CN113614737A - 机器设备信息收集系统 - Google Patents

Abstract

机器设备信息收集系统(100)具有服务器(10)、便携终端(20)和从接收到的图像数据中提取识别字符串并发送的字符识别引擎(30、35～38)，其中，服务器(10)将评价用图像数据发送到各字符识别引擎(30、35～38)，从各字符识别引擎(30、35～38)接收识别字符串。然后，根据接收到的识别字符串与由用户(60)将识别字符串修改成正确而得到的登记字符串分别计算各字符识别引擎(30、35～38)的误识别字符数，将误识别字符数少的字符识别引擎选择为新常用字符识别引擎。然后，用选择出的新常用字符识别引擎来置换常用字符识别引擎(30)。

Description

机器设备信息收集系统

技术领域

本发明涉及根据由便携终端取得的图像数据或语音数据来收集楼宇等中设置的空调设备、升降机等机器设备的型号名称、制造编号等机器信息的系统。

背景技术

楼宇中设置的空调设备、升降机等机器设备有的需要定期检查。另一方面，还存在定期检查时所需的型号名称、制造编号等机器信息未存储于数据库的情况。因此，提出如下方法：使机器设备的用户使用具有拍摄功能和位置信息取得功能的智能手机等便携终端将上述机器信息登记到数据库，根据该登记信息进行定期检查(例如，参照专利文献1)。

现有技术文献

专利文献

专利文献1：日本特开2017-107466号公报

发明内容

发明要解决的课题

在专利文献1记载的现有技术中，对用户拍摄到的铭牌的图像数据进行OCR处理来提取机器编号，修改提取出的机器编号并登记到数据库。因此，存在如下情况：如果OCR的字符识别精度低，则修改增多而导致登记花费工夫或者登记错误的机器编号，机器信息的收集效率降低。

因此，本申请的目的在于，实现机器设备信息收集系统的字符识别精度的提高并提高机器设备的信息收集效率。

用于解决课题的手段

本申请的机器设备信息收集系统具有：服务器，其与网络连接；便携终端，其与网络连接，取得包含机器设备信息的数据，发送所取得的数据；以及常用字符识别引擎，其与所述网络连接而接收数据，对接收到的数据进行分析而识别数据中包含的字符串，将识别出的字符串作为识别字符串发送，其特征在于，便携终端将所取得的数据发送到常用字符识别引擎和服务器，从常用字符识别引擎接收识别字符串，向服务器发送由用户将接收到的识别字符串修改成正确的字符串而得到的登记字符串，服务器从便携终端接收数据和登记字符串，从常用字符识别引擎接收识别字符串，服务器包含将接收到的数据、识别字符串和登记字符串对应起来存储的字符识别数据库，服务器根据字符识别数据库中存储的数据、识别字符串和登记字符串，分别计算候选字符识别引擎和常用字符识别引擎的字符识别精度的指标，该候选字符识别引擎与网络连接而接收数据，对接收到的数据进行分析而识别数据中包含的字符串，将识别出的字符串作为识别字符串发送，服务器根据计算出的各指标从常用字符识别引擎和候选字符识别引擎中选择新常用字符识别引擎，服务器用选择出的新常用字符识别引擎来置换常用字符识别引擎。

这样，服务器从常用字符识别引擎接收识别字符串，从便携终端接收数据和由用户将识别字符串修改成正确的字符串而得到的登记字符串，根据接收到的数据、识别字符串和登记字符串分别计算常用字符识别引擎和候选字符识别引擎的字符识别精度的指标，根据计算出的各指标，从常用字符识别引擎和候选字符识别引擎中选择新常用字符识别引擎，用选择出的新常用字符识别引擎来置换常用字符识别引擎。因此，能够始终使用字符识别精度高的字符识别引擎进行字符识别。由此，能够提高机器设备信息收集系统的字符识别精度并提高机器设备的信息收集效率。

在本申请中，字符识别引擎包含如下字符识别引擎：接收图像数据，对接收到的图像数据进行分析而识别图像数据中包含的字符串，将识别出的字符串作为识别字符串发送的字符识别引擎；以及接收语音数据，对接收到的语音数据进行分析而识别语音数据中包含的字符串，将识别出的字符串作为识别字符串发送的字符识别引擎。

在本申请的机器设备信息收集系统中，也可以是，服务器从字符识别数据库中存储的数据中选择评价用数据，将选择出的评价用数据发送到常用字符识别引擎和候选字符识别引擎，从常用字符识别引擎和候选字符识别引擎分别接收识别字符串，对接收到的各识别字符串和与评价用数据对应的登记字符串进行对比，分别计算常用字符识别引擎和候选字符识别引擎的指标。

这样，服务器对常用字符识别引擎和候选字符识别引擎识别出的识别字符串和由用户将识别字符串修改成正确的字符串而得到的登记字符串进行对比，计算常用字符识别引擎和候选字符识别引擎的指标。因此，能够正确地评价常用字符识别引擎和候选字符识别引擎的字符识别精度。

在本申请的机器设备信息收集系统中，也可以是，指标是对从常用字符识别引擎或候选字符识别引擎接收到的识别字符串和与评价用数据对应的登记字符串进行对比而计算出的常用字符识别引擎或候选字符识别引擎的误识别字符数。

由此，能够以简单的结构正确地评价常用字符识别引擎和候选字符识别引擎的字符识别精度。

在本申请的机器设备信息收集系统中，也可以是，评价用数据是从字符识别数据库中存储的数据中选择出的多个相似图案数据，服务器将选择出的多个相似图案数据分别发送到常用字符识别引擎和候选字符识别引擎，从常用字符识别引擎和候选字符识别引擎分别接收与多个相似图案数据对应的多个识别字符串，指标是对接收到的多个识别字符串和与多个相似图案数据对应的多个登记字符串进行对比而计算出的常用字符识别引擎或候选字符识别引擎的误识别次数。

由此，能够用常用字符识别引擎来置换误识别次数少的常用字符识别引擎。

在本申请的机器设备信息收集系统中，也可以是，服务器对从常用字符识别引擎和候选字符识别引擎分别接收到的识别字符串和与评价用数据对应的登记字符串进行对比，分别计算常用字符识别引擎和候选字符识别引擎的误识别字符数，并且从字符识别数据库中存储的数据中选择多个相似图案数据，将选择出的多个相似图案数据分别发送到常用字符识别引擎和候选字符识别引擎，从常用字符识别引擎和候选字符识别引擎分别接收与多个相似图案数据对应的多个识别字符串，对接收到的多个识别字符串和与多个相似图案数据对应的多个登记字符串进行对比，分别计算常用字符识别引擎和候选字符识别引擎的误识别次数，常用字符识别引擎和候选字符识别引擎的各指标是对计算出的各误识别字符数和计算出的各误识别次数分别加权求和而得到的数值。

由此，能够综合性地评价常用字符识别引擎和候选字符识别引擎的字符识别精度，优化常用字符识别引擎。

在本申请的机器设备信息收集系统中，也可以是，服务器按照规定的时间间隔分别计算常用字符识别引擎和候选字符识别引擎的字符识别精度的指标，根据计算出的各指标进行新常用字符识别引擎的选择。

由此，能够将常用字符识别引擎维持成字符识别精度高的常用字符识别引擎。

在本申请的机器设备信息收集系统中，也可以是，服务器对从常用字符识别引擎接收到的识别字符串和从便携终端接收到的登记字符串进行对比，计算常用字符识别引擎的误识别字符数，在常用字符识别引擎的误识别字符数的时间序列变化没有达到规定阈值的情况下，服务器分别计算常用字符识别引擎和候选字符识别引擎的字符识别精度的指标，根据计算出的各指标进行新常用字符识别引擎的选择。

通常，常用字符识别引擎的字符识别精度随着时间而不断提高，因此，在常用字符识别引擎的字符识别精度的提高停滞时，能够用常用字符识别引擎来置换字符识别精度更高的字符识别引擎。

在本申请的机器设备信息收集系统中，也可以是，服务器配置于第1国家，便携终端配置于与第1国家不同的第2国家。

由此，能够有效地收集设置于外国的机器设备的信息。

发明效果

本申请能够实现机器设备信息收集系统的字符识别精度的提高并提高机器设备的信息收集效率。

附图说明

图1是示出实施方式的机器设备信息收集系统的结构的系统图。

图2是示出图1所示的机器设备信息收集系统的动作处理的时序图。

图3是示出图1所示的机器设备信息收集系统的动作的流程图。

图4是示出图1所示的服务器的存储部中存储的字符识别数据库的结构的说明图。

图5是示出在图1所示的机器设备信息收集系统中，服务器计算候选字符识别引擎的误识别字符数的动作的动作说明图。

图6是示出在图1所示的机器设备信息收集系统中，服务器计算候选字符识别引擎的误识别次数的动作的动作说明图。

图7是示出在图1所示的机器设备信息收集系统中，服务器根据候选字符识别引擎的误识别字符数和误识别次数来计算表示候选字符识别引擎的字符识别精度的综合指标的动作的动作说明图。

图8是示出图1所示的机器设备信息收集系统的其他动作处理的时序图。

图9是示出图1所示的机器设备信息收集系统的其他动作的流程图。

具体实施方式

下面，参照附图，对实施方式的机器设备信息收集系统100进行说明。如图1所示，机器设备信息收集系统100具有服务器10、便携终端20和常用字符识别引擎30。

服务器10是计算机，该计算机包含：运算部11，其包含CPU，进行信息处理和运算；存储部12，其存储动作程序、数据等；以及通信部13，其进行与网络15的通信。在服务器10的存储部12中存储有之后参照图4说明的字符识别数据库50。

便携终端20具有拍摄图像的摄像机21、取得语音数据的麦克风22以及显示图像或字符串的显示器23，与网络15连接而与其他设备之间进行通信，该其他设备与网络15连接。便携终端20例如也可以由智能手机、带摄像机的便携电话构成。

常用字符识别引擎30与网络15连接，从网络15接收图像数据，对接收到的图像数据进行分析而识别图像数据中包含的字符串，将识别出的字符串作为识别字符串发送到网络15。常用字符识别引擎30配置在云上。此外，云上配置有第1候选字符识别引擎35～第4候选字符识别引擎38。与常用字符识别引擎30同样，第1候选字符识别引擎35～第4候选字符识别引擎38与网络15连接，从网络15接收图像数据，对接收到的图像数据进行分析而识别图像数据中包含的字符串，将识别出的字符串作为识别字符串发送到网络15。另外，候选字符识别引擎的数量不限于4个，也可以为1个，还可为4个以外的多个。

接着，参照图2～5，对实施方式的机器设备信息收集系统100的动作进行说明。在以下的说明中，对通过图1所示的用户60利用便携终端20拍摄空调设备40的铭牌41的图像来收集空调设备40的机器信息的情况进行说明。

如图2、图3的步骤S101所示，用户60利用便携终端20的摄像机21拍摄空调设备40的铭牌41的图像。如图2、图3的步骤S102所示，便携终端20将由摄像机21取得的图像数据经由网络15发送到常用字符识别引擎30和服务器10。

如图2、图3的步骤S103所示，常用字符识别引擎30对从便携终端20接收到的图像数据进行分析而识别图像数据中包含的字符串。然后，将识别出的字符串作为识别字符串经由网络15发送到便携终端20和服务器10。

便携终端20将从常用字符识别引擎30接收到的识别字符串显示到显示器23。如图3的步骤S105所示，用户60对显示器23上显示的识别字符串和铭牌41中记载的字符串进行对比，将识别字符串修改成与铭牌41中记载的字符串一致的正确的字符串而生成登记字符串。如图3的步骤S106所示，用户60从便携终端20向服务器10发送生成的登记字符串。

如图2、图3的步骤S107所示，服务器10的通信部13从便携终端20接收铭牌41的图像数据和登记字符串，从常用字符识别引擎30接收识别字符串。然后，服务器10的运算部11将由通信部13接收到的铭牌41的图像数据、登记字符串和识别字符串存储到图4所示的字符识别数据库50。

如图4所示，字符识别数据库50将从便携终端20接收到的图像数据和登记字符串与从常用字符识别引擎30接收到的识别字符串对应起来存储。在此，图像数据AAAA是用户60利用便携终端20的摄像机21拍摄到的铭牌41的图像数据。识别字符串“PuHyDP28000SCMEBSGGGG”是常用字符识别引擎30对从便携终端20接收到的图像数据AAAA进行分析、识别而得到的字符串。登记字符串“PUHY-DP280SCM-E-BSG”是用户60将发送到便携终端20的识别字符串“P uH yDP280 00SC MEBSG GGG”正确地修改成与铭牌41中记载的字符串一致而得到的字符串。因此，登记字符串为正确地识别出图像数据时的字符串。图4的识别字符串中的下划线表示常用字符识别引擎30误识别的字符。这样，字符识别数据库50将由便携终端20拍摄到的铭牌41的图像数据、常用字符识别引擎30识别出的识别字符串与正确地识别出图像数据时的字符串即登记字符串对应起来存储。

服务器10在图3的步骤S108中判断是否经过了规定的时间，在图3的步骤S108中判断为“否”的情况下，返回图3的步骤S101，接收来自便携终端20的图像数据和登记字符串，从常用字符识别引擎30接收识别字符串，将接收到的图像数据、登记字符串和识别字符串存储到字符识别数据库50。在此，规定的时间例如可以是一天，也可以是一周，还可以是一个月。

服务器10在图3的步骤S108中判断为“是”的情况下，在图3的步骤S109～步骤S112中分别计算表示常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38的字符识别精度的指标，根据计算出的各指标，选择常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38中的1个作为新常用字符识别引擎。然后，用选择出的新常用字符识别引擎来置换常用字符识别引擎30。

下面，参照图3、图5，对使用对识别字符串和登记字符串进行对比而计算出的误识别字符数作为指标的情况进行说明。

如图3的步骤S109、图5所示，服务器10的运算部11从字符识别数据库50中存储的图像数据中选择图像数据AAAA作为用于评价常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38的评价用图像数据AAAA。然后，运算部11将评价用图像数据AAAA从通信部13发送到常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38。

如图3的步骤S110所示，常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38对接收到的评价用图像数据AAAA进行分析而识别评价用图像数据AAAA中包含的字符串，将识别出的字符串作为识别字符串发送到服务器10。如图5所示，第1候选字符识别引擎35将识别字符串“PuHyDP28000SCMEBSGGGG”发送到服务器10，第2候选字符识别引擎36将识别字符串“PUHY-DP280SCM-E--BSG-”发送到服务器10。关于常用字符识别引擎30、第3候选字符识别引擎37、第4候选字符识别引擎38，也同样分别将识别字符串发送到服务器10。

如图3的步骤S111、图5所示，服务器10计算作为表示常用字符识别引擎30、第1候选字符识别引擎35～第4候选字符识别引擎38的字符识别精度的指标的误识别字符数。如图5所示，服务器10的运算部11从字符识别数据库50中读出与评价用图像数据AAAA对应的登记字符串作为对应登记字符串“PUHY-DP280SCM-E-BSG”。然后，对从第1候选字符识别引擎35接收到的识别字符串“PuHyDP28000SCMEBSGGGG”和对应登记字符串“PUHY-DP280SCM-E-BSG”进行对比。由于对应登记字符串是正确地识别出评价用图像数据AAAA时的字符串，因此，通过对两个字符串进行对比，能够计算第1候选字符识别引擎35的识别字符串中的误识别字符数。在本例子中，如图5所示，服务器10的运算部11将第1候选字符识别引擎35的误识别字符数计算为8。

同样，服务器10的运算部11对从第2候选字符识别引擎36接收到的识别字符串“PUHY-DP280SCM-E--BSG-”和对应登记字符串“PUHY-DP280SCM-E-BSG”进行对比，将第2候选字符识别引擎36的误识别字符数计算为2。关于常用字符识别引擎30、第3候选字符识别引擎37、第4候选字符识别引擎38，也同样计算各自的误识别字符数。

如图3的步骤S112、图5所示，服务器10的运算部11将常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38中的误识别字符数最少的第2候选字符识别引擎36选择为新常用字符识别引擎。然后，服务器10用选择为新常用字符识别引擎的第2候选字符识别引擎36来置换常用字符识别引擎30。以后，便携终端20将图像数据发送到新的常用字符识别引擎30，从新的常用字符识别引擎30接收误识别字符数少的识别字符串，因此，用户60的修改工夫减少，能够有效地收集机器设备的信息。

这样，在实施方式的机器设备信息收集系统100中，服务器10对常用字符识别引擎30、第1候选字符识别引擎35～第4候选字符识别引擎38从评价用图像数据中识别出的识别字符串和正确地识别出评价用图像数据时的字符串即对应登记字符串进行对比，计算常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38的误识别字符数，将常用字符识别引擎30和第1候选字符识别引擎～第4候选字符识别引擎中的误识别字符数少的常用字符识别引擎选择为新常用字符识别引擎。然后，用选择出的新常用字符识别引擎来置换常用字符识别引擎30。由此，能够实现机器设备信息收集系统100的字符识别精度的提高并提高机器设备的信息收集效率。此外，按照规定的时间间隔进行新常用字符识别引擎的选择，用新常用字符识别引擎来置换常用字符识别引擎30，因此，能够将常用字符识别引擎30维持成字符识别精度高的常用字符识别引擎，能够提高机器设备的信息收集效率。

接着，参照图3、图6，对使用常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38的误识别次数作为指标来进行新常用字符识别引擎的选择的动作进行说明。

如图3的步骤S109、图6所示，服务器10的运算部11从字符识别数据库50中选择多个相似图案数据。多个相似图案数据是同一铭牌41的不同图像的组，例如是将清晰的图像、稍微存在模糊部分的图像、从正面观察的图像、从斜向观察的图像等组合而得到的图像。由于相似图案数据是同一铭牌41的图像数据，因此，对应登记字符串为一个。在图6所示的例子中，服务器10的运算部11选择多个相似图案数据CCCC、CCCc、cCCC，发送到常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38。

如图3的步骤S110所示，常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38对接收到的多个相似图案数据进行分析，将多个识别字符串发送到服务器10。如图6所示，第1候选字符识别引擎35对3个相似图案数据CCCC、CCCc、cCCC进行分析，将3个识别字符串“PUHY-DP280SCM-E-BSG”、“PUHY-DP280SCM-E-BSG”、“PUHY-DP280SCM-EBSG”发送到服务器10。

如图3的步骤S111、图6所示，服务器10的运算部11对从第1候选字符识别引擎35接收到的各识别字符串和对应登记字符串“PUHY-DP280SCM-E-BSG”进行对比，判断两者是否一致。如图6所示，第1候选字符识别引擎35发送的3个识别字符串中的第一个识别字符串和第二个识别字符串与对应登记字符串一致，第三个识别字符串与对应登记字符串不一致。因此，服务器10的运算部11将第1候选字符识别引擎35的误识别次数计算为1。

同样，服务器10的运算部11对从第2候选字符识别引擎36接收到的3个识别字符串和对应登记字符串进行对比，将误识别次数计算为2。此外，关于常用字符识别引擎30、第3候选字符识别引擎37、第4候选字符识别引擎38，也同样计算误识别次数。

如图3的步骤S112、图6所示，服务器10的运算部11将常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38中的误识别次数最少的第1候选字符识别引擎35选择为新常用字符识别引擎。然后，服务器10用选择为新常用字符识别引擎的第1候选字符识别引擎35来置换常用字符识别引擎30。

由此，能够将误识别次数少的字符识别引擎设为常用字符识别引擎30。

接着，参照图7，对组合误识别字符数和误识别次数来计算综合指标S并根据计算出的综合指标S选择新常用字符识别引擎的动作进行说明。

如之前参照图5说明的那样，服务器10的运算部11将评价用图像数据发送到第1候选字符识别引擎35、第2候选字符识别引擎36，接收识别字符串，对接收到的识别字符串和对应登记字符串进行对比而计算误识别字符数。此外，如之前参照图6说明的那样，服务器10的运算部11向第1候选字符识别引擎35、第2候选字符识别引擎36发送多个相似图案数据，接收识别字符串，对接收到的识别字符串和对应登记字符串进行对比而计算误识别次数。然后，如图7所示，服务器10的运算部11将对误识别字符数和误识别次数分别乘以权重a、b而加权后的结果相加，从而计算综合指标S的数值。

如图7所示的例子所示，在第2候选字符识别引擎36的综合指标S2比第1候选字符识别引擎35的综合指标S1小的情况下，服务器10的运算部11将综合指标S小的第2候选字符识别引擎36选择为常用字符识别引擎30。然后，服务器10用选择为新常用字符识别引擎的第2候选字符识别引擎36来置换常用字符识别引擎30。

由此，能够综合性地评价常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38的字符识别精度，并将常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38中的最佳的字符识别引擎选择为新常用字符识别引擎，能够优化常用字符识别引擎30。

接着，参照图8、图9，对机器设备信息收集系统100的其他动作进行说明。对与之前参照图2、图3说明的动作相同的动作标注相同的步骤编号，省略说明。

常用字符识别引擎30是应用AI的引擎，一般来说，字符识别精度随着时间经过不断提高，误识别字符数随着时间经过表现出下降趋势。因此，在误识别字符数不减少而停滞的情况下，常用字符识别引擎30的字符识别精度的提高有可能比其他字符识别引擎降低。

因此，在本动作中，如图8、图9所示，服务器10的运算部11计算常用字符识别引擎30的误识别字符数和误识别字符数的时间序列变化，在图8的步骤S202中误识别字符数的时间序列变化没有达到规定阈值的情况下，计算常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38的字符识别精度的指标而选择新常用字符识别引擎。以下进行说明。

服务器10的运算部11在如图8、图9的步骤S104所示从常用字符识别引擎30接收到识别字符串，如图8、图9的步骤S106所示从便携终端20接收到登记字符串之后，如图8、图9的步骤S201所示，计算常用字符识别引擎30的误识别字符数。关于误识别字符数的计算，与之前参照图5说明的同样，对从常用字符识别引擎30接收到的识别字符串和从便携终端20接收到的登记字符串进行对比而计算误识别字符数。然后，服务器10的运算部11将计算出的误识别字符数存储到存储部12。

如图8所示，服务器10的运算部11在图9的步骤S202中判断是否以规定时间或者规定次数计算出常用字符识别引擎30的误识别字符数。服务器10的运算部11在图9的步骤S202中判断为“否”的情况下，返回图9的步骤S101，接收来自便携终端20的图像数据和登记字符串，从常用字符识别引擎30接收识别字符串，计算误识别字符数并存储到存储部12。

服务器10的运算部11在图9的步骤S202中判断为“是”之后，进入图9的步骤S203，从存储部12中读出误识别字符数数据并计算误识别字符数的时间序列变化。时间序列变化例如是规定期间内的误识别字符数的减少数量或者减少比例。

然后，服务器10的运算部11判断在图9的步骤S204中计算出的时间序列变化是否达到规定阈值。例如，作为时间序列变化，在规定期间内的误识别字符数的减少数量没有达到规定阈值的情况或者减少比例没有达到规定阈值的情况下，服务器10的运算部11在图9的步骤S204中判断为“是”，进入图3的步骤S109。

然后，如图8、图3的步骤S109～步骤S112所示，服务器10将评价用图像数据发送到常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38，从常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38接收识别字符串。然后，如参照图5说明的那样，根据接收到的识别字符串和对应登记字符串分别计算常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38的误识别字符数，将误识别字符数少的第2候选字符识别引擎36选择为新常用字符识别引擎。然后，服务器10用选择为新常用字符识别引擎的第2候选字符识别引擎36来置换常用字符识别引擎30。

由此，在常用字符识别引擎30的字符识别精度的提高停滞的情况下，能够置换成字符识别精度高的字符识别引擎。

在以上说明的实施方式的机器设备信息收集系统100中，服务器10和便携终端20可以配置于同一第1国家，便携终端20可以配置于与第1国家不同的第2国家。由此，能够收集设置于外国的机器设备的信息。

此外，在实施方式的机器设备信息收集系统100中，设常用字符识别引擎30、第1候选字符识别引擎35～第4候选字符识别引擎38对接收到的图像数据进行分析而发送识别字符串进行了说明，但不限于此，也可以对接收到的语音数据进行分析而发送识别字符串。

在该情况下，例如也可以通过常用字符识别引擎30对用户60从便携终端20的麦克风22输入的语音数据进行分析，提取识别字符串，将提取出的识别字符串发送到便携终端20，用户60修改识别字符串作为登记字符串。

在该情况下，也与实施方式的机器设备信息收集系统100同样，服务器10向常用字符识别引擎30和第1候选字符识别引擎35～第4候选字符识别引擎38发送语音数据，根据接收到的识别字符串和登记字符串，计算各字符识别引擎30、35～38的字符识别精度，将字符识别精度高的字符识别引擎选择为新常用字符识别引擎。然后，用选择出的新常用字符识别引擎来置换常用字符识别引擎30。

标号说明

10：服务器；11：运算部；12：存储部；13：通信部；15：网络；20：便携终端；21：摄像机；22：麦克风；23：显示器；30：常用字符识别引擎；35～38：候选字符识别引擎；40：空调设备；41：铭牌；50：字符识别数据库；60：用户；100：机器设备信息收集系统。

Claims (8)

1.一种机器设备信息收集系统，该机器设备信息收集系统具有：

服务器，其与网络连接；

便携终端，其与所述网络连接，取得包含机器设备信息的数据，发送所取得的数据；以及

常用字符识别引擎，其与所述网络连接而接收数据，对接收到的数据进行分析而识别数据中包含的字符串，将识别出的字符串作为识别字符串发送，

其特征在于，

所述便携终端将所取得的数据发送到所述常用字符识别引擎和所述服务器，从所述常用字符识别引擎接收识别字符串，向所述服务器发送由用户将接收到的识别字符串修改成正确的字符串而得到的登记字符串，

所述服务器从所述便携终端接收数据和登记字符串，从所述常用字符识别引擎接收识别字符串，

所述服务器包含将接收到的数据、识别字符串和登记字符串对应起来存储的字符识别数据库，

所述服务器根据所述字符识别数据库中存储的数据、识别字符串和登记字符串，分别计算候选字符识别引擎和所述常用字符识别引擎的字符识别精度的指标，该候选字符识别引擎与所述网络连接而接收数据，对接收到的数据进行分析而识别数据中包含的字符串，将识别出的字符串作为识别字符串发送，

所述服务器根据计算出的各所述指标，从所述常用字符识别引擎和所述候选字符识别引擎中选择新常用字符识别引擎，

所述服务器用选择出的所述新常用字符识别引擎来置换所述常用字符识别引擎。

2.根据权利要求1所述的机器设备信息收集系统，其特征在于，

所述服务器从所述字符识别数据库中存储的数据中选择评价用数据，

所述服务器将选择出的所述评价用数据发送到所述常用字符识别引擎和所述候选字符识别引擎，

所述服务器从所述常用字符识别引擎和所述候选字符识别引擎分别接收识别字符串，

所述服务器对接收到的各识别字符串和与所述评价用数据对应的登记字符串进行对比，分别计算所述常用字符识别引擎和所述候选字符识别引擎的所述指标。

3.根据权利要求2所述的机器设备信息收集系统，其特征在于，

所述指标是对从所述常用字符识别引擎或所述候选字符识别引擎接收到的识别字符串和与所述评价用数据对应的登记字符串进行对比而计算出的所述常用字符识别引擎或所述候选字符识别引擎的误识别字符数。

4.根据权利要求2所述的机器设备信息收集系统，其特征在于，

所述评价用数据是从所述字符识别数据库中存储的数据中选择出的多个相似图案数据，

所述服务器将选择出的多个所述相似图案数据分别发送到所述常用字符识别引擎和所述候选字符识别引擎，

所述服务器从所述常用字符识别引擎和所述候选字符识别引擎分别接收与多个所述相似图案数据对应的多个识别字符串，

所述指标是对接收到的多个识别字符串和与多个所述相似图案数据对应的多个登记字符串进行对比而计算出的所述常用字符识别引擎或所述候选字符识别引擎的误识别次数。

5.根据权利要求2所述的机器设备信息收集系统，其特征在于，

所述服务器对从所述常用字符识别引擎和所述候选字符识别引擎分别接收到的识别字符串和与所述评价用数据对应的登记字符串进行对比，分别计算所述常用字符识别引擎和所述候选字符识别引擎的误识别字符数，并且，

所述服务器从所述字符识别数据库中存储的数据中选择多个相似图案数据，将选择出的多个所述相似图案数据分别发送到所述常用字符识别引擎和所述候选字符识别引擎，从所述常用字符识别引擎和所述候选字符识别引擎分别接收与多个所述相似图案数据对应的多个识别字符串，对接收到的多个识别字符串和与多个所述相似图案数据对应的多个登记字符串进行对比，分别计算所述常用字符识别引擎和所述候选字符识别引擎的误识别次数，

所述常用字符识别引擎和所述候选字符识别引擎的各所述指标是对计算出的各误识别字符数和计算出的各误识别次数分别进行加权求和而得到的数值。

6.根据权利要求2～5中的任意一项所述的机器设备信息收集系统，其特征在于，

所述服务器按照规定的时间间隔分别计算所述常用字符识别引擎和所述候选字符识别引擎的字符识别精度的所述指标，根据计算出的各所述指标，进行所述新常用字符识别引擎的选择。

7.根据权利要求2～6中的任意一项所述的机器设备信息收集系统，其特征在于，

所述服务器对从所述常用字符识别引擎接收到的识别字符串和从所述便携终端接收到的登记字符串进行对比，计算所述常用字符识别引擎的误识别字符数，

在所述常用字符识别引擎的误识别字符数的时间序列变化没有达到规定阈值的情况下，所述服务器分别计算所述常用字符识别引擎和所述候选字符识别引擎的字符识别精度的所述指标，根据计算出的各所述指标，进行所述新常用字符识别引擎的选择。

8.根据权利要求2～7中的任意一项所述的机器设备信息收集系统，其特征在于，

所述服务器配置于第1国家，

所述便携终端配置于与第1国家不同的第2国家。

Images