自动定位和读取天然气仪表读数的方法技术

本公开揭示了自动定位和读取天然气仪表读数的方法

【技术实现步骤摘要】
自动定位和读取天然气仪表读数的方法、装置及电子设备


[0001]本公开属于深度学习
，具体涉及自动定位和读取天然气仪表读数的方法
、
装置及电子设备
。

技术介绍

[0002]目前，天然气仪表读数通常基于工作人员手动抄写来完成，但是人工读取天然气仪表的读数存在读数准确性不高
、
读数周期较长等问题
。
为解决该问题，现有方法通过采用传统的光学字符识别技术来自动获取天然气仪表读数，传统的光学字符识别技术主要是使用数码相机来对待识别读数区域进行拍摄，然后使用传统的计算机识别技术来对读数区域内的读数进行检测和识别，但由于这些传统的计算机视觉技术的阈值是根据特定场景设置的，当光照等因素改变后，会导致读数效率低
、
准确性差以及鲁棒性不好
。
近年来，基于深度学习的技术快速发展，其通过反向传播可以构建出来在各种场景下都可以对天然气仪表读数识别效果很好的模型
。
因此，需要一种更高效
、
准确的自动化解决方案
。

技术实现思路

[0003]针对现有技术中的不足，本公开的目的在于提供一种天然气仪表自动读数方法，该方法基于深度学习构建的识别模型自动定位和读取天然气仪表读数，能够实现对天然气仪表读数区域的自动检测和识别
。
[0004]为实现上述目的，本公开提供以下技术方案：
[0005]一种自动定位和读取天然气仪表读数的方法，包括以下步骤：
[0006]S100
：采集待识别天然气仪表的图像；
[0007]S200
：对所采集的天然气仪表图像进行预处理，以获得预处理后的天然气仪表图像；
[0008]S300
：将预处理后的天然气仪表图像输入天然气仪表读数区域定位模型，以获得仪表上的读数区域；
[0009]其中，所述天然气仪表读数区域定位模型包括特征提取网络，特征提取网络包括多个连续堆叠的特征提取层，以分别提取输入图像包含浅层到深层的图像特征；所述天然气仪表读数区域定位模型还包括特征融合网络，特征融合网络通过设置特征传递路径，以使浅层特征易于向深层传播；
[0010]S400
：将仪表上的读数区域输入天然气仪表读数识别模型，以获取待识别天然气仪表的天然气使用量
。
[0011]优选的，步骤
S200
中，所述对所采集的天然气仪表图像进行预处理包括以下方法：
[0012]S201
：采用尺度归一化方法将所采集的天然气仪表图像的尺寸进行归一化；
[0013]S202
：采用零均值归一化方法将尺寸归一化后的天然气仪表图像的
RGB
分量进行归一化
。
[0014]优选的，步骤
S300
中，所述天然气仪表读数区域定位模型还包括读数区域位置解
码器
。
[0015]优选的，步骤
S300
中，所述天然气仪表读数区域定位模型通过以下方法训练：
[0016]S301
：构建天然气仪表图像数据集，对数据集进行数据增强后划分为训练集和测试集；
[0017]S302
：设置训练参数，利用训练集对定位模型进行训练，训练策略设置为线性预测策略，当达到最大训练次数后，定位模型训练完成；
[0018]S303
：利用测试集对训练后的定位模型进行测试，当定位模型对天燃气仪表读数区域定位精度达到
0.98
或以上时，测试通过；否则修改训练参数重新对定位模型进行训练
。
[0019]优选的，步骤
S400
中，所述天然气仪表读数识别模型包括：特征提取网络
、
特征序列提取网络和序列特征转录器
。
[0020]优选的，步骤
S400
中，所述天然气仪表读数识别模型通过以下方法训练：
[0021]S401
：构建天然气仪表读数区域数据集，对数据集进行数据增强后划分为训练集和测试集；
[0022]S402
：设置训练参数，利用训练集对识别模型进行训练，训练策略设置为线性预测策略，当达到最大训练次数后，识别模型训练完成；
[0023]S403
：利用测试集对训练后的识别模型进行测试，当识别模型对天燃气仪表读数区域的读数识别准确度达到
0.95
或以上时，测试通过；否则修改训练参数重新对识别模型进行训练
。
[0024]本公开还提供一种天然气仪表读数识别装置，包括：
[0025]采集模块，用于采集待识别天然气仪表的图像；
[0026]预处理模块，用于对所采集的天然气仪表图像进行预处理，以获得预处理后的天然气仪表图像；
[0027]定位模块，用于将预处理后的天然气仪表图像输入天然气仪表读数区域定位模型，以获得仪表上的读数区域；
[0028]其中，所述天然气仪表读数区域定位模型包括特征提取网络，特征提取网络包括多个连续堆叠的特征提取层，以分别提取输入图像包含浅层到深层的图像特征；所述天然气仪表读数区域定位模型还包括特征融合网络，特征融合网络通过设置特征传递路径，以使浅层特征易于向深层传播；
[0029]识别模块，用于将仪表上的读数区域输入天然气仪表读数识别模型，以获取待识别天然气仪表的天然气使用量
。
[0030]优选的，所述预处理模块包括：
[0031]第一归一化子模块，用于采用尺度归一化方法对所采集的天然气仪表图像的尺寸进行归一化；
[0032]第二归一化子模块，用于采用零均值归一化方法将归一化后的天然气仪表图像的
RGB
分量进行归一化
。
[0033]本公开还提供一种电子设备，包括：
[0034]存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，
[0035]所述处理器执行所述程序时实现如前任一所述的方法
。
[0036]本公开还提供一种计算机存储介质，所述计算机存储介质存储有计算机可执行指
令，所述计算机可执行指令用于执行如前任一所述的方法
。
[0037]与现有技术相比，本公开带来的有益效果为：本公开通过构建天然气仪表读数检测和识别模型，在面对光照等因素时抗干扰性更强，模型推理速度更快，因此能够快速准确获取天然气仪表读数区域内的天然气使用量
。
附图说明
[0038]图1为本公开一个实施例提供的一种天然气仪表读数方法的流程图；
[0039]图2为本公开另一个实施例提供的天然气仪表读数检测模型的结构示意图；
[0040]图3为本公开另一个实施例提供的特征提取模块的结构示意图；
[0041]图4为本公开另一个实施例提供的
Shuffle
操作的结构示意图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种自动定位和读取天然气仪表读数的方法，其特征在于，所述方法包括以下步骤：
S100
：采集待识别天然气仪表的图像；
S200
：对所采集的天然气仪表图像进行预处理，以获得预处理后的天然气仪表图像；
S300
：将预处理后的天然气仪表图像输入天然气仪表读数区域定位模型，以获得仪表上的读数区域；其中，所述天然气仪表读数区域定位模型包括特征提取网络，特征提取网络包括多个连续堆叠的特征提取层，以分别提取输入图像包含浅层到深层的图像特征；所述天然气仪表读数区域定位模型还包括特征融合网络，特征融合网络通过设置特征传递路径，以使浅层特征易于向深层传播；
S400
：将仪表上的读数区域输入天然气仪表读数识别模型，以获取待识别天然气仪表的天然气使用量
。2.
根据权利要求1所述的方法，其特征在于，步骤
S200
中，所述对所采集的天然气仪表图像进行预处理包括以下方法：
S201
：采用尺度归一化方法将所采集的天然气仪表图像的尺寸进行归一化；
S202
：采用零均值归一化方法将尺寸归一化后的天然气仪表图像的
RGB
分量进行归一化
。3.
根据权利要求1所述的方法，其特征在于，步骤
S300
中，所述天然气仪表读数区域定位模型还包括读数区域位置解码器
。4.
根据权利要求1所述的方法，其特征在于，步骤
S300
中，所述天然气仪表读数区域定位模型通过以下方法训练：
S301
：构建天然气仪表图像数据集，对数据集进行数据增强后划分为训练集和测试集；
S302
：设置训练参数，利用训练集对定位模型进行训练，训练策略设置为线性预测策略，当达到最大训练次数后，定位模型训练完成；
S303
：利用测试集对训练后的定位模型进行测试，当定位模型对天燃气仪表读数区域定位精度达到
0.98
时，测试通过；否则修改训练参数重新对定位模型进行训练
。5.
根据权利要...

【专利技术属性】
技术研发人员：贺亮，刘云川，李劲涛，赵怡恒，
申请(专利权)人：重庆泓宝科技股份有限公司，
类型：发明
国别省市：