[發明專利]一種基于R-CNN的智能電表數值識別方法

在審

• 申請號: 201910798558.1
• 申請日: 2019-08-27
• 公開（公告）號: CN110427943A
• 公開（公告）日: 2019-11-08
• 發明（設計）人: 向映紅;楊旭;劉克恒;馬智勇;蔣波;劉波;何小浪
• 申請（專利權）人: 國家電網有限公司;國網重慶市電力公司技能培訓中心
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/40;G06K9/62;G06N3/04
• 代理公司: 重慶中之信知識產權代理事務所(普通合伙) 50213
• 代理人: 劉強

1.一種基于R-CNN的智能電表數值識別方法，其特征在于：還包括離線訓練和在線預測；其中

離線訓練，其采集大量的用攝像頭已拍好的電表圖片，并用圖像預處理方法對這些電表圖片樣本進行預處理，所述圖像預處理方法為對指針式儀表圖像進行圖像灰度化、圖像平滑濾波、圖像增強和圖像二值化處理，待預處理完之后，再對樣本添加標簽以便于網絡學習，所述標簽設為表盤的讀數值，得到用于識別表盤的網絡；

在線預測，其包括電表表盤位置區域提取，首先通過選擇性搜索算法生成一系列候選區域，然后針對每個候選區域來將其進行固定尺寸的縮放，再對其進行識別；識別過程是將每個候選區域縮放好的圖片輸入到R-CNN網絡中進行特征提取，然后通過SVM網絡識別候選區域圖片是否為目標區域，即電表表盤區域；如果識別出了電表表盤區域，則通過多層R-CNN網絡和全連接網絡識別表盤信息，輸出最終識別的電表讀數，否則，重復用選擇性搜索算法生成一系列候選區域，對候選區域縮放，通過R-CNN網絡中進行特征提取識別表盤的相應步驟，直到網絡識別出電表表盤區域后，再通過多層R-CNN網絡和全連接網絡識別表盤信息，輸出最終識別的電表讀數。

2.根據權利要求1所述基于R-CNN的智能電表數值識別方法，其特征在于：進行所述電表表盤位置區域提取時，所述R-CNN網絡工作時分為以下四個步驟：

(1)生成候選區域：對于輸入的每一張圖像，使用選擇性搜索方法生成1K-2K個候選區域，使用過分割的方法，將輸入的圖像分割為1K-2K個小區域；根據分割而成的小區域，根據表盤圖像的紋理分布，對合并可能性最高的相鄰兩個區域進行合并，不斷重復此合并過程，直到整張圖像合并成一個整體區域，輸出所有合并出的區域即得候選區域；

(2)特征提取：對于生成的候選區域，使用深度卷積神經網絡提取特征，神經網絡全連接層輸出4096維特征向量；在進行特征提取前，需要對輸入的候選框進行尺寸歸一化；

(3)類別判斷：使用線性支持向量機分類器對提取到的特征進行識別，判斷是否屬于電表表盤；在R-CNN網絡訓練時，需要對具有包圍盒的目標進行分類訓練；

(4)位置精修：對于每一個分類，使用一個回歸器根據電表表盤檢測算法的評價標準—重疊度，來對候選框的位置進行精修，生成在線預測的預測窗口的坐標。

3.根據權利要求2所述基于R-CNN的智能電表數值識別方法，其特征在于：在進行特征提取前，對輸入的候選框進行統一歸化的尺寸大小為227×227。

4.根據權利要求1所述基于R-CNN的智能電表數值識別方法，其特征在于：在進行離線訓練時，使用點對點的學習方式來學習網絡中的所有權重和偏置。