乐，
申请(专利权)人：南京畅洋科技有限公司，
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。