字轮式仪表智能图像抄表系统的设计

为了克服人工抄表效率低和现有图像识别方法对双半字符识别不准的问题,设计了基于窄带物联网(NB-IoT)技术和轻量级卷积神经网络(CNN)的字轮式仪表智能图像抄表系统。首先,图像采集终端用NB-IoT模组将摄像头获取的表盘图像上传至云平台;然后,使用局部特征提取与匹配方法估计仿射变换矩阵,将输入的表盘图像转换至模板图像所在坐标空间并分割出各个读数的字符子图像;最后,使用基于多标签分类的轻量级CNN模型识别这些子图像并通过后处理得到最终表盘读数结果。实验结果表明,系统的图像采集终端休眠电流小于10μA,可确保2节锂亚电池工作5年以上;所提出的基于多标签分类的CNN模型能准确识别单字符和双半字符,达到了96.36%的字符识别准确率和94.15%的读数识别准确率,优于对比的其他识别算法。