CN107911654A - 基于图像处理技术的水表自动抄表系统及方法 - Google Patents
基于图像处理技术的水表自动抄表系统及方法 Download PDFInfo
- Publication number
- CN107911654A CN107911654A CN201711138604.2A CN201711138604A CN107911654A CN 107911654 A CN107911654 A CN 107911654A CN 201711138604 A CN201711138604 A CN 201711138604A CN 107911654 A CN107911654 A CN 107911654A
- Authority
- CN
- China
- Prior art keywords
- mrow
- water meter
- image
- mtd
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 127
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000005192 partition Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract description 4
- 230000011218 segmentation Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/146—Aligning or centring of the image pick-up or image-field
- G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
- G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理技术的水表自动抄表系统及方法,该系统包括水表图像采集模块,图像传输模块,云端服务器,水表图像识别模块,智能水表控制系统,所述水表图像采集模块连接所述图像传输模块;所述图像传输模块连接所述云端服务器;所述云端服务器连接所述水表图像识别模块;所述水表图像识别模块连接所述智能水表控制系统;所述智能水表控制系统连接所述水表图像采集模块。本发明通过使用一种融合的多阈值模糊熵值分割的图像处理方法,解决了水表表面模糊、污迹干扰的问题,提升了水表自动识别的准确性,降低了换表成本。
Description
技术领域
本发明涉及智慧能源、智慧水务技术领域,具体涉及一种基于图像处理技术的水表自动抄表系统及方法。
背景技术
随着信息技术的发展和人们对生活品质要求的提高,为了更好的满足人们对生活品质的要求、方便人们的生活,国家电力、水务、燃气公司均在积极寻求智慧能源的技术及实施方案,将智慧电力、智慧水务、智慧燃气放在发展的第一要务,改变人们传统的生活方式。近年来,智慧电力发展已初见成效,电力系统利用自身网络建设优势,已逐步形成远程购电、智能用电、自动抄表为一体的智慧电力系统。智慧水务系统虽已有一定的发展,但智能IC水表换表成本高,对传统机械水表替代性不强,同时由于水表的特殊性,及其大量存在的模糊、污迹干扰,造成远程抄表速度慢,准确率不高的问题,已成为智慧水务进一步发展的瓶颈。
发明内容
本发明克服了现有技术的不足,提供一种基于图像处理技术的水表自动抄表系统及方法。
为解决上述的技术问题,本发明采用以下技术方案:
一种基于图像处理技术的水表自动抄表系统,包括:
水表图像采集模块,用于采集水表表面数字位图像信息,将所述图像信息发送至图像传输模块;
图像传输模块,用于压缩图像并将采集到的所述图像信息进行标记,并将处理后的图像数据传至云端服务器;
云端服务器,用于接收所述图像数据,并按标记分类存储;
水表图像识别模块,通过融合多阈值模糊熵值分割方法定位图像数据中数字的位置并进行识别,将识别结果发送至智能水表控制系统;
智能水表控制系统,用于控制水表图像采集模块,并对识别结果进行数据处理;
所述水表图像采集模块连接所述图像传输模块;所述图像传输模块连接所述云端服务器;所述云端服务器连接所述水表图像识别模块;所述水表图像识别模块连接所述智能水表控制系统;所述智能水表控制系统连接所述水表图像采集模块。
更进一步的技术方案是所述的水表图像采集模块包括摄像头。
更进一步的技术方案是所述的水表图像识别模块通过模板匹配法进行数字识别。
更进一步的技术方案是所述的智能水表控制系统向所述控制水表图像采集模块发送抄表指令,控制所述制水表图像采集模块的图像采集时间;根据收集的识别结果,计算出费用并发送给水表使用者。
更进一步的技术方案是提供一种基于图像处理技术的水表自动抄表方法,所述的方法包括以下步骤:
步骤一、将带有水表图像采集模块及其摄像头的表盖装配到机械水表上;
步骤二、当智能水表控制系统发出抄表指令后,所述水表图像采集模块对水表进行一次图像采集;
步骤三、通过图像传输模块对图像信息压缩后,标记并将图像数据上传至云端服务器;
步骤四、云端服务器接收到图像数据后,按照图像标记分类存储;
步骤五、当云端服务器接收到全部水表图像后,水表图像识别模块开始依次进行图像识别,通过模板匹配的方法,识别出定位区块中的数字;并将识别结果返回智能水表控制系统;
步骤六、智能水表控制系统根据收集的识别结果,计算出费用并发送给水表使用者。
更进一步的技术方案是所述的步骤五中水表图像识别模块通过融合多阈值模糊熵值分割方法进行图像识别,包括以下步骤:
假定水表图像大小为M×N像素,设X={xm,n},m=1,...M;n=1,...N.则(m,n)处的灰度为xm,n,灰度熵值定义为:
H(xm,n)=-P(xm,n)lnP(xm,n)
则整幅水表图像的熵值为:
那么,从计算模糊度的角度,上述xm,n属于目标的隶属度函数为υ(xm,n),属于背景的隶属度函数为[1-υ(xm,n)],定义xm,n模糊熵值为:
H(xm,n)=-υmnlnυmn-(1-υmn)ln(1-υmn)
则整幅水表图像的模糊熵值为:
则像素点平均模糊熵值计算为:
将256个灰度级按相等的间隔分为64级或128级,设灰度分级间隔为μ,则组建灰度直方图曲线h(μ),将二维模糊熵值H(X)分解为一维模糊熵值H(μ)与灰度直方图h(μ)的乘积,即在获得灰度直方图曲线后,用交迭分段方式求出每一段的隶属度函数θ(μ)和每一灰度级μ的平均模糊熵值;
上述公式中,[a,c]是隶属度函数的带宽,通过模糊熵值,求出隶属度,隶属度即代表该图像属于背景还是属于数字目标,找到具有水表读数数字信息的图像区块,完成图像定位。
与现有技术相比,本发明实施例的有益效果之一是:本发明通过使用一种融合的多阈值模糊熵值分割的图像处理方法,解决了水表表面模糊、污迹干扰的问题,提升了水表自动识别的准确性,降低了换表成本。提升了智能水表抄表准确率,增加智能设备可靠性。
附图说明
图1为本发明一个实施例的系统结构原理框图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
下面结合附图及实施例对本发明的具体实施方式进行详细描述。
在下面的详细描述中,出于解释的目的描述了许多具体描述以便能够彻底理解所公开的实施方案,然而,很明显一个或多个实施方式可以在不使用这些具体描述的情况下实施,在其他实例中,示意性地显示已知结构和装置,以便简化附图。
实施例1
如图1所示,根据本发明的一个实施例,本实施例公开的基于图像处理技术的水表自动抄表系统,该水表自动抄表系统包括:水表图像采集模块,通过摄像头,采集水表表面数字位图像信息,将所述图像信息发送至图像传输模块;具体的,将带有摄像头并可由市电或锂电池供电的模块安装于水表上方,摄像头对准水表盘面,并可将拍摄结果传输至图像传输模块。
图像传输模块,用于压缩图像并将采集到的所述图像信息进行标记,并将处理后的图像数据通过GPRS或WIFI网络传至云端服务器;云端服务器,用于接收每台水表传输来的所述图像数据,并按标记分类存储;水表图像识别模块,通过融合多阈值模糊熵值分割方法定位图像数据中数字的位置并进行识别,将识别结果发送至智能水表控制系统;具体的,采用一种融合多阈值模糊熵值分割方法对图像进行处理,快速、准确的找出水表图像中数字的位置,并通过模板匹配法进行数字识别。
智能水表控制系统,用于控制水表图像采集模块,控制抄表时间,收集抄表结果并结算费用,通过推送的方式发送给水表使用者。具体的,所述水表图像采集模块连接所述图像传输模块;所述图像传输模块连接所述云端服务器;所述云端服务器连接所述水表图像识别模块;所述水表图像识别模块连接所述智能水表控制系统;所述智能水表控制系统连接所述水表图像采集模块。
实施例2
根据本发明的另一个实施例,本实施例公开一种基于图像处理技术的水表自动抄表方法,具体的,该方法包括以下步骤:
Step1,将带有水表图像采集模块及摄像头的表盖加到机械水表,摄像头对准表盘,可采用市电供电或自带锂电池供电。
Step2,当智能水表控制系统发出抄表指令后,水表图像采集模块对表盘进行一次图像采集。
Step3,图像采集完成后,通过图像传输模块压缩后,标记并上传至云端服务器。
Step4,云端服务器接收到图片后,按照图像标记分类存储,分类的目的是在识别完成后,以更快的速度与数据来源进行匹配。
Step5,当云端服务器接收到全部水表图像后,水表图像识别模块开始依次进行图像识别,本发明采用一种融合多阈值模糊熵值分割方法识别图像。水表识别主要包括数字定位与识别两个部分,通常的水表数字与背景颜色区分较大,可通过颜色特征定位数字。为了迅速找到水表图像数字的位置,排除污渍、水表自身模糊性的干扰,采用一种模糊熵值分割方法,假定水表图像大小为M×N像素,设X={xm,n},m=1,...M;n=1,...N.则(m,n)处的灰度为xm,n,灰度熵值定义为:
H(xm,n)=-P(xm,n)lnP(xm,n)
则整幅水表图像的熵值为:
那么,从计算模糊度的角度,上述xm,n属于目标的隶属度函数为υ(xm,n),属于背景的隶属度函数为[1-υ(xm,n)],定义xm,n模糊熵值为:
H(xm,n)=-υmnlnυmn-(1-υmn)ln(1-υmn)
则整幅水表图像的模糊熵值为:
则像素点平均模糊熵值计算为:
二维图像模糊熵值计算量大,因此,可将256个灰度级按相等的间隔分为64级或128级,计算量也大大下降,设灰度分级间隔为μ,则可组建灰度直方图曲线h(μ),将二维模糊熵值H(X)分解为一维模糊熵值H(μ)与灰度直方图h(μ)的乘积,即在获得灰度直方图曲线后,可用交迭分段方式求出每一段的隶属度函数θ(μ)和每一灰度级μ的平均模糊熵值。
从上述公式可看出,[a,c]是隶属度函数的带宽,即阈值在[rmin,a]和[crmax]之间可以使得图像分割的最好。
通过模糊熵值,求出隶属度,隶属度即代表该图像属于背景还是属于数字目标。由于二维模糊熵计算量较大,可采用灰度降维方法,压缩灰度级,减少计算量,提升识别速度。利用模糊熵值直方图,找出H(X)最大值,利用模糊熵值信息以及水表图像长、宽等固定值,对图像进行最大值二值化分析,找到具有水表读数数字信息的图像区块,完成图像定位。最后,通过模板匹配的方法,识别出定位区块中的数字,并将识别结果返回智能水表控制系统。
Step6,智能水表控制系统根据收集的识别结果,计算出费用并发送给水表使用者。
实施例公开的上述方法可用于智慧生活项目智能三表,提升智能水表识别速度,识别准确率,节省传统抄表方式的人力成本,可实现实时抄表。
在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等,指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说,结合任一个实施例描述一个具体特征、结构或者特点时,所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。
尽管这里参照发明的多个解释性实施例对本发明进行了描述,但是,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公开权利要求的范围内,可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外,对于本领域技术人员来说,其他的用途也将是明显的。
Claims (6)
1.一种基于图像处理技术的水表自动抄表系统,其特征在于:包括:
水表图像采集模块,用于采集水表表面数字位图像信息,将所述图像信息发送至图像传输模块;
图像传输模块,用于压缩图像并将采集到的所述图像信息进行标记,并将处理后的图像数据传至云端服务器;
云端服务器,用于接收所述图像数据,并按标记分类存储;
水表图像识别模块,通过融合多阈值模糊熵值分割方法定位图像数据中数字的位置并进行识别,将识别结果发送至智能水表控制系统;
智能水表控制系统,用于控制水表图像采集模块,并对识别结果进行数据处理;
所述水表图像采集模块连接所述图像传输模块;所述图像传输模块连接所述云端服务器;所述云端服务器连接所述水表图像识别模块;所述水表图像识别模块连接所述智能水表控制系统;所述智能水表控制系统连接所述水表图像采集模块。
2.根据权利要求1所述的基于图像处理技术的水表自动抄表系统,其特征在于所述的水表图像采集模块包括摄像头。
3.根据权利要求1所述的基于图像处理技术的水表自动抄表系统,其特征在于所述的水表图像识别模块通过模板匹配法进行数字识别。
4.根据权利要求1所述的基于图像处理技术的水表自动抄表系统,其特征在于所述的智能水表控制系统向所述控制水表图像采集模块发送抄表指令,控制所述制水表图像采集模块的图像采集时间;根据收集的识别结果,计算出费用并发送给水表使用者。
5.一种基于图像处理技术的水表自动抄表方法,其特征在于所述的方法包括以下步骤:
步骤一、将带有水表图像采集模块及其摄像头的表盖装配到机械水表上;
步骤二、当智能水表控制系统发出抄表指令后,所述水表图像采集模块对水表进行一次图像采集;
步骤三、通过图像传输模块对图像信息压缩后,标记并将图像数据上传至云端服务器;
步骤四、云端服务器接收到图像数据后,按照图像标记分类存储;
步骤五、当云端服务器接收到全部水表图像后,水表图像识别模块开始依次进行图像识别,通过模板匹配的方法,识别出定位区块中的数字;并将识别结果返回智能水表控制系统;
步骤六、智能水表控制系统根据收集的识别结果,计算出费用并发送给水表使用者。
6.根据权利要求5所述的基于图像处理技术的水表自动抄表方法,其特征在于所述的步骤五中水表图像识别模块通过融合多阈值模糊熵值分割方法进行图像识别,包括以下步骤:
假定水表图像大小为M×N像素,设X={xm,n},m=1,...M;n=1,...N.则(m,n)处的灰度为xm,n,灰度熵值定义为:
H(xm,n)=-P(xm,n)lnP(xm,n)
则整幅水表图像的熵值为:
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>ln</mi>
<mi> </mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
那么,从计算模糊度的角度,上述xm,n属于目标的隶属度函数为υ(xm,n),属于背景的隶属度函数为[1-υ(xm,n)],定义xm,n模糊熵值为:
H(xm,n)=-υmnlnυmn-(1-υmn)ln(1-υmn)
则整幅水表图像的模糊熵值为:
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<mo>-</mo>
<msub>
<mi>&upsi;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<msub>
<mi>ln&upsi;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&upsi;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&upsi;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
则像素点平均模糊熵值计算为:
将256个灰度级按相等的间隔分为64级或128级,设灰度分级间隔为μ,则组建灰度直方图曲线h(μ),将二维模糊熵值H(X)分解为一维模糊熵值H(μ)与灰度直方图h(μ)的乘积,即在获得灰度直方图曲线后,用交迭分段方式求出每一段的隶属度函数θ(μ)和每一灰度级μ的平均模糊熵值;
<mrow>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>r</mi>
<mo>&le;</mo>
<mi>a</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>2</mn>
<mo>&times;</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>a</mi>
<mo><</mo>
<mi>r</mi>
<mo>&le;</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<mo>&times;</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>-</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>b</mi>
<mo><</mo>
<mi>r</mi>
<mo>&le;</mo>
<mi>c</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>c</mi>
<mo><</mo>
<mi>r</mi>
<mo>&le;</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mover>
<mi>H</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>&times;</mo>
<mi>N</mi>
</mrow>
</mfrac>
<munder>
<mo>&Sigma;</mo>
<mi>&mu;</mi>
</munder>
<mo>&lsqb;</mo>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
<mi>ln</mi>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&theta;</mi>
<mo>(</mo>
<mi>&mu;</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&theta;</mi>
<mo>(</mo>
<mi>&mu;</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>&CenterDot;</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
</mrow>
上述公式中,[a,c]是隶属度函数的带宽,通过模糊熵值,求出隶属度,隶属度即代表该图像属于背景还是属于数字目标,找到具有水表读数数字信息的图像区块,完成图像定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711138604.2A CN107911654A (zh) | 2017-11-16 | 2017-11-16 | 基于图像处理技术的水表自动抄表系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711138604.2A CN107911654A (zh) | 2017-11-16 | 2017-11-16 | 基于图像处理技术的水表自动抄表系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107911654A true CN107911654A (zh) | 2018-04-13 |
Family
ID=61844437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711138604.2A Pending CN107911654A (zh) | 2017-11-16 | 2017-11-16 | 基于图像处理技术的水表自动抄表系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107911654A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064731A (zh) * | 2018-10-08 | 2018-12-21 | 深圳蜜獾智抄科技有限公司 | 图像识别系统、具有图像识别系统的集抄数据系统及一种远程集中抄表方法 |
CN109413514A (zh) * | 2018-10-12 | 2019-03-01 | 广州物道水务科技有限公司 | 一种数据传输方法、装置及电子设备 |
CN111783785A (zh) * | 2020-07-02 | 2020-10-16 | 上海海事大学 | 一种水表识别系统及识别方法 |
CN116882662A (zh) * | 2023-06-21 | 2023-10-13 | 珠海绎至科技有限公司 | 智慧园区管理方法、装置、管理系统、存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050035877A1 (en) * | 2003-08-11 | 2005-02-17 | Duk-Soo Kim | Automatic meter reading system and method for transmitting meter reading data in the same |
CN1916933A (zh) * | 2006-08-31 | 2007-02-21 | 合肥新思源智能电子有限公司 | 视频直读式自动抄表系统及其图像处理方法 |
KR100809650B1 (ko) * | 2006-02-03 | 2008-03-05 | (주)우리아이넷 | 이동통신망을 이용한 수도계량기 원격검침시스템 |
JP2016126505A (ja) * | 2014-12-26 | 2016-07-11 | 富士通株式会社 | 制御プログラム提供プログラム、方法及び装置、制御プログラム、並びにメータ検針システム |
FR3033638A1 (fr) * | 2015-03-11 | 2016-09-16 | Localbargain Solutions Suisse Sarl | Procede et systeme de releve d'un compteur de consommation |
CN106303462A (zh) * | 2016-09-20 | 2017-01-04 | 北京飞图同辉科技有限公司 | 一种基于gprs的水表摄像直读抄表方法和系统 |
CN106373365A (zh) * | 2016-11-02 | 2017-02-01 | 山东金米尔仪器科技有限公司 | 快速识别的摄像式远传水表抄表系统及其读数识别方法 |
-
2017
- 2017-11-16 CN CN201711138604.2A patent/CN107911654A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050035877A1 (en) * | 2003-08-11 | 2005-02-17 | Duk-Soo Kim | Automatic meter reading system and method for transmitting meter reading data in the same |
KR100809650B1 (ko) * | 2006-02-03 | 2008-03-05 | (주)우리아이넷 | 이동통신망을 이용한 수도계량기 원격검침시스템 |
CN1916933A (zh) * | 2006-08-31 | 2007-02-21 | 合肥新思源智能电子有限公司 | 视频直读式自动抄表系统及其图像处理方法 |
JP2016126505A (ja) * | 2014-12-26 | 2016-07-11 | 富士通株式会社 | 制御プログラム提供プログラム、方法及び装置、制御プログラム、並びにメータ検針システム |
FR3033638A1 (fr) * | 2015-03-11 | 2016-09-16 | Localbargain Solutions Suisse Sarl | Procede et systeme de releve d'un compteur de consommation |
CN106303462A (zh) * | 2016-09-20 | 2017-01-04 | 北京飞图同辉科技有限公司 | 一种基于gprs的水表摄像直读抄表方法和系统 |
CN106373365A (zh) * | 2016-11-02 | 2017-02-01 | 山东金米尔仪器科技有限公司 | 快速识别的摄像式远传水表抄表系统及其读数识别方法 |
Non-Patent Citations (2)
Title |
---|
ORLANDO J. TOBIAS等: "Image Segmentation by Histogram Thresholding", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
宋翠家等: "基于遗传算法的模糊熵多阈值图像分割", 《仪器仪表学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064731A (zh) * | 2018-10-08 | 2018-12-21 | 深圳蜜獾智抄科技有限公司 | 图像识别系统、具有图像识别系统的集抄数据系统及一种远程集中抄表方法 |
CN109413514A (zh) * | 2018-10-12 | 2019-03-01 | 广州物道水务科技有限公司 | 一种数据传输方法、装置及电子设备 |
CN111783785A (zh) * | 2020-07-02 | 2020-10-16 | 上海海事大学 | 一种水表识别系统及识别方法 |
CN111783785B (zh) * | 2020-07-02 | 2024-04-09 | 上海海事大学 | 一种水表识别系统及识别方法 |
CN116882662A (zh) * | 2023-06-21 | 2023-10-13 | 珠海绎至科技有限公司 | 智慧园区管理方法、装置、管理系统、存储介质 |
CN116882662B (zh) * | 2023-06-21 | 2024-02-13 | 珠海绎至科技有限公司 | 智慧园区管理方法、装置、管理系统、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107911654A (zh) | 基于图像处理技术的水表自动抄表系统及方法 | |
CN110472467A (zh) | 基于YOLO v3的针对交通枢纽关键物体的检测方法 | |
CN110660222B (zh) | 一种智能环保道路黑烟车辆电子抓拍系统 | |
US11194997B1 (en) | Method and system for thermal infrared facial recognition | |
CN103759658A (zh) | 一种基于红外图像处理实现对接触网几何参数检测的方法 | |
CN109658387A (zh) | 电力列车的受电弓碳滑板缺陷的检测方法 | |
CN104778453A (zh) | 一种基于红外行人亮度统计特征的夜间行人检测方法 | |
CN106127137A (zh) | 一种基于3d轨迹分析的目标检测识别算法 | |
CN110298265A (zh) | 一种基于yolo神经网络的电梯中特定目标检测方法 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
CN104239898A (zh) | 一种快速卡口车辆比对和车型识别方法 | |
CN102214291A (zh) | 一种快速准确的基于视频序列的人脸检测跟踪方法 | |
CN111949809A (zh) | 一种输电线路红外巡检数据智能处理方法 | |
CN103530590A (zh) | Dpm二维码识别系统 | |
CN104021375A (zh) | 一种基于机器学习的车型识别方法 | |
CN106485273A (zh) | 一种基于hog特征与dnn分类器的人脸检测方法 | |
CN107727658A (zh) | 基于图像处理的受电弓裂纹在线检测装置及方法 | |
CN103177445A (zh) | 基于分段阈值图像分割及光斑识别的室外番茄识别方法 | |
CN106503748A (zh) | 一种基于s‑sift特征和svm训练器的车型识别算法 | |
CN106228136A (zh) | 基于聚合通道特征的全景街景隐私保护方法 | |
CN110427943A (zh) | 一种基于r-cnn的智能电表数值识别方法 | |
CN104123714A (zh) | 一种人流量统计中最优目标检测尺度的生成方法 | |
Jin et al. | A Smart Water Metering System Based on Image Recognition and Narrowband Internet of Things. | |
CN103646251A (zh) | 基于嵌入式的苹果采后田间分级检测方法及系统 | |
CN115100542A (zh) | 基于半监督学习和可变形卷积的输电塔遥感目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180413 |