[发明专利]一种基于图像识别的撤回表计管理方法

权利要求书

1.一种基于图像识别的撤回表计管理方法，其特征在于，包括：

步骤一、采集撤回电能表的图像；

步骤二、采用图像识别技术依次对所述图像进行表型识别、条形码识别和表盘示数识别；

其中，所述表型识别是通过搭建电能表类型分类网络，输入采集的撤回电能表图像，识别并返回撤回电能表的型号信息；

所述条形码识别是在所述图像中依据条码特征检测条码所在区域，再依据编码规则和归一化理论进行条码识别；

所述表盘示数识别是通过对数字区域进行定位后对数字进行切分，然后制作出数据集进行识别；

步骤三、生成并录入电表数据。

2.根据权利要求1所述的基于图像识别的撤回表计管理方法，其特征在于，所述步骤二中，所述表型识别具体包括：

搭建电表类型分类的神经网络；

标注电表类型数据集，并对所述电表类型分类的神经网络进行训练；

对所述图像进行预处理得预处理图像，所述预处理包括图像尺寸归一化处理；

将所述预处理图像输入训练后的电表类型分类的神经网络，经卷积层与激活函数层提取图像特征，并不断经池化层对所述图像特征进行精简处理，然后将精简处理的图像特征输入全连接层进行分类，最后判断并输出具体的表型。

3.根据权利要求2所述的基于图像识别的撤回表计管理方法，其特征在于，所述电表类型分类的神经网络具体结构为：

采用卷积层与Relu激活层作为基础的神经网络模块；

基础的神经网络模块共8组，并且依次按顺序进行1-8组编号；每组中卷积核尺寸均为3*3；

在第2、4、6、8组基础模块后面增加maxpooling池化层；所述池化层尺寸分别为2、2、2、4；

在第8组的池化层后引入三层全连接层进行电表类型分类。

4.根据权利要求2所述的基于图像识别的撤回表计管理方法，其特征在于，所述步骤二中检测条码所在区域的方法包括：

单阶段卷积神经网络方法、Fastser-RCNN方法或Corner Net方法。

5.根据权利要求4所述的基于图像识别的撤回表计管理方法，其特征在于，所述单阶段卷积神经网络方法具体包括：

步骤a、将所述图像输入网络，经卷积层与批量归一化层、Leaky Relu层的联合模块以及ResNet网络所用的残差模块进行图像特征图的提取，得到输入电能表图像的特征图；

步骤b、采用FPN方法，对不同阶段得到的多尺度特征图进行目标检测，同时区分出条码区域及背景区域；

步骤c、对多尺度得到的检测结果采用非极大值抑制方法来进行过滤得条码所在区域；

其中，过滤阈值为0.45。

6.根据权利要求5所述的基于图像识别的撤回表计管理方法，其特征在于，所述条码识别包括：

依据检测得到的条码所在区域，使用局部域适应的二值化方法对条码所在区域进行二值化处理得长条状二值化图像；

在所述二值化图像内进行逐行扫描，判断符合条形码的行的特征；

根据所有符合识别处理条件的数组计算出条码条空宽度的平均值，根据条形码编码规则和归一化识别出对应的条码字符。

7.根据权利要求1所述的基于图像识别的撤回表计管理方法，其特征在于，所述表盘示数识别包括：

步骤S1、采用单阶段卷积神经网络方法对所述图像的对数字区域进行定位；

步骤S2、将数字区域进行切分，并进行二值化处理得单个数字区域；

步骤S3、将单数字图像进行尺寸归一化操作后输入训练好的基础网络，获得最终的识别结果。

8.根据权利要求7所述的基于图像识别的撤回表计管理方法，其特征在于，

构建所述训练好的基础网络的方法：

根据不同表型制作不同的数据集，采用手写字体识别网络作为基础网络，将其卷积层替换为ResNet中所用的残差模块进行网络性能的增强，然后将所述数据集对所述基础网络进行训练得到训练好的基础网络。