基于深度学习的字轮式水表读数检测与识别

现实中拍摄的字轮式水表图像的读数区域存在不同的位数和旋转角度的问题,这些问题对识别准确率造成很大的影响。针对这种情况,提出一种基于深度学习的水表读数检测与识别算法。该方法使用改进的圆盘检测算法来对水表圆盘进行检测;采用一种改进的多方向全卷积网络检测出水表的读数区域,同时提出一种图像旋转矫正算法,实现对水表读数区域的矫正与分割;对于读数识别,设计一种轻量级的神经网络,减少模型大小和加速训练过程的同时保持较高的识别精度。实验结果表明,该方法的圆盘检测率从93.97%提高到了96.38%,读数区域检测模型对不同类型的水表读数区域具有较好的检测效果,识别模型的大小从8.77 MB减少到7.32 MB,模型的训练和测试时间短,准确率达到96.44%。

基于深度学习的水表示数检测与识别

本文设计了一套基于深度学习的字轮式水表示数识别系统,该系统基于YOLOv5和CRNN分两个阶段实现水表字轮检测与字符识别。提出了一种基于角点定位的YOLOv5目标检测方法,将直接定位字轮框转变为定位矩形框的角点坐标。测试结果表明,文本检测模型在测试集上的平均精度均值达到98.00%,文本识别模型识别准确率达到94.80%,该系统可用于水表读数识别。