期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
被引量:
5
1
作者
厉建宾
张旭东
+2 位作者
吴彬彬
窦智
李豪杰
《计算机应用》
CSCD
北大核心
2019年第A01期223-227,共5页
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...
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。
展开更多
关键词
电能表
电能表示数检测
电能表示数识别
图像处理
深度学习
下载PDF
职称材料
题名
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
被引量:
5
1
作者
厉建宾
张旭东
吴彬彬
窦智
李豪杰
机构
国网河北省电力有限公司电力科学研究院
大连理工大学国际信息与软件学院
出处
《计算机应用》
CSCD
北大核心
2019年第A01期223-227,共5页
基金
国家自然科学基金面上项目(61772108)
文摘
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。
关键词
电能表
电能表示数检测
电能表示数识别
图像处理
深度学习
Keywords
electricity
meter
detection
for
display
number
of
electricity
meter
recognition for display number of electricity meter
image processing
deep learning
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
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
厉建宾
张旭东
吴彬彬
窦智
李豪杰
《计算机应用》
CSCD
北大核心
2019
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部