[發明專利]一種基于圖像識別的撤回表計管理方法

在審

• 申請號: 201910793065.9
• 申請日: 2019-08-27
• 公開（公告）號: CN110688900A
• 公開（公告）日: 2020-01-14
• 發明（設計）人: 武光華;厲建賓;呂云彤;陳曄
• 申請（專利權）人: 國網河北省電力有限公司電力科學研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06Q10/10;G06Q50/06
• 代理公司: 11369 北京遠大卓悅知識產權代理事務所(普通合伙)
• 代理人: 周婷

1.一種基于圖像識別的撤回表計管理方法，其特征在于，包括：

步驟一、采集撤回電能表的圖像；

步驟二、采用圖像識別技術依次對所述圖像進行表型識別、條形碼識別和表盤示數識別；

其中，所述表型識別是通過搭建電能表類型分類網絡，輸入采集的撤回電能表圖像，識別并返回撤回電能表的型號信息；

所述條形碼識別是在所述圖像中依據條碼特征檢測條碼所在區域，再依據編碼規則和歸一化理論進行條碼識別；

所述表盤示數識別是通過對數字區域進行定位后對數字進行切分，然后制作出數據集進行識別；

步驟三、生成并錄入電表數據。

2.根據權利要求1所述的基于圖像識別的撤回表計管理方法，其特征在于，所述步驟二中，所述表型識別具體包括：

搭建電表類型分類的神經網絡；

標注電表類型數據集，并對所述電表類型分類的神經網絡進行訓練；

對所述圖像進行預處理得預處理圖像，所述預處理包括圖像尺寸歸一化處理；

將所述預處理圖像輸入訓練后的電表類型分類的神經網絡，經卷積層與激活函數層提取圖像特征，并不斷經池化層對所述圖像特征進行精簡處理，然后將精簡處理的圖像特征輸入全連接層進行分類，最后判斷并輸出具體的表型。

3.根據權利要求2所述的基于圖像識別的撤回表計管理方法，其特征在于，所述電表類型分類的神經網絡具體結構為：

采用卷積層與Relu激活層作為基礎的神經網絡模塊；

基礎的神經網絡模塊共8組，并且依次按順序進行1-8組編號；每組中卷積核尺寸均為3*3；

在第2、4、6、8組基礎模塊后面增加maxpooling池化層；所述池化層尺寸分別為2、2、2、4；

在第8組的池化層后引入三層全連接層進行電表類型分類。

4.根據權利要求2所述的基于圖像識別的撤回表計管理方法，其特征在于，所述步驟二中檢測條碼所在區域的方法包括：

單階段卷積神經網絡方法、Fastser-RCNN方法或Corner Net方法。

5.根據權利要求4所述的基于圖像識別的撤回表計管理方法，其特征在于，所述單階段卷積神經網絡方法具體包括：

步驟a、將所述圖像輸入網絡，經卷積層與批量歸一化層、Leaky Relu層的聯合模塊以及ResNet網絡所用的殘差模塊進行圖像特征圖的提取，得到輸入電能表圖像的特征圖；

步驟b、采用FPN方法，對不同階段得到的多尺度特征圖進行目標檢測，同時區分出條碼區域及背景區域；

步驟c、對多尺度得到的檢測結果采用非極大值抑制方法來進行過濾得條碼所在區域；

其中，過濾閾值為0.45。

6.根據權利要求5所述的基于圖像識別的撤回表計管理方法，其特征在于，所述條碼識別包括：

依據檢測得到的條碼所在區域，使用局部域適應的二值化方法對條碼所在區域進行二值化處理得長條狀二值化圖像；

在所述二值化圖像內進行逐行掃描，判斷符合條形碼的行的特征；

根據所有符合識別處理條件的數組計算出條碼條空寬度的平均值，根據條形碼編碼規則和歸一化識別出對應的條碼字符。

7.根據權利要求1所述的基于圖像識別的撤回表計管理方法，其特征在于，所述表盤示數識別包括：

步驟S1、采用單階段卷積神經網絡方法對所述圖像的對數字區域進行定位；

步驟S2、將數字區域進行切分，并進行二值化處理得單個數字區域；

步驟S3、將單數字圖像進行尺寸歸一化操作后輸入訓練好的基礎網絡，獲得最終的識別結果。

8.根據權利要求7所述的基于圖像識別的撤回表計管理方法，其特征在于，

構建所述訓練好的基礎網絡的方法：

根據不同表型制作不同的數據集，采用手寫字體識別網絡作為基礎網絡，將其卷積層替換為ResNet中所用的殘差模塊進行網絡性能的增強，然后將所述數據集對所述基礎網絡進行訓練得到訓練好的基礎網絡。