CN117894032A - 水表读数识别方法、系统、电子设备及存储介质 - Google Patents
水表读数识别方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117894032A CN117894032A CN202410289638.5A CN202410289638A CN117894032A CN 117894032 A CN117894032 A CN 117894032A CN 202410289638 A CN202410289638 A CN 202410289638A CN 117894032 A CN117894032 A CN 117894032A
- Authority
- CN
- China
- Prior art keywords
- water meter
- picture
- reading
- identification
- character wheel
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 102100032202 Cornulin Human genes 0.000 claims 1
- 101000920981 Homo sapiens Cornulin Proteins 0.000 claims 1
- 230000008569 process Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000008399 tap water Substances 0.000 description 2
- 235000020679 tap water Nutrition 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供一种水表读数识别方法、水表读数识别系统、电子设备及存储介质,包括以下步骤:调用文本检测算法识别包含水表的图片中的字轮区域,以获取包括所述字轮区域的识别框;以与所述识别框的长度方向或宽度方向平行的线为基准线,根据所述基准线与所述图片的横向或竖向的夹角,旋转所述图片,以使所述字轮区域旋转至目标状态;识别并读取所述水表的读数。本发明基于文本检测算法生成的识别框调整图片,能够应对各种水表识别的场景,效率更高,调动资源更少。
Description
技术领域
本发明涉及信息技术领域,具体涉及一种水表读数识别方法、水表读数识别系统、电子设备及存储介质。
背景技术
自来水公司对于居民用水量核定通常采用人工抄表与远传读数两种方式结合。远传水表成本高,且对于传输内容准确性缺乏核验机制;人工抄表效率低下,而且容易出错。为了更好的做好抄表工作,提升居民满意度,自来水公司通常在抄表的同时采用拍照的方式记录原始数据,以留底备查。面对大量的水表图片,工作人员无法将每一块水表读数与水表图片一一核对,只有收到客户投诉时,才会找到当时的拍摄图片进行核验,无法保证抄表数据的准确性。
现有技术中虽然有自动实现识别水表读数的方法,但多依赖于水表自身的几何元素,识别场景受限较多,调动资源较多。业内缺乏一种简便有效的水表识别读数解决方案。
发明内容
本发明的目的在于提供一种水表读数识别方法、水表读数识别系统、电子设备及存储介质,基于文本检测算法生成的识别框调整图片,能够应对各种水表识别的场景,效率更高,调动资源更少。
为实现上述目的,本发明提供一种水表读数识别方法,包括以下步骤:调用文本检测算法识别包含水表的图片中的字轮区域,以获取包括所述字轮区域的识别框;以与所述识别框的长度方向或宽度方向平行的线为基准线,根据所述基准线与所述图片的横向或竖向的夹角,旋转所述图片,以使所述字轮区域旋转至目标状态;识别并读取所述水表的读数。
可选的,所述文本检测算法包括DB算法。
可选的,在调用所述DB算法识别所述图片中的所述字轮区域时,使用概率映射或近似二进制映射生成文本边界框,以获取包括所述字轮区域的所述识别框。
可选的,在调用所述文本检测算法识别包含所述水表的所述图片中的所述字轮区域前,对所述图片进行图像预处理。
可选的,所述图像预处理具体包括以下处理方式中的至少一者:使所述图片旋转预设角度;将所述图片与任意若干张对比图片拼接在一起;翻转所述图片。
可选的,所述识别并读取所述水表的读数,具体包括:调用CRNN网络对所述字轮区域进行识别,以获取所述字轮区域的读数。
可选的,所述识别并读取所述水表的读数,具体包括:训练一目标检测模型,以使得所述目标检测模型能够将圆周均匀划分为多个扇形区域,并对不同的扇形区域赋予不同的数值;调用所述目标检测模型识别所述水表的指针区域,以识别出该指针区域的指针所在的扇形区域位置,并根据所述指针所在的扇形区域位置,获取该指针区域的读数。
本发明还提供一种水表读数识别系统,应用于上述中任一所述的水表读数识别方法,包括:第一执行模块,用于调用所述文本检测算法识别包含所述水表的所述图片中的所述字轮区域,以获取包括所述字轮区域的所述识别框;第二执行模块,用于以与所述识别框的长度方向或宽度方向平行的线为基准线,根据所述基准线与所述图片的横向或竖向的夹角,旋转所述图片,以使所述字轮区域旋转至目标状态;识别模块,用于识别并读取所述水表的读数。
本发明还提供一种电子设备,所述电子设备包括:存储器,存储有计算机程序;处理器,与所述存储器通信相连,调用所述计算机程序时执行上述任一项所述的水表读数识别方法;显示器,与所述处理器和所述存储器通信相连,用于显示与所述水表读数识别方法相关GUI交互界面。
本发明还提供一种存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述任一项所述的水表读数识别方法。
本发明提供的水表读数识别方法、水表读数识别系统、电子设备及存储介质具有如下有益效果:
本发明提供一种水表读数识别方法,包括以下步骤:调用文本检测算法识别包含水表的图片中的字轮区域,以获取包括所述字轮区域的识别框;以与所述识别框的长度方向或宽度方向平行的线为基准线,根据所述基准线与所述图片的横向或竖向的夹角,旋转所述图片,以使所述字轮区域旋转至目标状态;识别并读取所述水表的读数。如此设置,本发明利用文本检测算法生成识别框,并利用识别框自身的几何性质调整图片,不依赖于对水表的几何元素的识别,识别与调整的过程均在算法维度完成,调用资源更少,识别效率与精确度更高。
本发明还提供一种水表读数识别系统,由于所述水表读数识别系统与所述水表读数识别方法属于同一个发明构思,因此所述检索系统利用文本检测算法生成识别框,并利用识别框自身的几何性质调整图片,不依赖于对水表的几何元素的识别,识别与调整的过程均在算法维度完成,调用资源更少,识别效率与精确度更高。
本发明还提供一种电子设备,由于所述电子设备与所述水表读数识别方法属于同一个发明构思,因此所述电子设备利用文本检测算法生成识别框,并利用识别框自身的几何性质调整图片,不依赖于对水表的几何元素的识别,识别与调整的过程均在算法维度完成,调用资源更少,识别效率与精确度更高。
本发明还提供一种存储介质,由于所述存储介质与所述水表读数识别方法属于同一个发明构思,因此所述存储介质利用文本检测算法生成识别框,并利用识别框自身的几何性质调整图片,不依赖于对水表的几何元素的识别,识别与调整的过程均在算法维度完成,调用资源更少,识别效率与精确度更高。
附图说明
图1为本发明一实施例提供的水表读数识别方法的流程示意图。
图2为本发明一实施例提供的电子设备的方框结构示意图。
其中附图标记为:
101-处理器;102-通信接口;103-存储器;104-通信总线;105-显示器。
具体实施方式
为使本发明的目的、优点和特征更加清楚,以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是,附图均采用非常简化的形式且未按比例绘制,仅用以方便、明晰地辅助说明本发明实施例的目的。此外,附图所展示的结构往往是实际结构的一部分。特别的,各附图需要展示的侧重点不同,有时会采用不同的比例。
应当明白,当元件或层被称为"在…上"、"连接到"其它元件或层时,其可以直接地在其它元件或层上、连接其它元件或层,或者可以包括居间的元件或层。相反,当元件被称为"直接在…上"、"直接连接到"其它元件或层时,则不包括居间的元件或层。尽管可使用术语第一、第二、第三等描述各种元件、部件、区、层和/或部分,这些元件、部件、区、层和/或部分不应当被这些术语限制。这些术语仅仅用来区分一个元件、部件、区、层或部分与另一个元件、部件、区、层或部分。因此,在不脱离本发明教导之下,下面讨论的第一元件、部件、区、层或部分可表示为第二元件、部件、区、层或部分。空间关系术语例如“在……之下”、“在下面”、“下面的”、“在……之上”、“在上面”、“上面的”等,在这里可为了方便描述而被使用从而描述图中所示的一个元件或特征与其它元件或特征的关系。应当明白,除了图中所示的取向以外,空间关系术语意图还包括使用和操作中的器件的不同取向。例如,如果附图中的器件翻转,然后,描述为“在……之下”、“在下面”、“下面的”元件或特征将取向为在其它元件或特征“上”。器件可以另外地取向(旋转90度或其它取向)并且在此使用的空间描述语相应地被解释。在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时,单数形式的"一"、"一个"和"所述/该"也意图包括复数形式,除非上下文清楚地指出另外的方式。还应明白术语“包括”用于确定可以特征、步骤、操作、元件和/或部件的包括,但不排除一个或更多其它的特征、步骤、操作、元件、部件和/或组的包括或添加。在此使用时,术语"和/或"包括相关所列项目的任何及所有组合。
本发明的目的在于提供一种水表读数识别方法、水表读数识别系统、电子设备及存储介质,基于文本检测算法生成的识别框调整图片,能够应对各种水表识别的场景,效率更高,调动资源更少。
请参考图1,图1为本发明一实施例提供的水表读数识别方法的流程示意图。如图1所示,为实现上述目的,本发明提供一种水表读数识别方法,包括以下步骤:
调用文本检测算法识别包含水表的图片中的字轮区域,以获取包括所述字轮区域的识别框;
以与所述识别框的长度方向或宽度方向平行的线为基准线,根据所述基准线与所述图片的横向或竖向的夹角,旋转所述图片,以使所述字轮区域旋转至目标状态;
识别并读取所述水表的读数。
一般情况下,操作人员在拍摄水表图片时往往无法做到完全拍正,水表在图片中会呈现倾斜的状态,此时字轮区域和指针区域在图片中都是倾斜的,因此需要将图片调正。本发明与现有技术的不同之处在于,现有技术中一般利用水表图片的几何元素,例如水表自身所具有的直线线条,以此为依据来调正图片。这种方式的缺点是过度依赖水表本身的几何元素,导致这种方案的使用场景受限,一旦出现水表折旧或者被轻微污染而导致直线线条不清晰不完整,则会识别失败。而本发明利用文本检测算法,直接生成字轮区域的识别框,并利用所述识别框自身的几何性质调整图片,不依赖于对水表的几何元素的识别,识别与调整的过程均在算法维度完成,调用资源更少,识别效率与精确度更高。应理解,所述在一种示范性的实施例中,所述识别框为矩形,但并不以此为限。需要说明的是,为本领域技术人员所能理解的,所述识别与读取所述水表的读数在处理器执行视角可采用目标检测算法以及OCR识别的技术实现,在此不再赘述。
具体的,所述文本检测算法包括DB算法。DB是一个基于分割的文本检测算法,其提出可微分阈值Different tiable Binarization module(DB module)采用动态的阈值区分文本区域与背景。此类方法得到分割结果之后采用一个固定的阈值得到二值化的分割图,之后采用诸如像素聚类的启发式算法得到文本区域。DB算法有以下几个优势:1.算法结构简单,无需繁琐的后处理;2.在开源数据上拥有良好的精度和性能。DB算法主要思想为:首先,将输入的图像输入到一个特征金字塔的主干中。其次,将金字塔特征上采样到相同的尺度,并将其传递给自适应尺度融合模块,生成上下文特征F,然后利用特征F对概率图和阈值图进行预测。在训练期间,对概率映射、阈值映射和近似二进制映射进行监督,其中概率映射和近似二进制映射共享相同的监督。在推理期间,通过回归框形成过程从近似二进制映射或概率映射中得到边界框,即在调用所述DB算法识别所述图片中的所述字轮区域时,使用概率映射或近似二进制映射生成文本边界框,以获取包括所述字轮区域的所述识别框。
进一步的,在调用所述文本检测算法识别包含所述水表的所述图片中的所述字轮区域前,对所述图片进行图像预处理。图像预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、图像分割、匹配和识别的可靠性。在一种示范性的实施例中,所述图像预处理具体包括以下处理方式中的至少一者:使所述图片旋转预设角度;将所述图片与任意若干张对比图片拼接在一起;翻转所述图片。还可以基于其他技术原理进行图像预处理。
优选的,所述识别并读取所述水表的读数,具体包括:调用CRNN网络对所述字轮区域进行识别,以获取所述字轮区域的读数。CRNN(Convolutional Recurrent NeuralNetwork)是由全卷积神经网络(FCN)和循环神经网络(RNN)结合而成,主要应用于图像与文本中的场景文本识别(Scene Text Recognition,STR)任务。CRNN是目前较为流行的图文识别模型,可识别较长的文本序列。它包含CNN特征提取层和BLSTM序列特征提取层,能够进行端到端的联合训练。它利用BLSTM和CTC部件学习字符图像中的上下文关系,从而有效提升文本识别准确率,使得模型更加鲁棒。预测过程中,前端使用标准的CNN网络提取文本图像的特征,利用BLSTM将特征向量进行融合以提取字符序列的上下文特征,然后得到每列特征的概率分布,最后通过转录层(CT Crule)进行预测得到文本序列。该网络主要用于端到端地对不定长的文本序列进行识别,不用先对单个文字进行切割,而是将文本识别转化为时序依赖的序列学习问题,就是基于图像的序列识别,提高识别准确率。
优选的,所述识别并读取所述水表的读数,具体包括:训练一目标检测模型,以使得所述目标检测模型能够将圆周均匀划分为多个扇形区域,并对不同的扇形区域赋予不同的数值;
调用所述目标检测模型识别所述水表的指针区域,以识别出该指针区域的指针所在的扇形区域位置,并根据所述指针所在的扇形区域位置,获取该指针区域的读数。
在一种示范性的实施例中,通过yolov8的目标检测技术,识别指针区域读数。具体地,训练阶段对于正方向的水表指针进行标注,指针指向0-1之间标注图像类别为0,1-2之间标注类别为1,2-3之间标注类别2,依次类推,当指针指向9-0之间标注类别为9,将标注好的数据集给yolov8算法进行训练,完成对指针区域的识别。yolov8是基于对象检测模型的yolo最新系列,它能够提供截至目前最先进的对象检测性能。借助于以前的yolo模型版本支持技术,yolo8模型运行得更快、更准确,同时为执行任务的训练模型提供了统一的框架。同样的训练标注逻辑也可应用于字轮区域,字轮在转动时会出现字轮显示区域停留在两个数字之间的情况,此时应当以两个数字中的较小数值作为读数。
最后,进行读数融合:融合字轮区域和指针区域识别结果,形成完整的读数,其中指针区域根据识别到的指针区域按照x坐标从大到小排列,x坐标最大的类别即为0.1倍数,依次分别为0.01、0.001和0.0001。
本发明还提供一种水表读数识别系统,应用于上述中任一所述的水表读数识别方法,包括:
第一执行模块,用于调用所述文本检测算法识别包含所述水表的所述图片中的所述字轮区域,以获取包括所述字轮区域的所述识别框;
第二执行模块,用于以与所述识别框的长度方向或宽度方向平行的线为基准线,根据所述基准线与所述图片的横向或竖向的夹角,旋转所述图片,以使所述字轮区域旋转至目标状态;
识别模块,用于识别并读取所述水表的读数。
由于所述水表读数识别系统与所述水表读数识别方法属于同一个发明构思,因此所述检索系统利用文本检测算法生成识别框,并利用识别框自身的几何性质调整图片,不依赖于对水表的几何元素的识别,识别与调整的过程均在算法维度完成,调用资源更少,识别效率与精确度更高。
由于本发明提供的水表读数识别系统与上文所述的水表读数识别方法属于同一发明构思,因此本发明提供的水表读数识别系统具有上文所述的水表读数识别方法的所有优点,故在此不再对本发明提供的水表读数识别系统所具有的有益效果进行一一赘述。
请参考图2,图2为本发明一实施例提供的电子设备的方框结构示意图。如图2所示,本发明还提供一种电子设备,所述电子设备包括:
存储器103,存储有计算机程序;
处理器101,与所述存储器通信相连,调用所述计算机程序时执行上述任一项所述的水表读数识别方法;
显示器105,与所述处理器和所述存储器通信相连,用于显示与所述水表读数识别方法相关GUI交互界面。
由于所述电子设备与所述水表读数识别方法属于同一个发明构思,因此所述电子设备利用文本检测算法生成识别框,并利用识别框自身的几何性质调整图片,不依赖于对水表的几何元素的识别,识别与调整的过程均在算法维度完成,调用资源更少,识别效率与精确度更高。
由于本发明提供的电子设备与上文所述的水表读数识别方法属于同一发明构思,因此本发明提供的电子设备具有上文所述的水表读数识别方法的所有优点,故在此不再对本发明提供的电子设备所具有的有益效果进行一一赘述。
如图2所示,所述电子设备还包括通信接口102和通信总线104,其中所述处理器101、所述通信接口102、所述存储器103通过通信总线104完成相互间的通信。所述通信总线104可以是外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,EISA)总线等。该通信总线104可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。所述通信接口102用于上述电子设备与其他设备之间的通信。
本发明中所称处理器101可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器101是所述电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分。
所述存储器103可用于存储所述计算机程序,所述处理器101通过运行或执行存储在所述存储器103内的计算机程序,以及调用存储在存储器103内的数据,实现所述电子设备的各种功能。
所述存储器103可以包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本发明还提供一种存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述任一项所述的水表读数识别方法。
由于所述存储介质与所述水表读数识别方法属于同一个发明构思,因此所述存储介质利用文本检测算法生成识别框,并利用识别框自身的几何性质调整图片,不依赖于对水表的几何元素的识别,识别与调整的过程均在算法维度完成,调用资源更少,识别效率与精确度更高。
由于本发明提供的存储介质与上文所述的水表读数识别方法属于同一发明构思,因此本发明提供的存储介质具有上文所述的水表读数识别方法的所有优点,故在此不再对本发明提供的存储介质所具有的有益效果进行一一赘述。
本发明实施方式的存储介质,可以采用一个或多个计算机可读的介质的任意组合。可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机硬盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其组合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
还需要说明的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围。
还应当理解的是,除非特别说明或者指出,否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等,而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
此外还应该认识到,此处描述的术语仅仅用来描述特定实施例,而不是用来限制本发明的范围。必须注意的是,此处的以及所附权利要求中使用的单数形式“一个”和“一种”包括复数基准,除非上下文明确表示相反意思。例如,对“一个步骤”或“一个装置”的引述意味着对一个或多个步骤或装置的引述,并且可能包括次级步骤以及次级装置。应该以最广义的含义来理解使用的所有连词。以及,词语“或”应该被理解为具有逻辑“或”的定义,而不是逻辑“异或”的定义,除非上下文明确表示相反意思。此外,本发明实施例的实现可包括手动、自动或组合地执行所选任务。
Claims (10)
1.一种水表读数识别方法,其特征在于,包括以下步骤:
调用文本检测算法识别包含水表的图片中的字轮区域,以获取包括所述字轮区域的识别框;
以与所述识别框的长度方向或宽度方向平行的线为基准线,根据所述基准线与所述图片的横向或竖向的夹角,旋转所述图片,以使所述字轮区域旋转至目标状态;
识别并读取所述水表的读数。
2.如权利要求1所述的水表读数识别方法,其特征在于,所述文本检测算法包括DB算法。
3.如权利要求2所述的水表读数识别方法,其特征在于,在调用所述DB算法识别所述图片中的所述字轮区域时,使用概率映射或近似二进制映射生成文本边界框,以获取包括所述字轮区域的所述识别框。
4.如权利要求1所述的水表读数识别方法,其特征在于,在调用所述文本检测算法识别包含所述水表的所述图片中的所述字轮区域前,对所述图片进行图像预处理。
5.如权利要求4所述的水表读数识别方法,其特征在于,所述图像预处理具体包括以下处理方式中的至少一者:
使所述图片旋转预设角度;
将所述图片与任意若干张对比图片拼接在一起;
翻转所述图片。
6.如权利要求1所述的水表读数识别方法,其特征在于,所述识别并读取所述水表的读数,具体包括:
调用CRNN网络对所述字轮区域进行识别,以获取所述字轮区域的读数。
7.如权利要求1所述的水表读数识别方法,其特征在于,所述识别并读取所述水表的读数,具体包括:
训练一目标检测模型,以使得所述目标检测模型能够将圆周均匀划分为多个扇形区域,并对不同的扇形区域赋予不同的数值;
调用所述目标检测模型识别所述水表的指针区域,以识别出该指针区域的指针所在的扇形区域位置,并根据所述指针所在的扇形区域位置,获取该指针区域的读数。
8.一种水表读数识别系统,应用于如权利要求1至7中任一所述的水表读数识别方法,其特征在于,包括:
第一执行模块,用于调用所述文本检测算法识别包含所述水表的所述图片中的所述字轮区域,以获取包括所述字轮区域的所述识别框;
第二执行模块,用于以与所述识别框的长度方向或宽度方向平行的线为基准线,根据所述基准线与所述图片的横向或竖向的夹角,旋转所述图片,以使所述字轮区域旋转至目标状态;
识别模块,用于识别并读取所述水表的读数。
9.一种电子设备,其特征在于,包括:
存储器,存储有计算机程序;
处理器,与所述存储器通信相连,调用所述计算机程序时执行如权利要求1-7中任一项所述的水表读数识别方法;
显示器,与所述处理器和所述存储器通信相连,用于显示与所述水表读数识别方法相关GUI交互界面。
10.一种存储介质,存储有计算机程序,其特征在于:该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的水表读数识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410289638.5A CN117894032A (zh) | 2024-03-14 | 2024-03-14 | 水表读数识别方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410289638.5A CN117894032A (zh) | 2024-03-14 | 2024-03-14 | 水表读数识别方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117894032A true CN117894032A (zh) | 2024-04-16 |
Family
ID=90649139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410289638.5A Pending CN117894032A (zh) | 2024-03-14 | 2024-03-14 | 水表读数识别方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117894032A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190154463A1 (en) * | 2017-11-21 | 2019-05-23 | International Business Machines Corporation | Flow meter reading with image recognition secured with mask and software connected by mobile device |
CN111444781A (zh) * | 2020-03-09 | 2020-07-24 | 武汉理工大学 | 一种水表读数识别方法、设备及存储介质 |
US20210142099A1 (en) * | 2019-11-07 | 2021-05-13 | Sap Se | Pointer recognition for analog instrument image analysis |
CN113392827A (zh) * | 2021-06-22 | 2021-09-14 | 平安健康保险股份有限公司 | 一种文字识别方法、装置、设备及介质 |
CN113392834A (zh) * | 2021-06-16 | 2021-09-14 | 广州观必达数据技术有限责任公司 | 一种基于深度学习的字轮水表读数识别方法及系统 |
CN113642582A (zh) * | 2021-08-13 | 2021-11-12 | 中国联合网络通信集团有限公司 | 电表读数识别方法、装置、电子设备和存储介质 |
CN113865676A (zh) * | 2021-10-12 | 2021-12-31 | 安徽翼迈科技股份有限公司 | 一种摄像水表读数准确性自检方法 |
CN114463252A (zh) * | 2021-12-21 | 2022-05-10 | 浙江大华技术股份有限公司 | 车位占用的检测方法、检测装置以及计算机可读存储介质 |
CN115049916A (zh) * | 2022-08-17 | 2022-09-13 | 四川金信石信息技术有限公司 | 一种指针式仪表读数识别方法及识别装置 |
CN115546795A (zh) * | 2022-09-20 | 2022-12-30 | 华南理工大学 | 一种基于深度学习的圆形指针式仪表自动读数方法 |
CN115731554A (zh) * | 2021-08-31 | 2023-03-03 | 顺丰科技有限公司 | 快件面单识别方法、装置、计算机设备及存储介质 |
CN117095406A (zh) * | 2023-07-25 | 2023-11-21 | 华南理工大学 | 一种获取指针水表读数的后处理方法、系统、装置及介质 |
CN117315670A (zh) * | 2023-09-26 | 2023-12-29 | 天津市金超利达科技有限公司 | 一种基于计算机视觉的水表读数区域检测方法 |
CN117475416A (zh) * | 2023-11-20 | 2024-01-30 | 西安热工研究院有限公司 | 一种热电站指针式仪表读数识别方法、系统、设备及介质 |
-
2024
- 2024-03-14 CN CN202410289638.5A patent/CN117894032A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190154463A1 (en) * | 2017-11-21 | 2019-05-23 | International Business Machines Corporation | Flow meter reading with image recognition secured with mask and software connected by mobile device |
US20210142099A1 (en) * | 2019-11-07 | 2021-05-13 | Sap Se | Pointer recognition for analog instrument image analysis |
CN111444781A (zh) * | 2020-03-09 | 2020-07-24 | 武汉理工大学 | 一种水表读数识别方法、设备及存储介质 |
CN113392834A (zh) * | 2021-06-16 | 2021-09-14 | 广州观必达数据技术有限责任公司 | 一种基于深度学习的字轮水表读数识别方法及系统 |
CN113392827A (zh) * | 2021-06-22 | 2021-09-14 | 平安健康保险股份有限公司 | 一种文字识别方法、装置、设备及介质 |
CN113642582A (zh) * | 2021-08-13 | 2021-11-12 | 中国联合网络通信集团有限公司 | 电表读数识别方法、装置、电子设备和存储介质 |
CN115731554A (zh) * | 2021-08-31 | 2023-03-03 | 顺丰科技有限公司 | 快件面单识别方法、装置、计算机设备及存储介质 |
CN113865676A (zh) * | 2021-10-12 | 2021-12-31 | 安徽翼迈科技股份有限公司 | 一种摄像水表读数准确性自检方法 |
CN114463252A (zh) * | 2021-12-21 | 2022-05-10 | 浙江大华技术股份有限公司 | 车位占用的检测方法、检测装置以及计算机可读存储介质 |
CN115049916A (zh) * | 2022-08-17 | 2022-09-13 | 四川金信石信息技术有限公司 | 一种指针式仪表读数识别方法及识别装置 |
CN115546795A (zh) * | 2022-09-20 | 2022-12-30 | 华南理工大学 | 一种基于深度学习的圆形指针式仪表自动读数方法 |
CN117095406A (zh) * | 2023-07-25 | 2023-11-21 | 华南理工大学 | 一种获取指针水表读数的后处理方法、系统、装置及介质 |
CN117315670A (zh) * | 2023-09-26 | 2023-12-29 | 天津市金超利达科技有限公司 | 一种基于计算机视觉的水表读数区域检测方法 |
CN117475416A (zh) * | 2023-11-20 | 2024-01-30 | 西安热工研究院有限公司 | 一种热电站指针式仪表读数识别方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117831B (zh) | 物体检测网络的训练方法和装置 | |
CN111488826B (zh) | 一种文本识别方法、装置、电子设备和存储介质 | |
US11080839B2 (en) | System and method for training a damage identification model | |
CN110659647A (zh) | 印章图像识别方法及装置、智能发票识别设备和存储介质 | |
US11893765B2 (en) | Method and apparatus for recognizing imaged information-bearing medium, computer device and medium | |
US11568665B2 (en) | Method and apparatus for recognizing ID card | |
CN111340796A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN113111880A (zh) | 证件图像校正方法、装置、电子设备及存储介质 | |
CN113436222A (zh) | 图像处理方法、图像处理装置、电子设备及存储介质 | |
CN112668640A (zh) | 一种文本图像质量评估方法、装置、设备及介质 | |
CN112668462A (zh) | 车损检测模型训练、车损检测方法、装置、设备及介质 | |
CN112052702A (zh) | 一种识别二维码的方法和装置 | |
CN110188815B (zh) | 一种特征点采样方法、装置、设备及存储介质 | |
CN110766026A (zh) | 一种快速识别卡号的方法及装置、模型训练方法及装置 | |
CN110796145A (zh) | 基于智能决策的多证件分割关联方法及相关设备 | |
CN113780116A (zh) | 发票分类方法、装置、计算机设备和存储介质 | |
CN112287905A (zh) | 车辆损伤识别方法、装置、设备及存储介质 | |
CN117115823A (zh) | 一种篡改识别方法、装置、计算机设备和存储介质 | |
KR102026280B1 (ko) | 딥 러닝을 이용한 씬 텍스트 검출 방법 및 시스템 | |
CN117894032A (zh) | 水表读数识别方法、系统、电子设备及存储介质 | |
CN114495108A (zh) | 字符检测方法、装置、电子设备及可读介质 | |
CN115359302A (zh) | 硬币识别方法、系统及存储介质 | |
CN115223170A (zh) | 单据生成方法、装置、电子设备及存储介质 | |
Sheng et al. | End-to-end chinese image text recognition with attention model | |
CN113392837A (zh) | 一种基于深度学习的车牌识别方法及装置 |
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 |