利用Meter-YOLO模型的字轮式水表读数识别方法、系统技术方案

本发明专利技术公开了一种利用Meter‑YOLO模型的字轮式水表读数识别方法、系统，包括以下步骤：S1：采集多张不同的字轮式水表图像；S2：利用多张字轮式水表图像进行字轮式水表数据集的制作；S3：对字轮式水表数据集中的各张字轮式水表图像进行标注；S4：进一步利用字轮式水表数据集对Meter‑YOLO模型进行训练。本发明专利技术的Meter‑YOLO模型为基于YOLOv8模型的改进，本发明专利技术能够提高字轮式水表读数识别的准确率、速度、鲁棒性，更好地适应于字轮式水表的各种实际应用场景中，可以更加有效地进行字轮式水表读数的识别工作，在保障高精度的同时，也适用于资源受限的实际应用场景，为提升读数识别准确率提供了一个有效的解决方案，有效地提升检测精度且有效地减少模型误检、漏检等现象。

【技术实现步骤摘要】

本专利技术涉及字轮式水表读数识别，具体为利用meter-yolo模型的字轮式水表读数识别方法、系统。

技术介绍

1、水表是测量各行业供水量的主要仪器之一，包括住宅、宾馆、餐厅等民用行业以及广泛的工业领域。其中，机械水表大致分为两种类型：一种是具有多个表盘的指针式水表，需要读取多个表盘中指针的读数，并且需要乘上每个表盘的量程获得读数结果；另一种则是以字轮式的数字显示的方式即字轮式水表(也即字轮式机械水表)，通过读取字轮区域的数字，获得水表的当前读数。

2、对于字轮式水表的读数识别，近些年，已经有许多基于图像的自动抄表识别(amr)方法被提出，尽管传统方法对于以图像为输入数据的字轮式水表读数的检测和识别可以取得一定的成果，但是其准确率、速度和鲁棒性等方面存在局限性，在实际应用场景当中，出现的灰尘、倾斜等干扰都会对识别的结果造成较大的影响，因此达不到预期的效果。

3、此外，随着计算机算力的发展，深度学习技术也逐渐应用于字轮式水表的读数识别中，包括resnet、yolo等深度网络模型，深度学习技术通过利用复杂的网络结构学习到水表图像中的特征本文档来自技高网...

【技术保护点】

1.利用Meter-YOLO模型的字轮式水表读数识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的利用Meter-YOLO模型的字轮式水表读数识别方法，其特征在于：所述字轮式水表数据集包括有不同拍摄角度、不同亮度、不同型号的所述字轮式水表图像。

3.根据权利要求1所述的利用Meter-YOLO模型的字轮式水表读数识别方法，其特征在于：所述Meter-YOLO模型包括主干网络、特征融合结构以及检测头，所述Meter-YOLO模型的所述主干网络的末端嵌入有多尺度空洞注意力机制，所述Meter-YOLO模型利用所述主干网络提取所述字轮式水表图像的图像特征以输...

【技术特征摘要】

1.利用meter-yolo模型的字轮式水表读数识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的利用meter-yolo模型的字轮式水表读数识别方法，其特征在于：所述字轮式水表数据集包括有不同拍摄角度、不同亮度、不同型号的所述字轮式水表图像。

3.根据权利要求1所述的利用meter-yolo模型的字轮式水表读数识别方法，其特征在于：所述meter-yolo模型包括主干网络、特征融合结构以及检测头，所述meter-yolo模型的所述主干网络的末端嵌入有多尺度空洞注意力机制，所述meter-yolo模型利用所述主干网络提取所述字轮式水表图像的图像特征以输出多个不同的特征图。

4.根据权利要求3所述的利用meter-yolo模型的字轮式水表读数识别方法，其特征在于：所述meter-yolo模型的所述特征融合结构采用sl im-neck结构，所述meter-yolo模型利用所述特征融合结构将多个不同的特征图进行特征融合。

5.根据权利要求4所述的利用meter-yolo模型的字轮式水表读数识别方法，其特征...

【专利技术属性】
技术研发人员：谭文胜，周悦友，万志刚，高志平，李西明，薛振豪，
申请(专利权)人：广州柏诚智能科技有限公司，
类型：发明
国别省市：