结合深度神经网络和多阈值软切分的电能表示数自动识别方法

针对当前电能表示数识别算法识别复杂的电能表图像准确率不高的问题,提出一种结合深度神经网络和多阈值软切分的电能表示数识别算法。该算法含有两个模块:示数区域定位模块和识别模块。首先,定位模块以“你只需要看一次”(YOLO)算法为基础,提出一种适合电表示数区域特点的检测模型来进行快速检测;然后,示数区域识别模块将对检测到的示数区域图像使用灰度值进行分类;对字轮式电表采用均值切分方法,而对液晶屏式电表示数采用多阈值软切分方法,得到液晶屏示数的一系列切分方案。最后,使用训练好的单字符识别网络对两种电表的切分图像进行识别,再对液晶屏式电表进行切分方案的筛选来得到最终的识别结果。对比实验显示,所提出的算法在电表示数检测准确度上比YOLO算法提高9个百分点,在液晶屏示数的识别准确度上比单阈值切分方法高出22个百分点。

自动化检定系统的拆回表示数比对方法及应用

以河北省计量中心拆回表集中处置工作实践为基础,基于智能表自动化检定系统,通过图像识别技术和485通信技术创新性提出一种电能表示数识别、读取、自动比对方法,实现了电能表屏显示数、表计存储底码示数及营销业务系统底码示数的自动比对,并说明应用情况及效果。