[發明專利]一種魯棒的工業電表數字識別方法

在審

• 申請號: 201611031147.2
• 申請日: 2016-11-22
• 公開（公告）號: CN106778754A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 李劍;錢建軍;楊健
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06T7/00;G06T7/11;G06T7/13;G06T7/136
• 代理公司: 南京理工大學專利中心32203
• 代理人: 馬魯晉

技術領域

本發明屬于數字圖像處理、模式識別技術領域，特別是一種魯棒的工業電表數字識別方法。

背景技術

從19世紀電的產生，以及20世紀電的普遍使用開始。在工業界中，電表就作為一種重要的工具，用來顯示企業中生成部門的各種數據。尤其是在電力行業中，電力部門為了統計各儀器的用電數據,經常安排專人進行抄表工作。現存的大量電表中,有很多位于偏遠的、不便的、高危險的位置。這就需要耗費大量的人力物力安排工人抄表，并且由于工人的長期工作容易出現讀表錯誤。當然，隨著電力行業、信息產業的的不斷發展,一大批智能電表被研發出來，這種電表能夠自動識別自身的數字和并且能夠傳輸到控制系統。但是，需要將原先老式的電表都換成新的電表常常受到經濟的限制,因此，此類電表未得到廣泛普及。

現有的一些工業電表中的數字識別算法存在的低識別率，不魯棒性等缺點。

發明內容

本發明所要解決的技術問題是：提供一種魯棒的工業電表數字識別方法，通過Canny檢測邊緣算法能夠有效區分噪聲區域和數字區域，使得工業電表面板中的數字切割的更加準確；通過使用KNN算法不僅可以有效提高數字識別算法的效率，也能保證數字識別的精度。

本發明為解決上述技術問題采用以下技術方案：一種魯棒的工業電表數字識別方法，包括如下步驟：

步驟1、首先將采集過來的工業電表圖像I_rgb轉換為灰度圖像I_gray，在灰度圖像上使用均值濾波，進行初步去噪聲。

步驟2、對去完噪聲的灰度圖像I_noise采用Canny算子提取工業電表圖像的邊緣。Canny算子進行邊緣檢測能有效抑制噪聲，同時能精確確定邊緣的位置。

步驟3、基于膨脹后的邊緣圖像I_dilate，先對圖像中含有數字的區域竟可能的通過經驗進行粗定位。然后分別通過橫向、縱向投影法對數字區域進行精準定位切割。

步驟4、將精準定位切割后含有數字的灰度圖像I_gray通過閾值法進行二值化得到二值圖像I_binary；

步驟5、進一步通過投影法，只進行縱向投影，具體過程如步驟三，將數字區域切割為單個數字的小區域，

步驟6、基于KNN(K近鄰)算法，對單個數字識別，最后按步驟5考慮小數點位置，得到最終的電表讀數。

優選的，步驟2所述Canny邊緣檢測算法流程為：

Step1：用高斯濾波器對初始圖像進行平滑，類似于步驟一中的均值濾波；

Step2：用一階偏導的有限差分來計算梯度的幅值和方向；

Step3：對梯度幅值進行非極大值抑制；

Step4：用雙閾值算法檢測和連接邊緣；

優選的，步驟6所述利用KNN算法對測試圖像進行分類識別的方法為：對于每一個測試圖片I_test，我們在10N張訓練集I_train中找到與測試圖片IOU最大的K張，然后在K張訓練集中，某個數字類別出現最多的即為測試圖片的數字。

優選的，步驟2中的Canny邊緣檢測算法的閾值為0.6；步驟3中的投影向量切割的閾值thresh＝15；步驟6中的訓練集數：N＝10，KNN算法的K值為K＝10。

本發明與現有技術相比，具有以下有益效果：1)本發明提出了一種魯棒高效的工業電表數字識別方法，通過canny算子檢測工業電表面板中的數字邊緣，可以有效定位并切割出數字區域；2)基于訓練集中的數字，通過KNN算法構造分類器，對待識別數字進行分類；3)本發明的工業電表數字識別方法通過canny邊緣檢測能夠有效地區分噪聲區域和數字區域，使得算法更加魯棒；4)在識別數字時采用KNN算法不僅可以有效提高算法效率，也能使得數字識別更加準確。

附圖說明

圖1是本發明工業電表的原圖。

圖2是本發明步驟一計算出的去噪后的灰度圖。

圖3是本發明步驟二Canny邊緣檢測算法檢測出來的圖像邊緣。

圖4是本發明步驟二對Canny檢測檢測出來的圖像邊緣進行膨脹后的圖像。

圖5是本發明步驟三切割出來的含有數字的區域圖像。

圖6是本發明步驟四對切割出來的灰度圖像進行二值化得到的二值圖。

圖7是本發明對二值圖進行單個數字切割并識別的結果圖。

具體實施方式

結合附圖，本發明的一種魯棒的工業電表數字識別方法，工業電表中的數字識別算法主要應用了圖像預處理、圖像分割、字符識別等圖像處理及模式識別相關算法。包括以下步驟：