CN116682124A - 一种数据录入方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种数据录入方法、装置、设备及存储介质，所述方法包括：对目标设备进行图像采集，获取包含数据信息的待识别图像；确定待识别图像中数据信息的数据形式，根据数据形式进行特征向量提取并确定对应的识别模型，数据形式包括数字式和指针式；将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。本发明公开的数据录入方法，通过对目标设备自动进行图像采集与数据识别，减少了对人力的依赖，降低人力成本，并可以提高数据识别精度与数据录入的效率。

Description

一种数据录入方法、装置、设备及存储介质

技术领域

本发明涉及电力检测技术领域，尤其涉及一种数据录入方法、装置、设备及存储介质。

背景技术

在电力设备的数字化管理领域，电力设备通常需要进行监测和维护，而数字式和指针式表盘是常见的电力设备读数方式。

传统的读数方法需要人工进行，而且易受人为因素的影响，如视力、疲劳等，因此读数精度不能保证。其中，数字式表盘读数需要使用特定的设备进行读数，这些设备通常很贵，并且需要特别训练的人员操作；指针式表盘读数需要使用人工进行读数，这需要更多的时间和精力。

发明内容

本发明提供了一种数据录入方法、装置、设备及存储介质，以实现对数据信息的自动读取与录入。

根据本发明的一方面，提供了一种数据录入方法，包括：

对目标设备进行图像采集，获取包含数据信息的待识别图像；

确定所述待识别图像中数据信息的数据形式，根据所述数据形式进行特征向量提取并确定对应的识别模型，所述数据形式包括数字式和指针式；

将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。

进一步地，确定所述待识别图像中数据信息的数据形式，包括：

对所述待识别图像进行处理，得到目标图像；

对所述目标图像进行字符分割，得到至少一个字符图像；

若所述字符图像符合预设的数字格式，则确定所述待识别图像中数据信息的数据形式为数字式，否则确定所述待识别图像中数据信息的数据形式为指针式。

进一步地，对所述目标图像进行字符分割，包括：

提取所述目标图像中的字符区域，将所述字符区域分割成至少一个连通区域；

针对每个所述连通区域，若所述连通区域的宽度与高度之比符合设定比例阈值，则确定为一个字符。

进一步地，根据所述数据形式进行特征向量提取，包括：

若所述待识别图像中数据信息的数据形式为数字式，则对每个字符图像进行特征提取并组合成目标向量；

对所述目标向量进行归一化处理，得到所述特征向量。

进一步地，根据所述数据形式进行特征向量提取，包括：

若所述待识别图像中数据信息的数据形式为指针式，则对所述待识别图像进行边缘检测，提取所述待识别图像中的指针轮廓；

检测所述待识别图像中的指针位置与方向，确定指针指向的刻度位置图像；

对所述刻度位置图像进行特征提取得到所述特征向量。

进一步地，所述识别模型包括卷积神经网络模型，所述识别模型的训练方法包括：

建立初始识别模型，并获取训练数据集；

将所述训练数据集输入所述初始识别模型，根据模型输出对所述初始识别模型进行参数调整，直到所述初始诊断模型的输出达到设定准确率阈值，得到所述识别模型。

进一步地，所述方法还包括：

将数据识别结果显示于用户界面上。

根据本发明的另一方面，提供了一种数据录入装置，包括：

待识别图像获取模块，用于对目标设备进行图像采集，获取包含数据信息的待识别图像；

特征向量提取模块，用于确定所述待识别图像中数据信息的数据形式，根据所述数据形式进行特征向量提取并确定对应的识别模型，所述数据形式包括数字式和指针式；

数据识别模块，用于将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。

可选的，特征向量提取模块还用于：

对所述待识别图像进行处理，得到目标图像；

对所述目标图像进行字符分割，得到至少一个字符图像；

若所述字符图像符合预设的数字格式，则确定所述待识别图像中数据信息的数据形式为数字式，否则确定所述待识别图像中数据信息的数据形式为指针式。

可选的，特征向量提取模块还用于：

提取所述目标图像中的字符区域，将所述字符区域分割成至少一个连通区域；

针对每个所述连通区域，若所述连通区域的宽度与高度之比符合设定比例阈值，则确定为一个字符。

可选的，特征向量提取模块还用于：

若所述待识别图像中数据信息的数据形式为数字式，则对每个字符图像进行特征提取并组合成目标向量；

对所述目标向量进行归一化处理，得到所述特征向量。

可选的，特征向量提取模块还用于：

若所述待识别图像中数据信息的数据形式为指针式，则对所述待识别图像进行边缘检测，提取所述待识别图像中的指针轮廓；

检测所述待识别图像中的指针位置与方向，确定指针指向的刻度位置图像；

对所述刻度位置图像进行特征提取得到所述特征向量。

可选的，所述识别模型包括卷积神经网络模型，所述装置还包括识别模型训练模块，用于：

建立初始识别模型，并获取训练数据集；

将所述训练数据集输入所述初始识别模型，根据模型输出对所述初始识别模型进行参数调整，直到所述初始诊断模型的输出达到设定准确率阈值，得到所述识别模型。

可选的，所述装置还包括识别结果显示模块，用于将数据识别结果显示于用户界面上。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的数据录入方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的数据录入方法。

本发明公开了一种数据录入方法，首先对目标设备进行图像采集，获取包含数据信息的待识别图像，然后确定待识别图像中数据信息的数据形式，根据数据形式进行特征向量提取并确定对应的识别模型，数据形式包括数字式和指针式，最后将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。本发明公开的数据录入方法，通过对目标设备自动进行图像采集与数据识别，减少了对人力的依赖，降低人力成本，并可以提高数据识别精度与数据录入的效率。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例一提供的一种数据录入方法的流程图；

图2是根据本发明实施例二提供的一种数据录入方法的流程图；

图3是根据本发明实施例三提供的一种数据录入装置的结构示意图；

图4是实现本发明实施例四的数据录入方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供的一种数据录入方法的流程图，本实施例可适用于对设备的检测数据进行读取录入的情况，该方法可应用于数据录入装置，该装置可以采用硬件和/或软件的形式实现，该装置可配置于电子设备中。如图1所示，该方法包括：

S110、对目标设备进行图像采集，获取包含数据信息的待识别图像。

其中，目标设备可以是数据检测设备，例如对电力设备的各种状态数据进行检测的传感器等设备，数据信息即目标设备检测得到的需要录入的检测数据，待识别图像即包含数据信息的采集图像。

在本实施例中，目标设备执行数据检测任务，得到的检测数据可以显示与目标设备的表盘或屏幕上，因此，通过对目标设备进行图像采集，可以得到目标设备的表盘或屏幕的图像，该图像中包含数据信息。

可选的，可以使用摄像头或者扫描仪等设备进行图像采集，获取包含数据信息的待识别图像。进一步地，还可以使用带有摄像功能的手机、平板电脑等智能终端进行图像采集。

S120、确定待识别图像中数据信息的数据形式，根据数据形式进行特征向量提取并确定对应的识别模型。

其中，数据形式包括数字式和指针式。

在本实施例中，对于一般的进行数据检测的目标设备来说，根据数据显示方式的不同，待识别图像中数据信息的数据形式可以分为数字式和指针式，针对不同的数据形式，可以采用不同的特征向量的提取方式，并利用相应的识别模型识别图像中的数据。

可选的，特征向量的提取方法可以是：针对数字式的数据信息，可以提取待识别图像中每个字符图像，然后对每个字符图像进行特征提取，例如可以使用像素数、面积、宽度等特征来描述字符的形状和大小，然后将每个字符图像提取出的特征组合成一个特征向量；针对指针式的数据信息，可以使用计算机视觉技术对表盘上的数字和刻度等特征进行提取，得到数字和刻度的位置、大小、颜色等信息。

进一步地，识别模型可以是分别利用包含数字式数据信息的图像和包含指针式数据信息的图像进行训练的，从待识别图像中提取到特征向量后，可以选择与待识别图像中数据信息的数据形式匹配的识别模型进行后续的识别。

S130、将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。

在本实施例中，提取特征向量并确定匹配的识别模型后，可以把提取的特征向量可以作为识别模型的输入，识别模型的输出即为所需的数据识别结果，将其进行存储即可完成数据录入。

可选的，识别模型包括卷积神经网络模型，识别模型的训练方法可以是：

建立初始识别模型，并获取训练数据集；将训练数据集输入初始识别模型，根据模型输出对初始识别模型进行参数调整，直到初始诊断模型的输出达到设定准确率阈值，得到识别模型。

其中，卷积神经网络模型(Convolutional Neural Networks，CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习(Deep Learning)的代表算法之一。基于CNN模型，对识别模型进行训练时，可以先根据CNN模型的结构建立初始识别模型，并获取用于模型训练的训练数据集，将训练数据集输入初始识别模型后，计算模型输出与真实值的偏差，然后根据该偏差进行初始识别模型的参数调整，直到该偏差小于设定阈值，模型达到设定的准确率阈值，初始识别模型训练完成，得到数据识别所需的识别模型。优选地，可以利用测试数据集对模型进行准确率评估，例如可以采用交叉验证等方法，如果模型表现良好，则可以部署于生产环境中用于对实际采集的待识别图像进行数据识别。

进一步地，得到识别模型输出的数据识别结果后，可以将数据录入到数据库中，以便后续的分析和管理。

优选地，对于电力设备来说，由于电力设备数字式数据的种类繁多，例如电表读数、电压电流等参数，其数字式数据的识别和录入方法可能略有不同，需要根据具体情况进行相应的调整。例如，可以对提取出的数字信息进行处理，例如去除噪声、纠正错误、格式化等操作，以确保数据的准确性和可用性，然后将处理后的数字数据存储到数据库或者其他数据存储系统中，以便后续的数据管理和使用。

进一步地，方法还包括：将数据识别结果显示于用户界面上。

其中，用户界面可以是执行本数据录入方法的设备的显示界面。具体的，本发明可以为用户提供友好的界面，让用户可以方便地输入和确认数据。

本发明公开了一种数据录入方法，首先对目标设备进行图像采集，获取包含数据信息的待识别图像，然后确定待识别图像中数据信息的数据形式，根据数据形式进行特征向量提取并确定对应的识别模型，数据形式包括数字式和指针式，最后将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。本发明公开的数据录入方法，通过对目标设备自动进行图像采集与数据识别，减少了对人力的依赖，降低人力成本，并可以提高数据识别精度与数据录入的效率。

实施例二

图2为本发明实施例二提供的一种数据录入方法的流程图，该方法可应用于数据录入装置，本实施例为上述实施例的细化。如图2所示，该方法包括：

S210、对目标设备进行图像采集，获取包含数据信息的待识别图像。

在本实施例中，目标设备执行数据检测任务，得到的检测数据可以显示与目标设备的表盘或屏幕上，因此，通过对目标设备进行图像采集，可以得到目标设备的表盘或屏幕的图像，该图像中包含数据信息。

可选的，可以使用摄像头或者扫描仪等设备进行图像采集，获取包含数据信息的待识别图像。进一步地，还可以使用带有摄像功能的手机、平板电脑等智能终端进行图像采集。

S220、对待识别图像进行处理，得到目标图像。

其中，目标图像可以是待识别图像处理后得到的更便于模型识别的图像。

可选的，对待识别图像进行处理的方法可以包括图像增强、滤波、二值化等，经过这些处理，可以提高后续的图像识别准确度。

其中，图像增强指的是有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足后续分析的需要；图像滤波是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制；图像的二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

S230、对目标图像进行字符分割，得到至少一个字符图像，若字符图像符合预设的数字格式，则确定待识别图像中数据信息的数据形式为数字式，否则确定待识别图像中数据信息的数据形式为指针式。

在本实施例中，得到目标图像后，可以对目标图像进行字符分割，然后根据得到的字符图像判断待识别图像中数据信息的数据形式。

可选的，对目标图像进行字符分割的方式可以是：提取目标图像中的字符区域，将字符区域分割成至少一个连通区域；针对每个连通区域，若连通区域的宽度与高度之比符合设定比例阈值，则确定为一个字符。

具体的，字符分割是指将目标图像中的每个字符从图像中分割出来，形成单独的字符图像，便于后续识别。常见的字符分割方法包括基于连通区域的分割、基于投影的分割和基于模板匹配的分割。

优选地，可以采用基于连通区域的分割方法，首先经过二值化处理，将字符区域与背景分离开来，然后针对每个字符区域，使用连通区域算法将其分割成若干个连通区域，对于每个连通区域，可以分别计算其宽度和高度，如果宽度和高度的比例符合字符的比例，则认为该连通区域是一个字符。确定待识别图像中数据信息的数据形式为数字式，否则确定待识别图像中数据信息的数据形式为指针式。最后，可以将所有被认为是字符的连通区域进行合并，得到完整的字符。

S240、根据数据形式进行特征向量提取并确定对应的识别模型。

在本实施例中，确定待识别图像中数据信息的数据形式后，可以根据数据形式进行特征向量提取并确定对应的识别模型。

可选的，若待识别图像中数据信息的数据形式为数字式，则对每个字符图像进行特征提取并组合成目标向量；对目标向量进行归一化处理，得到特征向量。

具体的，对于数字式，可以根据上述步骤中得到的字符图像，对每个字符图像进行特征提取。优选地，可以使用像素数、面积、宽度等特征来描述字符的形状和大小，以便进行分类和识别。其中，对于字符形状，可以通过提取轮廓或边缘来描述字符的形状信息；对于字符的像素分布，可以计算每个像素值的频率分布。对字符图像进行特征提取后，可以将每个字符图像提取出的特征进行组合得到目标向量，组合方式可以是简单的拼接、加权平均等方法。得到目标向量之后，可以对目标向量进行归一化处理，以消除不同特征的尺度差异，从而提高分类和识别的准确率。

可选的，若待识别图像中数据信息的数据形式为指针式，则对待识别图像进行边缘检测，提取待识别图像中的指针轮廓；检测待识别图像中的指针位置与方向，确定指针指向的刻度位置图像；对刻度位置图像进行特征提取得到特征向量。

具体的，对于指针式，可以使用计算机视觉技术对目标图像上的数字和刻度等特征进行提取，得到数字和刻度的位置、大小、颜色等信息，以便后续的数字识别和数据提取。

优选地，在对目标图像上的数字和刻度等特征进行提取时，可以使用边缘检测算法，如Canny算法、Sobel算法等检测指针的轮廓，然后使用线段检测算法，如霍夫变换算法、分水岭算法等检测指针的位置和方向，再使用三角函数计算指针与基准位置的夹角，最后根据指针所指的刻度位置和刻度值，识别出数字读数。

S250、将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。

在本实施例中，提取特征向量并确定匹配的识别模型后，可以把提取的特征向量可以作为识别模型的输入，识别模型的输出即为所需的数据识别结果，将其进行存储即可完成数据录入。

本发明实施例公开的数据录入方法，首先对目标设备进行图像采集，获取包含数据信息的待识别图像，然后对待识别图像进行处理，得到目标图像，再对目标图像进行字符分割，得到至少一个字符图像，若字符图像符合预设的数字格式，则确定待识别图像中数据信息的数据形式为数字式，否则确定待识别图像中数据信息的数据形式为指针式，再根据数据形式进行特征向量提取并确定对应的识别模型，最后将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。本发明实施例公开的数据录入方法，通过对目标设备自动进行图像采集与数据识别，减少了对人力的依赖，降低人力成本，并可以提高数据识别精度与数据录入的效率。

实施例三

图3为本发明实施例三提供的一种数据录入装置的结构示意图。如图3所示，该装置包括：待识别图像获取模块310，特征向量提取模块320和数据识别模块330。

待识别图像获取模块310，用于对目标设备进行图像采集，获取包含数据信息的待识别图像。

特征向量提取模块320，用于确定待识别图像中数据信息的数据形式，根据数据形式进行特征向量提取并确定对应的识别模型，数据形式包括数字式和指针式。

数据识别模块330，用于将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。

可选的，特征向量提取模块320还用于：

对待识别图像进行处理，得到目标图像；对目标图像进行字符分割，得到至少一个字符图像；若字符图像符合预设的数字格式，则确定待识别图像中数据信息的数据形式为数字式，否则确定待识别图像中数据信息的数据形式为指针式。

可选的，特征向量提取模块320还用于：

提取目标图像中的字符区域，将字符区域分割成至少一个连通区域；针对每个连通区域，若连通区域的宽度与高度之比符合设定比例阈值，则确定为一个字符。

可选的，特征向量提取模块320还用于：

若待识别图像中数据信息的数据形式为数字式，则对每个字符图像进行特征提取并组合成目标向量；对目标向量进行归一化处理，得到特征向量。

可选的，特征向量提取模块320还用于：

若待识别图像中数据信息的数据形式为指针式，则对待识别图像进行边缘检测，提取待识别图像中的指针轮廓；检测待识别图像中的指针位置与方向，确定指针指向的刻度位置图像；对刻度位置图像进行特征提取得到特征向量。

可选的，所述识别模型包括卷积神经网络模型，所述装置还包括识别模型训练模块340，用于：

建立初始识别模型，并获取训练数据集；将训练数据集输入初始识别模型，根据模型输出对初始识别模型进行参数调整，直到初始诊断模型的输出达到设定准确率阈值，得到识别模型。

可选的，所述装置还包括识别结果显示模块350，用于将数据识别结果显示于用户界面上。

本发明实施例所提供的数据录入装置可执行本发明任意实施例所提供的数据录入方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如数据录入方法。

在一些实施例中，数据录入方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的数据录入的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据录入方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种数据录入方法，其特征在于，包括：

对目标设备进行图像采集，获取包含数据信息的待识别图像；

确定所述待识别图像中数据信息的数据形式，根据所述数据形式进行特征向量提取并确定对应的识别模型，所述数据形式包括数字式和指针式；

将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。

2.根据权利要求1所述的方法，其特征在于，确定所述待识别图像中数据信息的数据形式，包括：

对所述待识别图像进行处理，得到目标图像；

对所述目标图像进行字符分割，得到至少一个字符图像；

若所述字符图像符合预设的数字格式，则确定所述待识别图像中数据信息的数据形式为数字式，否则确定所述待识别图像中数据信息的数据形式为指针式。

3.根据权利要求2所述的方法，其特征在于，对所述目标图像进行字符分割，包括：

提取所述目标图像中的字符区域，将所述字符区域分割成至少一个连通区域；

针对每个所述连通区域，若所述连通区域的宽度与高度之比符合设定比例阈值，则确定为一个字符。

4.根据权利要求2所述的方法，其特征在于，根据所述数据形式进行特征向量提取，包括：

若所述待识别图像中数据信息的数据形式为数字式，则对每个字符图像进行特征提取并组合成目标向量；

对所述目标向量进行归一化处理，得到所述特征向量。

5.根据权利要求1所述的方法，其特征在于，根据所述数据形式进行特征向量提取，包括：

若所述待识别图像中数据信息的数据形式为指针式，则对所述待识别图像进行边缘检测，提取所述待识别图像中的指针轮廓；

检测所述待识别图像中的指针位置与方向，确定指针指向的刻度位置图像；

对所述刻度位置图像进行特征提取得到所述特征向量。

6.根据权利要求1所述的方法，其特征在于，所述识别模型包括卷积神经网络模型，所述识别模型的训练方法包括：

建立初始识别模型，并获取训练数据集；

将所述训练数据集输入所述初始识别模型，根据模型输出对所述初始识别模型进行参数调整，直到所述初始诊断模型的输出达到设定准确率阈值，得到所述识别模型。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将数据识别结果显示于用户界面上。

8.一种数据录入装置，其特征在于，包括：

待识别图像获取模块，用于对目标设备进行图像采集，获取包含数据信息的待识别图像；

特征向量提取模块，用于确定所述待识别图像中数据信息的数据形式，根据所述数据形式进行特征向量提取并确定对应的识别模型，所述数据形式包括数字式和指针式；

数据识别模块，用于将提取的特征向量输入相应的识别模型中，将模型的输出作为数据识别结果进行存储。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的数据录入方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的数据录入方法。