[发明专利]表计读取方法、装置、设备以及存储介质

权利要求书

1.一种表计读取方法，包括：

接收表计图像，其中，所述表计图像存在表计；

检测所述表计图像中的所述表计的位置；

基于所述表计的位置从所述表计图像中分割出所述表计的区域图像；

将所述表计的区域图像输入至预先训练的指针刻度检测模型，得到所述表计的指针和刻度的位置；

基于所述表计的指针和刻度的位置，确定所述表计的读数。

2.根据权利要求1所述的方法，其中，所述检测所述表计图像中的所述表计的位置，包括：

将所述表计图像输入至预先训练的表计检测模型，得到所述表计的位置。

3.根据权利要求2所述的方法，其中，所述表计检测模型是两阶段目标检测模型或单阶段目标检测模型，所述两阶段目标检测模型包括以下至少一项：R-CNN、SPP-Net、Fast-RCNN、Faster-RCNN和FPN，所述单阶段目标检测模型是YOLO或SSD。

4.根据权利要求3所述的方法，其中，若所述表计检测模型是所述两阶段目标检测模型，所述两阶段目标检测模型是Faster-RCNN，则所述Faster-RCNN是基于ResNet-50的Faster-RCNN，所述指针刻度检测模型是基于ResNet-50的Faster-RCNN。

5.根据权利要求1所述的方法，其中，所述基于所述表计的指针和刻度的位置，确定所述表计的读数，包括：

基于所述指针的位置，定位所述指针的起始端和末端的位置。

基于所述刻度的位置，确定所述表计的零刻度和满量程的位置；

基于所述指针的起始端和末端的位置，以及所述表计的零刻度和满量程的位置，确定所述指针与所述零刻度的夹角，以及所述零刻度与所述满量程的夹角；

基于所述指针与所述零刻度的夹角占所述零刻度与所述满量程的夹角的比例，得到所述表计的读数。

6.根据权利要求5所述的方法，其中，若所述表计是圆形表，所圆形表的起始端是所述圆形表的表盘中心，若所述表计是扇形表，通过所扇形表的指针和刻度的数学关系计算所述指针的起始端的位置。

7.根据权利要求1-6之一所述的方法，其中，LoRa终端携带摄像头放置在表计前采集所述表计图像，并通过LoRa无线网络传输给LoRa网关，LoRa网关通过LTE或广域网将所述表计图像传输给CLAA的智能云服务器。

8.一种表计读取装置，包括：

接收模块，被配置成接收表计图像，其中，所述表计图像存在表计；

第一检测模块，被配置成检测所述表计图像中的所述表计的位置；

分割模块，被配置成基于所述表计的位置从所述表计图像中分割出所述表计的区域图像；

第二检测模块，被配置成将所述表计的区域图像输入至预先训练的指针刻度检测模型，得到所述表计的指针和刻度的位置；

确定模块，被配置成基于所述表计的指针和刻度的位置，确定所述表计的读数。

9.根据权利要求8所述装置，其中，所述第一检测模块进一步被配置成：

将所述表计图像输入至预先训练的表计检测模型，得到所述表计的位置。

10.根据权利要求9所述的装置，其中，所述表计检测模型是两阶段目标检测模型或单阶段目标检测模型，所述两阶段目标检测模型包括以下至少一项：R-CNN、SPP-Net、Fast-RCNN、Faster-RCNN和FPN，所述单阶段目标检测模型是YOLO或SSD。

11.根据权利要求10所述的装置，其中，若所述表计检测模型是所述两阶段目标检测模型，所述两阶段目标检测模型是Faster-RCNN，则所述Faster-RCNN是基于ResNet-50的Faster-RCNN，所述指针刻度检测模型是基于ResNet-50的Faster-RCNN。